GLM-5.3 – как Китай в очередной раз пытается нанести ответный удар по американской гегемонии в сфере ИИ

Продолжаю исследовать только те релизы LLMs, которые имеют значение в контексте структурных трансформаций ландшафта ИИ.

Z.aiпостепенно становится одним из наиболее опасных китайских конкурентов американских ИИ-провайдеров.

Еще в июне GLM-5.2 впервые практически ликвидировала технологический разрыв между китайскими открытыми моделями и передовыми закрытыми моделями США (тогда GLM-5.2 была сильнейшей китайской LLM, а спустя месяц вышла Kimi K3, потом Qwen3.8).

Z.ai14 августа представила GLM-5.3, но никакого доступа нет, ни по ключам API, ни в рамках экосистемных решений, только GLM Coding Plan (ZCode, Claude Code, OpenCode), а API — в ближайшее время.

Поэтому никаких независимых тестов еще нет. Цены также не были предоставлены, но в рамках пресс-релиза заявлен существенный прогресс, который методом аппроксимации позволяет ожидать мощности GLM-5.3 чуть выше GPT-5.5, но ниже GPT-5.6 SOL. О лидерстве речи не идет, в целом немного слабее Kimi K3 и, видимо, на уровне Qwen3.8.

( Читать дальше )

Как компания DeepSeek ломает экономику ИИ

Давно известно, что OpenAI, Anthropic, Google и теперь SpaceXAI пытаются компенсировать архитектурные ограничения все большим объемом вычислений, тогда как DeepSeek исторически специализируется на обратной задаче – как выжать максимум интеллекта из ограниченного вычислительного бюджета.

Не от хорошей жизни, естественно.

Китай ограничен в доступе к наиболее производительным Nvidia, внутренние ускорители Huawei пока технологически уступают американским, поэтому дефицит вычислительной мощности постепенно превратился из ограничения в главный источник архитектурной оптимизации DeepSeek. V4 специально адаптирована под Huawei Ascend, а DeepSeek параллельно набирает собственных инженеров по разработке процессоров.

Обучение и оптимизация инференса проводились с расчетом на кластеры китайских чипов (Huawei Ascend 950PR), минуя стек Nvidia CUDA/NVLink.

DeepSeek не пытается бесконечно масштабировать вычисления, а пытается радикально снизить количество вычислений, необходимых для одного и того же интеллектуального результата.

( Читать дальше )

Объем и структура ФНБ России

По состоянию на 1 августа 2026 объем ФНБ составляет 12.72 трлн руб или 5.4% ВВП.

Для сравнения: в конце 2021 было 13.57 трлн, т.е. номинально фонд сократился всего на 6.2%.

С начала СВО минимальный объем ФНБ был в янв.23 – 10.4 трлн, а максимум в авг.23 – 13.7 трлн.

Однако, ликвидная часть ФНБ сократилась с 8.43 трлн руб в дек.21 до 3.69 трлн сейчас – минус 4.74 трлн или 56.2%. В долларовом эквиваленте снижение с $113.5 до $46.2 млрд, а относительно ВВП – с 7.3 до 1.6%.

Одновременно неликвидная часть выросла с 5.13 до 9.03 трлн руб. Доля ликвидных активов обвалилась с 62.2 до 29%, соответственно уже 71% ФНБ – это акции, облигации, депозиты ВЭБ и банков, инфраструктурные и прочие активы.

Формально общий ФНБ почти не изменился с 2021 года, но примерно 4 трлн ликвидности были замещены неликвидными вложениями.

Структура на 1 августа 2026:

🔘ликвидные активы – 3.69 трлн, или 29%;
🔘акции российских эмитентов – 4.67 трлн, или 36.7%;

( Читать дальше )

Направления наибольшего прогресса в LLMs

В середине 2026 оформились несколько направлений, где прогресс стал наиболее видимым.

▪️Высокоэффективные парсинг и навигация веб-сайтов в полностью автоматизированном формате с достаточно эффективными скриптами – это решает одну из центральных проблем сбора данных.

Для загрузки данных через API ИИ не нужен – все решалось существующими технологиями, но все, что вне контура API требовало утомительной ручной работы.

Да, можно было извращаться с написанием скриптов парсинга, но ни один из них не был ни надежным, ни стабильным (при изменении формата веб-ресурсов и данных).

Нужна была технология по динамическому считыванию структуры веб-ресурсов, котораярешается исключительно через LLMs и никак иначе в условиях неструктурированных массивов данных.

▪️ LLMs стали превосходным интегратором и агрегатором данных, особенно среди неструктурированных массивов информации. Всего год назад это было невозможно из-за галлюцинаций, ограниченного рабочего контекста и выполнения процедур внутри собственной «песочницы».

( Читать дальше )

Нефтегазовые доходы России выросли в июле за счет НДД

В июле нефтегазовые доходы федерального бюджета составили934 млрд руб, увеличившись на 18.6% г/г относительно 787 млрд в июл.25, но оставшись на 13.5% ниже результата июл.24 – 1.08 трлн.

Это максимальный месячный объем с апреля 2025, обусловленный эффектом НДД (396 млрд), который платится раз в квартал и переносит в бюджет финансовый результат нефтяных компаний за предыдущий период.

За 7м26 нефтегазовые доходы составили 4.59 трлн, снизившись на 16.8% г/г против 5.52 трлн за 7м25 и на 32.2% ниже относительно 6.78 трлн за 7м24.

Июль заметно сократил накопленный провал: после 1П26 снижение составляло 22.7% г/г, теперь 16.8%.

В историческом контексте 4.59 трлн за семь месяцев – ниже номинального результата 2018, 2019 и 2021 годов. Среди последних девяти лет меньше было только в кризисном 2020 и в 2023.

Формально текущий результат на 8% выше средней 2017–2019, но рубль 2026 и рубль 2018 – это не один и тот же рубль. С поправкой на накопленную инфляцию нефтегазовые доходы опустились значительно ниже докризисной нормы.

( Читать дальше )

Отчет Meta за 2 квартал 2026

Продолжаю анализировать отчеты, но не финансовые метрики (сразу оптом по бигтехам продемонстрирую), а более интересное и важное направление – куда дует ветер в индустрии ИИ.

Отчет Meta (запрещена в РФ) – полная бессмыслица, такой же пустой и нелепый, как и все, что делает Meta последние годы.

Цукерберг продолжает сжигать корпоративный кэш на хайповые направления без внятной цели и стратегии. Ранее сжег почти $100 млрд Reality Labs ($92.2 млрд операционного убытка при $12.7 млрд выручки с 2020 по 2026), теперь более ожесточенно сжигает на ИИ-направлении. В обоих сценариях все безмерно глупо и несистемно.

Отчет наполнен «звенящим безрассудством» в том плане, что не содержит ни конкретики, ни планов относительно ИИ-направления, куда уходят сотни миллиардов и если с Google, Microsoft, Amazon прослеживается стратегия, здесь же пустота.

🔘Muse Spark 1.1 доступна через API и OpenRouter, Meta расширяет распространение модели среди разработчиков и готовит корпоративные функции. Прямые данные о токенах, платных клиентах,выручке и себестоимости инференса не раскрываются.

( Читать дальше )

Краткие итоги первого полугодия в российской экономике

Росстат сообщает, что с экономикой все прекрасно, последствия непродолжительного спада в начале года преодолены и идет поступательный разгон, полностью компенсируя негативные последствия 1кв26, позволяя экономике (по расчетам Росстата) выйти в плюс по итогам первого полугодия.

Индекс выпуска по базовым видам товаров и услуг ускорился до 1.8% г/г в июне, за 1П26: +0.2% г/г.

За последние три месяца +1.18% г/г, +2.47% к 2кв24 (пик экономической активности) и 13.8% к 2кв21.

В июне в структуре годового роста на 1.8% г/г на промышленность приходится 0.36 п.п, сельское хозяйство (-0.12) п.п, строительство +0.43 п.п, оптовая торговля +0.38 п.п, розничная торговля +0.74 п.п, грузовой транспорт +0.13 п.п, пассажирский транспорт (-0.11) п.п в соответствии с собственными расчетами через реконструкцию весов в индексе выпуска (скоро представляю динамический ряд).

Очень кратко по основным макро-показателям:

🔘Промышленность: +0.6% г/г в июне и +0.4% г/г за 1П26. Подробный анализ промышленности был здесь и здесь.

( Читать дальше )

Вторая пресс-конференция Кевина Уорша

Да, еще неопытный персонаж. Видно, что Уорш многократно репетировал выступление перед зеркалом и скорее был похож на школьника-отличника на выпускном экзамене. Нет «экспрессии» с авточеканкой однотипных тезисов от Пауэлла, занудства Йеллен, напыщенной академичности Бернанке или тонкого троллинга Гринспена.

Уорш еще пытается найти свой стиль. Условия не из простых. Предколлапсирующий долговой рынок с двойным стрессом (дефицит фондирования при высоких размещениях и неравномерном спросе особенно среди нерезидентов + растущие ставки в красной зоне нетерпимости) в дополнение к сильнейшей за четверть века структурной перестройке экономики из-за ИИ и в дополнение к этому пузырь на финансовых рынках, готовый к прорыву на фоне почти 6 лет инфляции выше цели.

Для ФРС это наихудшие условия работы за 40 лет с инфляционного кризиса начала 80-х, а скорее даже хуже в связи с отсутствием буферов устойчивости, накопленными дисбалансами и противоречиями.

Уоршу досталось наследие полного инфляционного бардака. Уорш имитировал жесткость там, где ее, по сути, нет. Ставка осталась неизменной, смены траектории по активам нет – все осталось, как раньше, но … лед тронулся.

( Читать дальше )

Как Китай ломает экономику ИИ и американское доминирование?

Когда дело доходит до финансового обслуживания счета по LLMs (расчеты за использованные токены), техно-фетишизм сразу отходит на второй план иглавным требованием становится – экономическая рентабельность проекта.

Успешность реализации проекта, выполненного с использованием ИИ, определяет множество факторов: цена, скорость, надежность, стабильность, проверяемость (верифицируемость), повторяемость и детерминированность.

▪️Сейчас скорость развития китайских LLMs настолько высока, что к середине 2026 удалось минимизировать технологический гэп с американскими моделями, выравнивая конкуренцию по интегральной интеллектуальной емкости (совокупность бенчмарков для оценки ИИ), но в несколько раз выигрывая по цене и доступности.

Зрелость LLMs в середине 2026 достигла достаточного уровня, чтобы успешно интегрироваться в бизнес и научные задачи/операции. Не так значителен прогресс с точки зрения «эрудиции» ИИ, гораздо б

( Читать дальше )

Google – из лидера в аутсайдеры

Это удивительно, но как, имея все – можно слить решительное преимущество в выгребную яму?

Полный технологический стек, собственные процессоры, развитая инфраструктура и экосистема, лучшие в мире инженеры в DeepMind, безлимитный запас кэша для финансирования любых инициатив (лишь бы были идеи), неограниченные накопленные датасеты по данным и пользовательскому опыту на основе индексации интернета за 25 лет и действий миллиардов пользователей.

Google имела все, чтобы быть лидером, но заскамилась до третьеразрядной ИИ-компании, где даже бесплатный Deepseek имеет сопоставимую производительность.

Из собственного опыта могу подтвердить – LLMs от Google являются слабейшими для научно-исследовательских проектов и агентных сценариев. Они вообще не предназначены ни для чего, кроме режима «вопрос-ответ» и примитивного выделения сущностей из данных.

Уже с февраля нет обновлений флагманской модели и неизвестно, когда будет.

В отчете Google не считает победу на модельном фронтире гарантированной, признавая, что уступает конкурентам по флагманским LLMs и особенно в агентном режиме. Ну хоть на этом спасибо, что признают слив.

( Читать дальше )