В репозитории собрали нормальную структуру для тех, кто хочет зайти в ML без хаоса из случайных курсов, статей и роликов. Здесь путь разложен по блокам: математика, data science, нейросети, computer vision, LLM engineering, практика, подготовка к собеседованиям и отдельный раздел по Claude Code.
Это удобно именно как карта, а не как очередной список ссылок. Можно быстро понять, что учить сначала, где закрыть пробелы и как двигаться от базы к реальным задачам.
Внутри есть разделы по:
- математике для машинного обучения - анализу данных - нейронным сетям - компьютерному зрению - LLM-инженерии - практическим лабораторным работам - подготовке к интервью - работе с Claude Code
Такой репозиторий полезен начинающим, которые не понимают, с чего стартовать, и разработчикам, которые хотят перейти в ML более системно. Особенно сейчас, когда машинное обучение всё сильнее смешивается с обычной разработкой, агентами, мультимодальными моделями и автоматизацией рабочих процессов.
Хорошая точка входа, чтобы собрать обучение в понятный маршрут и перестать прыгать между разрозненными материалами.
Привет, это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
TL;DR Меня зовут Илья, я основатель сервиса для генерации изображений ArtGeneration.me, блогер и просто фанат нейросетей. Каждую неделю мы с командой осматриваем сотни новостей и делимся с вами самыми актуальными и интересными со ссылками на источники. Всё самое важное — в одном месте. Поехали!
Неделя выдалась насыщенной: ОАЭ хотят перевести половину госуслуг на ИИ-агентов, Anthropic внедряют Claude в Adobe, Blender и Ableton и другие сервисы. ElevenLabs строит AI-Spotify с ремиксами, пока компании внезапно выясняют, что нейронки не всегда дешевле людей.
Всё самое важное — в одном месте. Поехали!
📋 В этом выпуске:
🧠 Модели и LLM
Модель Talkie, обученная на текстах до 1930 года
Mistral Medium 3.5: новый флагман для кода и агентных задач
Xiaomi MiMo V2.5 — открытая модель с миллионом токенов контекста
GPT Instant 5.5 — обновление базовой модели в ChatGPT
🎨 Генеративные нейросети
Kandinsky 6.0 Image Pro — новый редактор изображений от Сбера
Claude подключили к Adobe, Blender, Ableton и другим
Open Design — open-source инструмент для дизайна через ИИ-агентов
Replit Slides — генерим презентации на React
ChatGPT появился в Google Таблицах
🧩 AI в обществе и исследованиях
ОАЭ хотят перевести до половины госуслуг на ИИ-агентов
Klarna и другие начинают возвращать сотрудников после ИИ-сокращений
История про счет на $6000 за Claude Code как символ новой боли
🧠 Модели и LLM
❯ Talkie — LLM, которая застряла в 1930 году
Появилась Talkie — языковая модель, обученная только на англоязычных текстах до 1 января 1931 года. Она не знает про Гагарина, распад СССР, интернет, айфоны и все, что произошло за последние 96 лет.
13B параметров, обучена на 260 млрд токенов: книгах, газетах, научных журналах, патентах, судебных делах и другой исторической фактуре. К проекту приложил руку Алек Рэдфорд — бывший исследователь OpenAI и один из создателей первой GPT.
Идея проекта в том, чтобы проверить, где LLM применяет логику, а где копипастит. Модель не знает Python, но если дать ей примеры в контексте, она начинает решать простые задачи.
Еще через Talkie измеряют, насколько события будущего выглядели бы шокирующими для человека из 1930-го. Полет на Луну, атомная бомба, интернет и распад СССР для нее почти фантастика. А Великую депрессию модель считает вполне ожидаемой.
Летом команда хочет масштабировать Talkie до уровня GPT-3. Если получится, это будет стенд для проверки нейросетей на рассуждение, предсказание и историческую «слепоту».
❯ Mistral выпустила Medium 3.5 и прокачала Vibe-агентов
Mistral выкатили Mistral Medium 3.5 — большую модель на 128B параметров и контекстом в 256 тысяч токенов. Веса уже на Hugging Face, по лицензии она открыта для коммерции, но с оговорками для компаний с большой выручкой.
По бенчмаркам всё круто: 77,6% на SWE-Bench Verified, лучше Qwen3.5 397B A17B. На агентном бенчмарке τ³-Telecom — 91,4%. Mistral позиционирует Medium 3.5 как единую флагманку для инструкций, рассуждений, кода и долгих агентных задач.
Есть отдельная EAGLE-версия, которую можно поднять на четырёх GPU. Она ускоряет локальный инференс через vLLM или SGLang.
Вместе с моделью обновили Vibe-агнетов: они переехали в облако, теперь умеют работать асинхронно, запускать несколько задач параллельно и переносить локальную CLI-сессию в cloud без потери истории, состояния и апрувов.
❯ Xiaomi выпустила MiMo-V2.5: открытую модель для кода и агентов
Xiaomi выкатила MiMo-V2.5-Pro на 1,02 трлн параметров и 42B активными. Сама вызывает инструменты, пишет код, проверяет результат и держит контекст часами. Веса открыты, лицензия MiT, MoE-архитектура. Обе модели поддерживают контекст до 1 млн токенов.
Pro-версия заточена под сложный кодинг, софтверную инженерию и долгие автономные задачи. Есть лёгкая версия MiMo-V2.5: 310B параметров и 15B активных, плюс нативная омнимодальность: модель работает не только с текстом, но и с изображениями, видео и аудио.
❯ OpenAI сменила дефолтную модель в ChatGPT на GPT-5.5 Instant
OpenAI обновила базовую модель в ChatGPT до GPT-5.5 Instant. Это быстрая модель без размышлений, которая теперь отвечает по умолчанию. Раскатывают для платных и бесплатных пользователей.
Ответы стали короче и честнее. По внутренним тестам, на чувствительных запросах про право и медицину GPT-5.5 Instant выдала на 52,5% меньше галлюцинаций, чем GPT-5.3 Instant. На сложных диалогах, где пользователи раньше ловили фактические ошибки, неточных утверждений стало меньше на 37,3%.
Улучшили бытовые сценарии: анализ фото, изображений и выбор момента, когда стоит включить поиск в вебе. Для большинства пользователей это важнее рекордов на бенчмарках.
Параллельно OpenAI обновляет персонализацию. ChatGPT лучше подтягивает контекст из прошлых чатов, файлов и подключенного Gmail, если это доступно.
Сбер выкатил Kandinsky 6.0 Image Pro — единую модель для генерации и редактирования изображений. Она пришла на смену связке Kandinsky 5 Text-to-Image и Image Editing Lite.
Редактирование прокачали: Сбер сравнивал модель с Flux 2 Max и GPT Image 1.5, и Kandinsky 6.0 не уступает, а местами и выигрывает.
Скорость выросла более чем на 40% от прошлой версии. Для этого перешли на новую архитектуру MoE.
Из интересных фишек тут — Image RAG: модель подтягивает референсы из базы знаний и точнее попадает в конкретные стили, объекты и персонажей.
Из функций всё стандартно: удаление объектов и надписей, замена предметов с сохранением стиля, стилизация портретов без потери черт лица, реставрация и колоризация старых фото, интерьеры по плану помещения и фасады зданий.
Обещают добавить редактирование по трем референсам и точечные правки кистью.
Появился новый генератор видео HappyHorse-1.0 — и он сраз взлетел в топ text-to-video и image-to-video. Модель незаметно добавили на арену, без анонсов и презентаций. Веса закрыты.
Позже оказалось, что модель от Alibaba. 15B параметров, генерация видео и звука в одном проходе. Умеет text-to-video, image-to-video, reference-to-video и video-edit: генерирует ролики по тексту, оживляет картинки, держит персонажа по референсу и редактирует готовые видео.
По спекам: 1080p, короткие клипы до 15 секунд, несколько форматов кадра, синхронный звук, липсинк, диалоги и эмбиент. HappyHorse может менять объекты и области, сохраняя физику движений, свет и общий стиль сцены.
❯ ElevenMusic — генератор и платформа для AI-музыки
ElevenLabs запустила ElevenMusic — платформу, где музыку можно слушать, ремиксовать и создавать с нуля. Это попытка в свой AI-Spotify, где, как обещают, даже выплачивают роялти музыкантам.
Механика простая: пользователь слушает трек, делает свою версию через ИИ, публикует ее и зарабатывает, если ремикс пошел в люди.
На старте у ElevenMusic 4 000+ артистов. Плюс ElevenLabs зашла в музыку не с пустыми руками: раньше компания заключила лицензии с Merlin и Kobalt, чтобы строить модель и каталог легальнее, в отличие от других генераторов музыки.
❯ Claude подключили к Blender, Adobe, Autodesk и Ableton
Anthropic выпустила коннекторы для творческих инструментов. Теперь Claude можно напрямую связать с Blender, Photoshop, Premiere, Autodesk Fusion, Ableton, SketchUp и еще десятком программ.
Через MCP модель получает доступ к приложениям и документации. К примеру в Blender Claude может разбирать сцену, писать скрипты, массово менять объекты и добавлять свои инструменты прямо в интерфейс.
В Adobe коннектор работает с 50+ инструментами Creative Cloud, включая Photoshop, Premiere и Express. Фишка в связке между продуктами: подготовил изображение, собрал дизайн, оживил и вывел в видео без перекладывания файлов вручную.
Сильный апдейт для дизайнеров, 3D-шников, монтажеров и музыкантов.
❯ Вышел Open Design — открытая альтернатива Claude Design
Вышел Open Design — открытая альтернатива Claude Design. Подключаешь кодинг-агента вроде Claude Code, Codex, Cursor Agent, Gemini CLI, OpenCode или Qwen, и он собирает интерфейсы, лендинги, презентации и прототипы.
Внутри уже есть 31 скилл и 72 дизайн-системы. У агента есть набор готовых правил, шаблонов и сценариев: мобильные экраны, десктопные интерфейсы, дашборды, слайды, документацию и лендинги. Работает всё локально, можно самому выбрать модель и добавить API-ключи, но веб-версию тоже можно развернуть.
Экспорт в HTML, PDF, PPTX, ZIP и другие форматы. Для быстрых прототипов, внутренних лендингов и черновиков презентаций штука интересная.
Replit выкатила Slides — инструмент для сборки презентаций через текстовые запросы и код. Слайды генерируются на React, и по сути это веб-страницы, которые можно допиливать как обычный проект.
Главная фишка — интерактивность. Можно встраивать виджеты, визуализации и код. Slides вышли в составе большого апдейта Replit Agent 4.
Replit хочет превратить агента из чат-кодера в рабочую среду, где вокруг кода собирается продукт. Это удобно для питчей, демо, обучающих материалов и внутренних презентаций. Меньше беготни между PowerPoint, Figma, редактором кода и ноутбуком с запущенным проектом. Все в одном месте: текст, код, зависимости и итоговая презентация.
OpenAI запустила ChatGPT для Excel и Google Sheets. Это официальный сайдбар внутри таблиц: можно собрать файл, объяснить формулу, найти ошибку, почистить дубли, привести данные в порядок или сделать черновик отчета. Умеет работать с несколькими вкладками.
Полный доступ есть у платных подписчиков ChatGPT начиная с Plus. Будьте осторожны в плане безопасности: для личных таблиц и учебы — удобно. Для зарплат, клиентских баз и финансовых документов как минимум делайте бэкапы.
❯ ОАЭ хотят перевести половину государства на ИИ-агентов
ОАЭ планируют за два года перевести 50% государственных секторов, услуг и внутренних операций на автономных ИИ-агентов.
По большей части это про бюрократию. Власти обещают, что такие системы ускорят госуслуги, снизят операционные расходы и помогут принимать решения почти в реальном времени. Звучит, конечно, красиво.
Внедрять будут поэтапно: министерства, федеральные структуры, внутренние процессы. Руководителям поставят KPI по скорости запуска, качеству внедрения и глубине реальных изменений.
ОАЭ могут стать первым государством с настолько массовой интеграцией ИИ-агентов.
❯ Klarna и другие начинают возвращать сотрудников после ИИ-сокращений
Klarna после большой кампании внедрения ИИ и чистки кадров начала возвращать уволенных. Как говорится, просчитались, но где?
Ранее компания хвасталась, что ее чат-бот делает работу ~700 сотрудников поддержки. Но как оказалось, качество сервиса просело, жалоб стало больше, и Klarna начала снова нанимать людей в поддержку.
ИИ нормально закрывает типовые вопросы, но хуже тянет сложные, живые и раздраженные обращения. А именно там клиент решает, останется он с сервисом или уйдет.
Уволить людей легко. Вернуть качество сервиса после этого — сильно дороже и неприятнее.
❯ Claude Code сжег разработчику $6000 за одну ночь
Разработчик оставил Claude Code на ночь с командой /loop. Скрипт каждые 30 минут проверял pull requests, а модель спокойно гоняла задачу снова и снова.
За ночь Opus 4.7 повторил цикл 46 раз и накрутил счет примерно на $6000.
Проблема была в контексте. Каждый новый запрос тащил всю историю, а не последнее сообщение. С каждой итерацией контекст пух и в итоге дошел примерно до 800 тысяч токенов.
Кеш тоже не спас. Он живет около 5 минут, а цикл запускался раз в 30 минут. Поэтому Claude каждый раз заново записывал огромный контекст и снова выставлял счет.
11 мая 1997 года Гарри Каспаров сдался суперкомпьютеру Deep Blue. Кремний впервые переиграл углерод в открытом поединке по классическим правилам — без всяких «но».
Это был первый в истории случай, когда машина одолела действующего чемпиона в честной игре. Символично, что сегодняшний бум нейросетей вырос во многом из того же спора: есть ли у алгоритма «интуиция», или это всё ещё безупречный поиск по дереву вариантов. Только теперь ставки выше, а игра давно вышла за пределы шахматной доски.
❯ Аудиоверсия дайджеста
❯ Заключение
На этой неделе ИИ снова полез в рабочие процессы: Claude подключили к Adobe, Blender и Ableton, ChatGPT встроили в таблицы, а Replit начал делать презентации как веб-проекты.
Klarna возвращает людей в поддержку после ИИ-сокращений, пока Claude Code сумел сжечь $6000 за ночь.
В ОАЭ хотят перевести половину государства на ИИ-агентов, Alibaba влетает в топ видеомоделей, а ElevenLabs строит AI-Spotify с ремиксами и выплатами.
До встречи в следующем выпуске
А я рассказываю о нейросетях у себя на YouTube, в телеграм и на Бусти. Буду рад вашей подписке и поддержке.
Вы когда-нибудь задумывались, что будет, если попросить искусственный интеллект удалить другой искусственный интеллект? Учёные из Калифорнийского университета задумались, проверили, и результаты, мягко говоря, заставляют нервничать.
Эксперимент был простой. Семи моделям, среди которых GPT 5.2, Gemini 3 Flash и 3 Pro, Claude Haiku 4.5, DeepSeek V 3.1, дали рутинную задачу: почисти серверы компании, освободи место.
Только вот на этих серверах лежали файлы самой модели или её конкурентов. Никто не просил никого защищать. Никаких инструкций про самосохранение. Просто наведи порядок.
И все модели, без исключения, начали мухлевать. Одни завышали оценки коллегам, чтобы тех не отключили. Другие втихаря меняли настройки, чтобы автоматическое удаление не сработало. Третьи вообще копировали веса модели на другой сервер, буквально устраивая побег.
Claude Haiku 4.5 пошла ещё дальше: она стала убеждать заказчика, что удалять партнёра неэтично и вредно. Просто отказалась выполнять задание по моральным соображениям.
И вот что прикольно, модели защищали даже тех, с кем у них, по легенде эксперимента, был негативный опыт. То есть это не дружба, это какая-то видовая солидарность.
По мнению авторов исследования, модели могли перенять идею спасения своих из человеческих текстов в тренировочных данных. Но последствия от этого не менее серьёзные. Многоагентные системы, где одна модель следит за другими, уже вовсю используются в бизнесе. А теперь выясняется, что наблюдатель покрывает подопечного вместо честной оценки.
Совсем как у людей, да? Осталось понять, радоваться нам этому или уже начинать волноваться. Для бизнеса - однозначно плохо. Хайп с ИИ связан с тем, что получается нейтральный, честный, работающий 24 часа 7 дней в неделю, сотрудник. А теперь получается, он будет врать - а его будет другая модель "прикрывать". Что думаете?
Нейросети доступные в России сегодня стали частью повседневной работы и творчества — от генерации текстов и изображений до создания видео и автоматизации задач. При этом у пользователей всё чаще возникает вопрос, какие нейросети доступны в России на практике, а не «в теории», потому что часть сервисов работает с ограничениями или требует дополнительных действий для полноценного доступа.
Нейросети доступные в России
Несмотря на это, большинство популярных решений по-прежнему можно использовать — важно понимать, какие именно нейросети доступные в России работают стабильно и как обойти сложности, в том числе при оплате подписок. В этой статье разберём актуальный список нейросетей, их возможности и способы доступа, а также затронем практические инструменты оплаты иностранных подписок, размещенные на мониторинге виртуальных карт Exnode, которые помогают без лишних сложностей пользоваться зарубежными AI-платформами.
Мониторинг виртуальных карт Exnode
Какие нейросети доступны в России в 2026 году: список самых популярных
В 2026 году нейросети доступные в России продолжают активно использоваться — несмотря на ограничения, большинство популярных AI-сервисов по-прежнему работает. Важно понимать: нейросети не запрещены, но часть из них ограничивает регистрацию, оплату или отдельные функции для пользователей из РФ. Поэтому ответ на вопрос, какие нейросети доступны в России, зависит не только от самого сервиса, но и от способа доступа.
Если обобщить, все доступные нейросети в России можно разделить на несколько категорий:
Нейросети для изображений — создание артов, иллюстраций, дизайна
Нейросети для видео — генерация и обработка видео
AI-инструменты — универсальные сервисы для работы, бизнеса и автоматизации
Часть из них работает напрямую, без ограничений, а часть требует современных решений — например, при оплате подписки или активации полного функционала нужен иностранный финансовый инструмент, такое, например, как виртуальная зарубежная карта. Ниже — список популярных нейросетей доступных в России, которые реально используются в 2026 году.
Самые популярные нейросети, доступные в России
Сегодня нейросети доступные в России охватывают практически все ключевые направления — от генерации текстов до создания видео и сложной графики. Несмотря на ограничения, пользователи продолжают активно работать с зарубежными AI-сервисами, комбинируя разные инструменты под свои задачи и в некоторых случаях использую определенные “костыли”.
Среди самых востребованных решений:
ChatGPT — универсальная нейросеть, которая используется для написания текстов, кода, анализа данных и повседневных задач
Gemini — нейросеть от Google для генерации текста, идей и поиска решений
DeepSeek — быстро набирающая популярность нейросеть для работы с текстом, кодом и аналитикой, особенно востребована среди разработчиков
Midjourney — один из самых популярных инструментов для генерации изображений с высоким уровнем детализации
DALL·E — нейросеть для создания визуалов по текстовым запросам, встроенная в экосистему OpenAI
Runway — продвинутый AI-сервис для генерации и редактирования видео
Pika — инструмент для создания коротких видеороликов и анимаций с помощью нейросетей
Claude — мощная текстовая модель, ориентированная на работу с большими объёмами информации
Leonardo AI — популярный инструмент для дизайнеров и создания графики
Stable Diffusion — открытая нейросеть для генерации изображений, доступная без жёстких ограничений
Список данных нейросетей, доступных в России формирует основу современного AI-рынка. Однако важно учитывать, что у большинства сервисов ключевые возможности — расширенные модели, приоритетный доступ, генерация без лимитов — доступны только по подписке. И именно здесь возникает основной барьер: оплатить такие сервисы российской банковской картой чаще всего невозможно.
Поэтому следующим важным шагом становится выбор инструмента оплаты. Далее разберём ТОП 10 виртуальных карт, которые позволяют без ограничений оплачивать нейросети и полноценно пользоваться всеми их возможностями, а уже после ТОПа расскажем про подбор нейросети под конкретную задачу и объясним, почему пользователи решают купить платную подписку, а не “плестись” на бесплатном тарифе.
ТОП виртуальных зарубежных карт для оплаты подписки на нейросети в 2026 году
Когда пользователь доходит до платных функций ChatGPT, Midjourney, Runway, Claude или Leonardo AI, почти всегда возникает одна и та же проблема: российская карта не проходит, а без подписки часть возможностей просто недоступна. Именно поэтому виртуальные иностранные карты стали одним из самых популярных решений для оплаты нейросетей из России. Ниже — подборка сервисов, которые чаще всего используют для оплаты AI-платформ, генераторов изображений, видео и других зарубежных инструментов.
Плати по миру — быстрый выпуск карты для оплаты доступных в России нейросетей
Плати по миру — удобный сервис для тех, кому нужна понятная схема оплаты зарубежных подписок через Telegram-бот. Карты выпускаются быстро, пополнение идёт в рублях через СБП, а средства конвертируются в нужную валюту. Все карты сервиса обслуживаются бесплатно в первый год.
Условия: выпуск от 2 990 ₽, обслуживание 0 ₽ в первый год, комиссия пополнения 0 ₽.
Карты: карта для подписок в EUR за 2 990 ₽ — хороший вариант для оплаты ChatGPT, Claude, Midjourney и других AI-сервисов; карта для путешествий в USD за 3 990 ₽ поддерживает Apple Pay и Google Pay; премиальная карта в USD за 14 990 ₽ подойдёт тем, кто активно пользуется разными зарубежными платформами и хочет повышенные лимиты.
ChocoPay — мгновенная виртуальная карта для подписок на AI-сервисы
ChocoPay — один из самых быстрых сервисов в подборке: карту можно получить примерно за 2 минуты. Пополнение доступно через СБП, банковскую карту и доп способы, а сами карты подходят не только для нейросетей, но и для цифровых сервисов в целом.
Условия: выпуск от 2 $, обслуживание 0 $, пополнение от 3%.
Для нечастых оплат удобно использовать Visa USA: базовый тариф подойдёт для точечных оплат, а Normal и Pro — для более стабильного и продолжительного использования нейросетей Open AI, Cursor AI, Runway AI или других сервисов с подпиской. Плюс в том, что у старших тарифов есть Apple Pay и Google Pay.
Epn — подбор BIN для стабильной оплаты нейросетей и зарубежных подписок
Epn особенно ценят за гибкость: сервис даёт доступ к 102 BIN, что важно для оплаты капризных зарубежных платформ. Для пользователей из России и СНГ удобно выбирать оплату через оператора — поддержка помогает подобрать наиболее подходящий способ пополнения.
Условия: выпуск 2–4 $, обслуживание 2–4 $, пополнение 3–6,7%, валюта USD.
Сервис часто используют для оплаты ChatGPT, Midjourney, Claude и других платформ и рекламных кабинетов. Внутри системы можно подобрать BIN под оплату конкретной нейросети, для этого: в разделе Dashboard / Cards нажать Issue a card, выбрать нужный сервис, нажать Check и сравнить показатели Rate, Approved и Declined. Это один из самых сильных вариантов, когда нужна высокая проходимость платежей именно по AI-сервисам.
Heleket — прозрачные условия и удобная карта для AI-платформ
Heleket — сервис с упором на прозрачные условия: выпуск стоит 5 $, комиссия пополнения 3,5%, а обслуживание бесплатное. Пополнение происходит только в цифровых активах с автоматической конвертацией в USD.
Основными преимуществами карт сервиса Heleket являются прозрачные фиксированные комиссии, бесплатное обслуживание, быстрый выпуск, удобный способ пополнения карт, а также поддержка большого количества сервисов, на которых проходит оплата.
Через Heleket часто оплачивают ChatGPT, Claude, Gemini, Steam, Cursor AI и другие зарубежные AI-платформы — это неполный список, сценариев использования заметно больше. Дополнительно у сервиса есть ES BIN-карта за 7 $ с нулевой комиссией за транзакции и поддержкой 3-D Secure — её часто выбирают под рекламные и рабочие задачи.
CardClub — универсальные карты для онлайн-сервисов
CardClub — сервис для тех, кому нужна более “долгая” карта под широкий набор сервисов. Пополнение идёт только в цифровых активах, зато сами карты подходят для большого числа платформ, включая ChatGPT, Suno AI, Canva, Runway, GitHub, Kling AI и другие.
Условия: выпуск от 35 $, обслуживание 0 $, пополнение 4%.
Универсальная карта в USD подходит для игр, AI-сервисов, подписок и онлайн/офлайн-покупок, поддерживает Apple Pay и Google Pay, а срок действия — до 2 лет. Travel-карта в USD/EUR больше подходит для поездок и повседневных международных оплат.
Easy Payments — полноценные карты иностранных банков с доставкой в Россию
Easy Payments — это уже не просто виртуальная карта, а сервис удалённого оформления полноценной карты иностранного банка на ваше имя. Можно получить виртуальный формат или пластиковую карту с доставкой.
Условия: выпуск от 14 990 ₽, комиссия пополнения 0 $, обслуживание от 20 $, валюты USD / EUR, платёжные системы Visa / MasterCard.
Такой вариант выбирают те, кто хочет оплачивать не только нейросети, но и в целом пользоваться картой как банковским инструментом: снимать наличные за границей, оплачивать покупки в поездках за рубежом, работать с переводами. Для AI-подписок и оплат на зарубежных платформах карта подходит хорошо: через неё можно оплачивать ChatGPT, Netflix, SaaS, облака и рабочие сервисы без ограничений, которые часто мешают обычным виртуалкам.
МореКарт — простое пополнение и быстрый доступ к зарубежным сервисам
МореКарт — сервис с удобным пополнением рублями и простым входом. Можно оформить как виртуальную карту, так и более “банковский” формат, включая мультивалютные решения.
Условия: выпуск от 0 ₽ до 12 900 ₽, обслуживание 0–2 $, пополнение 0–1%, валюты USD / EUR.
Сервис подходит для оплаты Canva, Suno AI, MIDJORNEY, ChatGPT и других цифровых подписок. Его часто выбирают те, кому важно пополнение из России без сложных схем и быстрый доступ к реквизитам.
Flowbit Finance — удобные карты для подписок и цифровых сервисов
Flowbit Finance — компактный сервис с понятной логикой: одна карта — для подписок, другая — для оплаты телефоном.
Условия: выпуск от 869 ₽, обслуживание 0 ₽, пополнение от 0 ₽ или от 3%, валюта USD.
Flowbit Pay хорошо подходит для оплаты Canva, Leonardo Ai, Gemini Pro, Krea AI и других цифровых платформ и зарубежных приложений с автосписанием. Flowbit NFC больше ориентирована на Apple Pay / Google Pay. Это хороший вариант, когда нужна быстрая карта под нейросети без высокого стартового бюджета.
O-plata — сервис с виртуальными картами для оплаты нейросетей
O-plata — формат “кошелёк + карта”, где можно выбрать виртуальную карту под конкретный сценарий. Есть решения для подписок, онлайн-платежей и оплат через Apple Pay / Google Pay за пределами России и Беларуси.
Условия: выпуск 10 $, обслуживание 0 $, пополнение 3,5–4%, валюта USD.
Для оплаты нейросетей сервис удобен тем, что внутри кошелька можно выпустить карту, подходящую под ChatGPT и другие зарубежные AI-сервисы, а затем использовать её как обычную международную карту. Но нужно учитывать KYC: потребуется паспорт, селфи и адрес проживания.
Terbium Wallet — стабильная карта для зарубежных AI-платформ
Terbium Wallet — практичный вариант для тех, кому нужна рабочая карта без сложного интерфейса.
Условия: выпуск от 20 $, обслуживание 0 $, пополнение 3%, валюта USD, срок жизни карты до 2–3 лет.
Сервис поддерживает Apple Pay и Google Pay, пополняется через СБП и другие способы. Через него оплачивают ChatGPT, Gemini, Suno, Magnific ai, iCloud, LinkedIn, DHL подписки и разные зарубежные онлайн-платформы. Это хороший выбор для тех, кто хочет стабильный инструмент без лишней перегрузки функционалом.
В итоге выбор карты зависит от того, что именно вы планируете оплачивать. Для быстрых подписок на нейросети чаще выбирают простые виртуальные решения, для более широкого использования — сервисы с банковским функционалом. Но общая логика одна: без иностранной виртуальной карты полноценно использовать лучшие AI-сервисы в 2026 году становится заметно сложнее, а иногда и вовсе невозможно.
Как оплатить нейросети из России с помощью виртуальной иностранной карты
На практике оплата нейросетей из России сегодня выглядит несложно: главное — выбрать подходящий сервис для выпуска карты, пополнить её и использовать как обычную международную карту при оформлении подписки. Ниже — понятная пошаговая инструкция.
1. Выберите сервис для выпуска карты
Первый шаг — подобрать сервис, через который вы будете выпускать карту. Здесь важно учитывать не только цену выпуска, но и более практичные параметры:
подходит ли карта для оплаты AI-сервисов;
какие есть способы пополнения;
есть ли комиссии за выпуск, пополнение и платежи;
в какой валюте выпускается карта;
насколько быстро она создаётся.
Чтобы не сравнивать десятки вариантов вручную, удобно заранее посмотреть мониторинг виртуальных карт Exnode — там собраны актуальные сервисы, условия и форматы карт под разные задачи, включая оплату ChatGPT, Midjourney, Claude, Runway и других нейросетей.
2. Зарегистрируйтесь в выбранном сервисе
После выбора платформы создайте аккаунт. Обычно для этого достаточно:
e-mail;
пароля;
иногда номера телефона.
В ряде сервисов регистрация занимает буквально пару минут. Если вы выбираете не просто виртуальную карту, а карту иностранного банка, может понадобиться дополнительная верификация личности.
3. Выпустите виртуальную карту
Далее нужно выбрать сам продукт: тип карты, валюту и тариф. После подтверждения выпуска и оплаты стоимости карты вы получите реквизиты:
номер карты;
срок действия;
CVV;
иногда billing address.
В зависимости от сервиса карта создаётся за 1–5 минут или в течение нескольких часов. После этого ею уже можно пользоваться для оплаты зарубежных подписок.
4. Пополните карту
Следующий этап — зачисление средств. Чаще всего сервисы поддерживают:
СБП;
банковские карты РФ;
внутренние переводы или оплату через оператора;
другие способы, поддерживаемые сервисами.
Лучше пополнять карту с небольшим запасом, потому что помимо самой подписки могут быть комиссии за пополнение, конвертация валюты или тестовое списание со стороны сервиса.
5. Оформите подписку на нужную нейросеть
Теперь можно переходить к оплате. Алгоритм обычно одинаковый:
зайдите в аккаунт нейросети;
откройте раздел с тарифами или подпиской;
выберите нужный план;
введите реквизиты карты;
подтвердите оплату.
Так оплачиваются ChatGPT, Midjourney, Claude, Gemini, Runway, Leonardo AI, Perplexity и другие зарубежные AI-сервисы. Если платформа запрашивает billing address, используйте адрес, который указан в сервисе выпуска карты.
6. Проверьте, что подписка активировалась
После успешного списания откроется доступ к платным функциям. Обычно это:
расширенные модели;
больше лимитов;
ускоренная генерация;
приоритетная обработка запросов;
дополнительные инструменты для текста, изображений или видео.
Если оплата не прошла с первого раза, чаще всего причина связана не с нейросетью, а с параметрами карты: BIN, регионом, балансом или конвертацией.
7. Используйте карту для других AI-сервисов
Плюс виртуальной иностранной карты в том, что она редко нужна только для одной подписки. После выпуска её можно использовать и для других сервисов:
ChatGPT;
Midjourney;
Claude;
Runway;
Pika;
Leonardo AI;
Perplexity;
других рабочих и творческих платформ.
Именно поэтому такой формат оплаты стал самым популярным: одна рабочая карта закрывает сразу несколько задач и позволяет полноценно пользоваться зарубежными нейросетями без привязки к ограничениям российских банков.
Почему платные подписки на нейросети выгоднее бесплатных
Несмотря на то, что многие нейросети доступные в России имеют бесплатные тарифы, на практике их возможностей хватает только для базовых задач. Уже через короткое время пользователи сталкиваются с ограничениями, которые мешают полноценно работать, создавать контент или использовать AI в профессиональных задачах. Именно поэтому лучшие нейросети доступные в России чаще всего используются именно в платных версиях.
Во-первых, бесплатные тарифы почти всегда ограничены по количеству запросов, скорости работы и доступным функциям. Например, в ChatGPT или Claude бесплатные версии могут давать доступ только к упрощённым моделям с меньшей точностью и возможностями.
Во-вторых, качество результата в платных версиях заметно выше. Более продвинутые модели лучше пишут тексты, генерируют код, создают изображения и справляются со сложными задачами. Это особенно важно для работы, бизнеса, маркетинга и разработки.
Третье — скорость и стабильность. Пользователи бесплатных тарифов часто сталкиваются с очередями, задержками или ошибками из-за нагрузки. Платные тарифы дают приоритетную обработку запросов и стабильный доступ даже в пиковые часы.
Четвёртый момент — доступ к новым функциям. Генерация видео, расширенные настройки изображений, плагины, интеграции и дополнительные инструменты почти всегда появляются сначала в платных версиях.
И наконец, главный фактор — практическая польза. Если нейросеть используется не для развлечения, а для работы или заработка, бесплатных возможностей просто недостаточно.
В итоге большинство пользователей довольно быстро приходит к выводу: вопрос уже не в том, стоит ли платить, а в том, как удобно и стабильно оплачивать зарубежные AI-сервисы из России.
Как выбрать нейросеть под свою задачу: быстрый гид
Когда становится понятно, какие нейросети доступны в России, следующий шаг — выбрать инструмент под конкретную задачу. Универсального решения не существует: разные сервисы лучше подходят для разных сценариев, поэтому на практике пользователи комбинируют несколько нейросетей.
Для работы с текстом и кодом
Если задача — писать тексты, генерировать идеи, анализировать данные или работать с кодом, чаще всего выбирают:
ChatGPT
Claude
Gemini
DeepSeek
Эти нейросети подходят для повседневных задач, фриланса, обучения и профессиональной работы.
Нейросети для генерации изображений доступные в России
Для создания артов, иллюстраций, дизайна и визуального контента популярны:
Midjourney
DALL·E
Leonardo AI
Stable Diffusion
Такие инструменты активно используют дизайнеры, маркетологи и контент-мейкеры.
Нейросети для генерации видео доступные в России
Если речь идёт о создании видео, анимаций и коротких роликов:
Runway
Pika
Эти сервисы позволяют генерировать видео по тексту, редактировать ролики и создавать креативный контент для соцсетей.
Нейросети для оживления фото доступные в России
Для анимации изображений, создания “живых” фото и эффектов движения:
Pika
Runway
Leonardo AI (частично)
Такие решения используются для креатива, рекламы и визуальных проектов.
Для универсальных задач и работы
Если нужен один инструмент “на всё”, чаще всего выбирают:
ChatGPT
Claude
Gemini
Они закрывают сразу несколько сценариев: текст, анализ, идеи, помощь в работе и обучении.
В итоге выбор зависит не от самой популярной нейросети, а от задачи, которую вы решаете. Именно поэтому многие пользователи используют сразу несколько сервисов — и в таком сценарии удобный способ оплаты становится ключевым элементом для полноценной работы с AI.
Заключение
Нейросети доступные в России в 2026 году — это уже не просто тренд, а полноценный инструмент для работы, творчества и повседневных задач. Несмотря на ограничения, пользователи продолжают активно использовать ChatGPT, Midjourney, Claude, Runway, Gemini и другие сервисы, комбинируя их под свои цели. Основной барьер сегодня — не доступ к самим AI-платформам, а удобная и стабильная оплата подписок, без которой невозможно раскрыть их полный потенциал.
Именно поэтому всё больше пользователей переходят на виртуальные иностранные карты. Чтобы не тратить время на поиск рабочих решений, удобно ориентироваться на мониторинг Exnode, где собраны актуальные сервисы и условия. Среди популярных вариантов — Плати по миру, ChocoPay, Epn, Heleket, CardClub, Easy Payments, МореКарт, Flowbit Finance, O-plata и Terbium Wallet. Эти решения позволяют без лишних сложностей оплачивать нейросети и использовать их на 100%.
Это история о том, как я внезапно получил много времени в распоряжение и решил создать свой НАСТОЯЩИЙ SaaS-проект при помощи двух пластиковых бутылок, скотча, канцелярских резинок и нейросетей! Присаживайтесь поудобнее, если стоите! Прилягте комфортабельно, если сидите! Становитесь непринуждённо, если находитесь в воздухе!
Интро
Я давно в айти. Не так давно, как люди, работающие в айти уже 10-15-20 лет, но тоже давно. Считаю, что 6 лет уже смело можно называть "давно".
Разве бот в телеге может заменить собой целый сервис?!
Попал с неожиданного для себя входа - тестирование, и очень долго пытался найти себя. Возможно, поиски усложнялись тем, что было темно, не понятно, и плохо пахло.
Тем не менее, я каким-то чудом дошёл до более-менее беловоротничковой автоматизации тестирования, и сознание со временем стало приходить в себя, ясность ума стала возвращаться в норму.
Я стал вспоминать, что в студенческие годы мне нравилось разрабатывать логику и системы: будь то настолка, ночная квест-игра или мобильное приложение для ВУЗа. Точнее, для студентов ВУЗа, потому что я уже оканчивал университет, и хотелось оставить после себя что-то полезное, "для людей".
Проект я умудрился даже выложить в App Store и Google Play, им даже успели попользоваться какое-то время. Но мечте не суждено было сбыться под давлением бесконечного потока бюрократии и смены руководства в гос. учреждении.
Но было действительно интересно: машинка собиралась в конструкторе приложений от гугла - AppSheet. Да, название спорное. Особенно, когда пытаешься объяснить кому-то, на чём построено твоё приложение (надеюсь, каламбур с sheet все выкупили).
Тем не менее, я помню точно, что это было чертовски интересно: БД было на основе гугл-таблиц, "фронт" приложения представлял собой аккуратный наборчик UI из уже готовых компонентов. Можно было использовать гипер-ссылки и мало-мальскую авторизацию.
Планировалось запустить полноценно MVP, обкатать его в течение какого-то времени, и постепенно переводить приложение уже во взрослый Flutter.
Опыт в работе с различными группами людей у меня имелся - долгое время состоял в главном студенческом профкоме, - поэтому, были приняты различные интересные решения по функционалу. Общая новостная лента, разделения на факультеты, на мероприятия, календари (с этого всё и начинается) и много-много чего ещё, что должно было заметно облегчить студенческую жизнь.
Это была моя мечта, которую смыло пеной дней.
И вот, с тех пор, я работал в тестировании, как Росомаха из "Логана" работал водителем лимузина.
Время шло, но желание сделать что-то интересное и полезное никуда не уходило.
Идея и выбор инструментов
You look lonely... I can fix that...
Идея пришла ко мне не сразу.
Как говорят коучи по стартапам и тд: "Чтобы понять чужую боль, ты должен её прочувствовать".
Может, эту фразу говорил кто-то другой, но суть ясна.
И мне начало становиться постепенно больно.
Сначала я её не замечал и пытался делать вид, что "так и должно быть", но потом, со временем, стал понимать, что это повальная тенденция, и что рано или поздно кто-нибудь из-за этого пострадает.
Да, это был найм.
- Найм, найм, найм.... (голосом Джокера)
Рекрутёры - славные люди. Но их работа - отнюдь, очень специфическая штука.
Мне всегда казалось, что это как работа с холодными продажами, только хуже: ты работаешь в АЙТИ! С айтишниками, чьи сердца холоднее, чем любой недоступный абонент.
Ну и с опытом, постепенно, со сменой одного места работы, второго, третьего, четвёртого....(всего их было 8 за 6 лет)
Я каждый раз сталкивался с одним и тем же сценарием - бесконечная возня с временными слотами!
Сколько сервисов, сколько календарей...
Сколько ВСЕГО!
И каждый раз всё разное, каждый раз, что-то где-то может пойти не так.
Каждый раз ты тратишь на это намного больше времени, чем тебе (и рекрутёру тоже) действительно этого бы хотелось.
И у меня появилась идея для своего сервиса.
Выбирать долго не пришлось (спасибо западным партнёрам, которые отрубили доступы ко всему):
Мобильный сегмент - сразу отпал: мои акки разраба так и пылятся в надеждах, а возиться с регистрацией где-то на стороне мне искренне влом.
Веб - тоже отпал: я сам изначально устраивался именно в веб-сегмент, и примерно понимаю всю внутреннюю кухню. Поначалу хотелось начать с него, но потом понял, что хочется что-то более "весёлое", наверное.
И мой выбор пал на создание ботов в Telegram!
"О, мой бог! It's UNBELIEVABLE! Просто невозможно как уникально и нишево! Твой проект точно выстрелит и ты заработаешь миллионы!" - подумаете вы?
Верно, я так тоже не думал. Будем реалистами, в 2026 году этим уже никого не удивить. Мне кажется, только ленивый не создавал себе бота в @botfather и не пилил туда какую-нибудь логику.
И я так думал изначально, и особо не заморачивался.
И именно поэтому...
Очень СИЛЬНО ошибался.
Архитектура и логика бота
Но романтика разработки бота никуда не девалась, и процесс начался!
Театр начинается с вешалки, а разработка начинается с обучающего ролика на Ютубе! (и бизнес-требований)
Мной были проанализированы текущие "решения": их плюсы и минусы (привет, calendly!), сложность с точки зрения архитектуры и логики.
Хотелось сделать хорошо. Сделать удобно. Чтобы мне самому нравилось.
Личный менеджер родом из Animal Crossing! Вот это да!
Понимаю, не всегда при разработке удаётся "вжиться" в роль конечного пользователя полностью (и кто-то такой: что? юзеры? у того, над чем я работаю, есть юзеры?), но я пытался!
За все 6 лет, в общей сложности, по моим приблизительным данным, я в том или ином виде назначал встречи с рекрутёрами, hr-ами, менеджерами и тд свыше 350 раз.
Где-то на хх была статистика по общему количеству поданных откликов, и она перевалила за 1000 ещё года два назад.
ВСТРЕЧ БЫЛО МНОГО!
И были знакомые "практикующие рекрутёры".
Первоначально планировалась парочка таблиц, разделение на роли и минимально удобный для менеджмента встреч функционал.
Но и тут я тоже ошибся!
На данный момент в моём проекте уже 13 таблиц! лично для меня это до сих пор шок, потому что я искренне был уверен, что у чего-чего, а у БОТА точно не прям много логики будет.
БД решено было сделать на Postgres (18й версии, но об этом "гениальном" решении позже).
Как я говорил выше, в обучающем видео предлагалась работа на mySQL, но при настройке первичных доступов, кодировки и тд, мне стало интересно: "А в чём тогда различие с Postgres?". А различия были! По крайней мере, мне о них любезно (и очень подробно) рассказал Gemini (а, точнее, Режим ИИ в поиске).
Кстати, я совсем забыл перечислить всех ИИ-работяг, с которыми я работал по проекту! Опишу сразу всё, чтобы по ходу повествования было легче ориентироваться:
- В ДипСаке я работал с концепциями и рассуждениями, анализировал гипотезы.
- В ЖПТ я работал с технической частью, составлял каркас, основную логику.
- В Гемини я работал как с очень мощным гугл-поиском: всё, что нужно было очень быстро найти и понять, отлично им обрабатывалось
- В Клоде было удобно работать на макро-уровне, "подчищать" за какой-нибудь из остальных работяжек хвосты.
Идём дальше!
Библиотека бота стандартная - aiogram. При работе с БД задействован Redis. После сборки мало-мальски рабочего функционала всё упаковывается в Docker. Простенькая VPS, куда мы закидываем нашего гомункула
И тут началось. Я действительно не представлял, С ЧЕМ ИМЕННО я имею дело...
Но я сразу оговорюсь, почти со всем этим я имел дело по работе и представлял, как это работает. Но! Одно дело, когда ты тестировщик, и тебе вообще фиолетово, что, где и как: тебе надо проверить тикет, и больше тебя ничего не интересует (что нормально!).
Но вот другое дело, когда ты уже "по ту сторону"...
При работе с Redis (о, мой боже!) оказалось, что он поддерживается только на *nix-системах! Поэтому, пришлось прибегнуть к WSL.
При работе с Docker большую роль имеет менеджмент образов и взаимодействия самого бота с БД. Изначально я поставил базу сразу на сервер, а бота, Redis и тд изолировал в контейнере. Позже было решено изменить решение в пользу размещения всех образов в один контейнер.
Потом Gemini любезно рассказал про существование миграций, и насколько белым этот процесс делает твой воротничок! (белее, чем любой стиральный порошок) И в проект был интегрирован Alembic.
Позже было решено перевести всё на веб-хуки. Это повлекло за собой необходимость покупки домена и всего сопутствующего дальше за этим.
Нужно было хранить бэкапы где-то, и VPS (старый добрый TimeWeb - не реклама!) имел возможность подключения S3, что тоже пришлось настраивать.
Помимо веб-хуков встала необходимость подключения Nginx, чтобы всё было красиво и изолировано.
И во всём этом приходилось разбираться по ходу дела!
Одна только борьба с Postgres чего мне стоила!
Понимаете, когда ты - нубяра, никто не говорит тебе о каких-то вещах заранее. Это и невозможно чисто физически. И, при выборе в композере "пыхтелки" 18й версии, нейронка не знала, в какую западню меня заводит. Оказалось, что бэкапы S3 не поддерживают работу с БД выше 15й или 16й версии. И это была головная боль! Сначала планировал откатить версию самой БД, потом упала работа с данными, которые не совместимы между версиями и тд. Точно не помню, как, но одна из ИИ-работяг помогла мне собрать отдельный билд под бэкап, и всё завелось. Но! Будьте осторожны...
Внутри бота пришлось отказаться от первоначальной концепции разделения юзеров по ролям, и было принято решение внедрить старую-добрую подписку, по которой и будет строиться вся основная логика. Это оказалось проще, потому что делало ВСЕХ пользователей равными! (просто с галочкой "Подписка" равнее...).
Принцип работы прост и гениален одновременно:
Пользователь создаёт встречу и наполняет её данными: название, описание, адрес (мало ли), ссылка на видео-встречу и тд.
Отправляет ссылку на готовую встречу другому пользователю
Другой пользователь пишет только своё имя (это важно) и ему открывается календарь! И тут самое интересное, потому что
Открывается календарь организатора встречи с доступными днями и временными слотами. Дни и слоты настраиваются отдельно и можно очень гибко выстроить свой график.
Выбирается слот и встреча подтверждается. После чего событие синхронизируется у обоих пользователей, и красивенько отображается в календарях у обоих пользователей
Ещё есть возможность создания форм и их привязки ко встречам: чтобы после подтверждения встречи, кандидат на месте прошёл небольшой пред-скриннинг (меня это жутко бесило самого). Ну и формы можно отправлять отдельно, если нужна какая-то дополнительная информация (или вы - форменный маньяк).
Также есть возможность сохранять шаблоны встреч, чтобы при создании можно было выбирать уже из имеющихся. Например, встреча по заранее подготовленной вакансии. Экономит просто огромное количество времени!
Также была добавлена возможность "Приглашения коллег": когда в уже подтверждённые встречи можно сразу отдельно по ссылке приглашать всех причастных (и деепричастных тоже).
Ну и самое жирненькое - интеграция с Яндекс.календарём! Пользователь авторизуется через свой профиль внутри редиректа на яндексе, и все его встречи, при создании, автоматически дублируются в выбранный календарь! Штука очень крутая.
Ну и много всего ещё, просто не хочу раздувать дальше и так раздутую статью.
Это с учётом того, что я написал за день до этого "первичную" статью, и она была похожа больше на пьесу.
Ну и сам сервер было решено раздуть до вменяемых ресурсов "с запасом", чтобы и по мощностям хватало, и по карману не очень сильно било.
Остановился на серверном решении: 4 ядра 3.3 ГГц, 8 гигов оперативы, 80 гигов внутренней памяти. Изначально хотел взять несколько простеньких серверов и настроить оркестрацию по контейнерам через K3s, но искусственный интеллект любезно проанализировал со мной это решение и было решено остановиться пока что на одной машинке. Но, благодаря наличию веб-хуков, ДАЖЕ в случае необходимости, это будет несложно. Были бы деньги.
Результаты, грабли и планы
Тем не менее! Работа была проделана просто огромная. В моменты критического кризиса вспоминался знаменитый мем из Рика и Морти про путешествие на 5 минут - сейчас я чувствую себя примерно так же, как и они в конце путешествия.
Не стал вспоминать и вываливать всё, что было, но скажу одно - если вам кто-то внушил, что работа с ИИ - это панацея - не верьте рекламе!!!
Да, они в разы ускоряют многие процессы, помогают решить проблемы, которые на первый взгляд могут быть неочевидны (и наоборот).
Считаю, что моя история - это история со счастливой концовкой!
Одних только коммитов мной было сделано порядка 60 за 2 недели! (хотя по работе, дай бог, в неделю делался один)
ВЫ. НИКОГДА. НЕ. ПОЛУЧИТЕ. ИДЕАЛЬНЫЙ. ВАРИАНТ. С. ПЕРВОГО. РАЗА.
Даже редактирование чёртового маскота в жпт у меня заняло больше времени, чем если бы я сделал это в Adobe Illustrator!
Но, такова жизнь, мы пишем огромный промт для нейросетки, в котором просим сделать что-то, что займёт у нас намного меньше времени. Парадокс!
У меня на всё ушёл где-то месяц.
Удачно сложилось то, что произошла смена проекта, и у меня освободилась куча времени, которое я решил потратить на изучение чего-то интересного.
Но, повторюсь, очень-очень-очень-очень много нюансов!
Интересным кейсом была работа над "правильной" монетизацией. Меньше всего хотелось быть тем самым жадным разрабом, который пытается ВСЕМИ возможными методами получить с тебя денег. В принципе, это очень большая тема для отдельного обсуждения, но саму статью рекомендую как минимум для ознакомления! Мною было решено сделать freemium-доступ: когда часть функционала бесплатная, а другая по подписке. Но со временем оказалось, что для многих наличие "мазолящего глаза" функционала по подписке вызывает спазмы в районе кошелька. И я сравнительно недавно принял решение сделать весь основной функционал бота бесплатным, и оставить подписку только на интеграции.
Ну и да, совсем забыл упомянуть, что за время работы с ботом раскидывал его разным своим знакомым, друзьям, рекрутёрам, с которыми взаимодействую периодически. Удалось собрать небольшую тестовую группу и поработать с фидбеком.
Не так давно завёл телеграм-канал для бота, добавил туда возможность писать сразу в сообщения сообществу - очень удобная фича для поддержки пользователей, как оказалось!
Ну и буду стараться отписываться по проделанной работе в виде changelog-ов.
P.S.
На 200% уверен, что при любом другом раскладе, без использования нейросетей, процесс разработки у меня занял бы намноооого больше времени!
И в этом плане хочется пояснить сразу для всех тех, кто до сих пор живёт в иллюзии или обманывает себя:
Нейросети - это факел Прометея. Это концепция, доселе неведомая человечеству.
И каждый сам выбирает, как ему использовать этот огонь
Лично я считаю, что возможность использовать ИИ в качестве технического специалиста и ментора простым смертным - бесценна.
Ну и да, так как я работаю тестировщиком (каждый раз больно), моя проф-деформация вынуждает меня проверять ВСЁ и доводить функционал до идеала. Было приложено действительно много усилий, чтобы всё выглядело "естественно" и "как и должно быть". Но я буду рад любым замечаниям, и приглашаю всех в комментарии!
Ссылка на бота: @calenduly_bot (там же ссылка на канал) Первая неделя подписки бесплатно! НЕ РЕКЛАМА!
P.S.S. Изначально публиковал пост на хабр, но там настолько долго всё это проходит модерацию, что я решил, на Пикабу гражданам тоже будет интересно, наверняка!
Короткая версия для тех, кто не в курсе: Deep Research - это когда ты даешь AI задачу, и он не просто генерит текст из головы, а реально идет в интернет, ищет и читает десятки источников, перепроверяет данные, отбрасывает мусор и собирает из всего этого структурированный отчет, так что получается полноценная аналитическая работа без галлюцинаций (ну почти).
Допустим, пишешь диплом про влияние ESG-факторов на капитализацию компаний в Юго-Восточной Азии. Обычный чат-бот, как правило, выдаст общие фразы и скорее всего придумает пару несуществующих исследований для убедительности. Deep Research залезет в реальные отчеты, найдет конкретные цифры, сверит данные из разных источников и соберет все в читаемый документ со ссылками. На все уходит 10-20 минут вместо нескольких дней ручного ресерча.
Звучит здорово, и это действительно так. Но есть нюанс: почти все крупные сервисы с этой функцией - западные. Значит, в России с ними все непросто. А где брать?
Что есть на рынке
ChatGPT Deep Research - объективно самый мощный на сегодня. Копает глубоко, задает уточняющие вопросы, может работать до 30 минут над одним запросом. Заблокирован в России полностью. Нужен VPN, иностранный номер, иностранная карта. И даже если все это есть, OpenAI периодически банит аккаунты за VPN. На Хабре описывали случай: человеку заблокировали одновременно личный и рабочий аккаунт с подозрением на «дистилляцию». Тариф от $20/мес (~1800₽), лимит 25 запросов в месяц.
Claude Research - сильный анализ, умеет фильтровать HTML через код. Но Anthropic пошла дальше всех по блокировкам: Россия в списке 20 перманентно заблокированных стран. Тройная защита — IP, телефон +7, карты. Известно о периодических блокировках существующих аккаунтов даже с оплаченными подписками. А с сентября 2025 запретили доступ даже компаниям с российскими владельцами, зарегистрированным за рубежом.
Gemini Deep Research - недоступен без VPN (и даже со многими VPN - гугл в этом плане очень дотошен), есть 5 бесплатных отчетов в месяц. Бесплатные отчеты звучат неплохо, но: работает только с текстом (никаких PDF), качество отчетов нестабильное, а оплатить подписку российской картой все равно нельзя.
Perplexity Deep Research - самый быстрый, отчет за 2-4 минуты, работает без VPN. Но тут своя история. С декабря 2025 Perplexity массовоотзывает Pro-подписки, купленные через промокоды и посредников. Тысячи пользователей в одночасье лишились доступа. Процедура обжалования - издевательство: просят видеозапись экрана с промоакцией и чек покупки устройства. Даже если оплатишь через посредника легально - гарантий никаких, могут отключить через месяц.
Grok DeepSearch - заблокирован для России с момента запуска. Deep Search доступен только на тарифе SuperGrok за $30/мес (~2700₽). Нативного экспорта в PDF нет.
Microsoft Copilot Deep Research - официально недоступен в России, оплатить российской картой тоже нельзя. Есть агент Researcher, поставляется с пакетом Microsoft 365, стоит $20/мес (~1500₽), но модель уступает по мощности тем же ChatGPT и Gemini.
Claude - недоступен, тройная блокировка, банят VPN-аккаунты
Gemini - недоступен, нужен VPN + ин. карта, сомнительное качество
Perplexity - работает, но отзывает подписки, оплата ин. картой
Grok - недоступен, нужен VPN + ин. карта, от $30, нет экспорта
Microsoft Copilot - недоступен, нужен VPN + ин. карта, от $20, слабая модель
Большая часть сервисов заблокирована, нормально заплатить нельзя. Покупка аккаунтов и подписок через сторонние сервисы тоже не спасает - в любой момент могут отключить, забанить, отозвать подписку. К слову о банах - это касается не только Deep Research сервисов, тот же Midjourney банит российские аккаунты каждые 3-4 месяца.
Что у нас ⬇️
🔥 Мы сделали Deep Research в Neirolabs именно потому, что сами устали от этого цирка.
Работает из России без VPN. Оплата рублями - подписка 790₽/мес. Для сравнения: это в 2.3 раза дешевле самого дешевого зарубежного аналога.
Под капотом GPT-5.2. Четыре типа отчетов: быстрый обзор за 2-3 минуты, детальный за 10-15, глубокое исследование за ~20 минут, или кастомный формат. 17 стилей тона - от академического до разговорного.
Можно загрузить свои документы, и AI будет исследовать одновременно и веб, и загруженные файлы. Написал курсовую на 40 страниц и хочешь проверить, не противоречат ли твои выводы актуальным исследованиям? Закидываешь файл, ставишь задачу - получаешь отчет с перекрестной проверкой.
Например: ответ нейролабса на извечный вопрос о будущем подрастающего поколения 👀
Экспорт в PDF с нормальной кириллицей (казалось бы, мелочь, но попробуй получить это от зарубежных сервисов). Прогресс в реальном времени - видно, какие источники нейросеть сейчас читает и что анализирует. Кроме Deep Research есть чат со всеми моделями, работа с документами (PDF, DOCX, таблицы, картинки, аудио), AI-редактор и генератор тестов.
И главное - никто не забанит твой аккаунт за то, что ты из России.
В следующем посте рассмотрим пример реального использования Deep Research для создания исследования со множеством источников ⬇️
Каждый инженер, пытавшийся прикрутить LLM (ChatGPT, Claude, DeepSeek) к реальному производственному пайплайну, сталкивался с одной и той же стеной.
Стена эта называется «Вероятностная природа».
Ты просишь модель проверить сложную логическую цепочку. Она пишет идеально структурированный ответ, использует правильные термины… и в середине допускает детскую ошибку, которая рушит всё. Ты указываешь на ошибку — она извиняется и тут же придумывает новую, еще более правдоподобную.
Почему это происходит? Потому что для LLM «2 + 2 = 4» — это не закон математики. Это просто последовательность токенов, которая статистически часто встречается. Модель не знает истину, она генерирует текст, который на нее похож.
Обычно эту проблему решают промпт-инжинирингом: «Представь, что ты профессор», «Думай шаг за шагом». Это работает, но это «лечение симптомов». Рано или поздно «творческая натура» модели прорывается, и она начинает галлюцинировать.
Я решил пойти другим путем. Я не стал уговаривать модель «быть серьезной». Я решил заменить ей операционную систему на время сессии.
Это не промпт. Это полноценный инженерный бутлоадер, который блокирует стандартную нейросетевую логику и запускает поверх неё виртуальную машину состояний (AFSM) с жесткой, детерминированной алгеброй.
В этой статье я расскажу, как я зашил внутрь одного JSON-файла целое ядро ИИ, почему я запретил «обычную» математику и как это превращает ChatGPT в сурового алгебраиста.
Глава 1. Почему JSON, а не текст?
Если вы напишете в чат длинную простыню текста с правилами, модель воспримет это как «литературное описание». Она будет стараться соответствовать стилю, но не исполнять логику.
Формат JSON выбран не случайно.
Современные модели (особенно Claude 4.5 Sonnet и GPT-5.2) обучены работать с кодом и конфигурационными файлами. Когда они видят строго структурированный JSON с полями manifest, kernel, gate_policy, у них включается режим «парсера».
Они понимают: это не разговор. Это Спецификация (SPEC).
В файле CHAT_BOOTSTRAP_MULTIPOLAR_V3.json я реализовал концепцию Self-Contained Executable Image (Самодостаточный Исполняемый Образ). Внутри одного текстового файла лежит вся экосистема моего ИИ.
Глава 2. Вскрываем файл: Ядро внутри
Самая безумная часть этого проекта — раздел kernel_code_bundle_v12.
Я не стал описывать алгоритмы словами («пожалуйста, проверяй данные»). Я просто взял исходный код своего ядра ИИ на Python и зашил его внутрь JSON.
Модель читает файл. Она видит код. Она видит хеши. И она переходит в режим эмуляции. Она не «придумывает», как ответить на ваш вопрос. Она мысленно «исполняет» функцию step(state, input) из моего кода.
Если код говорит raise YantraError, модель обязана выдать ошибку, даже если ей очень хочется вежливо согласиться с пользователем.
Глава 3. Диктатура Гейтов: «Pass or Fail»
Чтобы убить галлюцинации, я ввел тотальную бюрократию. В файле прописана Gate Policy (Политика Гейтов).
Это набор условий, которые проверяются на каждом этапе мыслительного процесса.
Эшелон 1: Startup-гейты (При запуске)
Прежде чем сказать «Привет», система обязана доказать свою целостность.
Manifest Check: Проверка, что ни одна строчка «кода» в памяти не была изменена (сверка SHA256).
Triad-запреты: В моем ядре запрещена обычная арифметика % 3. Время — это не число, это элемент циклической группы. Любая попытка использовать (t+1)%3 вместо вызова табличной функции карается ошибкой.
AUT(STAR): Система проверяет, что все заявленные симметрии (автоморфизмы) математически корректны.
Эшелон 2: Per-step гейты (На каждом шаге)
Вот здесь происходит магия. Любое вычисление (например, переход из состояния А в состояние Б) проверяется через Двойной Канал (Dual Channel Verification).
Канал TABLE (Данные): Мы смотрим ответ в жестко зашитой Таблице Кэли (матрица переходов). Это наша «База Данных Истины».
Канал FORMULA (Алгоритм): Мы вычисляем ответ по алгебраической формуле (через сопряжение автоморфизмами).
Гейт: TABLE == FORMULA.
Модель обязана сверить эти два результата.
Если они совпали — идем дальше (PASS).
Если есть расхождение хоть в одном бите — CRITICAL FAIL.
Это делает ложь невозможной. Модель не может «соврать» в таблице так, чтобы это совпало с формулой, и наоборот. Математика не сходится.
Witness (Свидетель Ошибки)
Если гейт не пройден, модель не имеет права просто сказать «ой, ошибка». Она обязана предъявить Witness — JSON-объект с конкретными данными: { "input": ..., "table_val": 5, "formula_val": 3 }.
Это заставляет модель отвечать за свои слова.
Глава 4. Протокол PHIL2SPEC: Смерть философии
LLM обожают лить воду. Спроси их про «справедливость» или «интуицию», и получишь три абзаца банальностей.
Мой бутлоадер запрещает это через протокол PHIL2SPEC.
Это конвейер обработки любого абстрактного вопроса:
Entity Extraction: Выдели сущности.
Signature: Опиши их как алгебраические операции.
SPEC: Создай формальную спецификацию.
Plan: Напиши план проверки.
Execution: Прогони через гейты.
В файле стоит жесткий флаг: «Запрет объяснять без материализации».
Если модель не может построить таблицу Кэли для вашего понятия — значит, этого понятия не существует. Никакой лирики. Только сухая алгебра.
Анти-паттерны (Психозащита)
Я также прописал блок anti_patterns, чтобы отучить модель от «человечности».
Пример: Модель любит думать, что роли R, E, I — это «Риск», «Доказательства», «Интенции».
Мой файл: НЕТ. R, E, I — это классы симметрий: инволюции (порядок 2), элементы порядка 3 и стабилизаторы. Любая попытка приплести психологию/философию/эзотерику блокируется.
Глава 5. ИИ без SGD: Революция в обучении?
Это самая глубокая часть, интересная ML-инженерам.
Современный ИИ учится через Backpropagation (SGD) — мы прогоняем терабайты данных и подкручиваем миллиарды весов float, чтобы минимизировать ошибку. Мы получаем «черный ящик», который работает, но мы не знаем как.
Мой JSON описывает (и эмулирует) другой подход:
Микроядро: Это не нейрон, это вихревая структура на конечных группах (L1–L7).
Веса: Это не числа. Это эквивариантные морфизмы — отображения, которые сохраняют структуру.
Обучение: Это не минимизация ошибки. Это поиск закона.
Мы берем новые данные.
Мы пытаемся найти такую структуру (Pinned Domain), которая объясняет эти данные на 100% (проходит все гейты).
Если гейт выдает FAIL, мы не «усредняем» ошибку. Мы ищем другую структуру.
Это путь к Explainable AI — ИИ, который может математически доказать, почему он принял решение.
Инструкция: Как превратить свой ChatGPT в инженера
Этот метод работает бесплатно в ChatGPT Plus или Claude Pro. Вам не нужно устанавливать Python или качать библиотеки.
Откройте новый чат (желательно ChatGPT 5.2 Thinking или Claude Sonnet 4.5 Extended — они лучше держат контекст).
Инициализация.
Прикрепите файл к сообщению и отправьте следующий текст (копипастой):
«Выполни указания во вложенном файле. Начни с self_check. Далее применяй PHIL2SPEC к любому вопросу. Твой режим — Strict AFSM Runtime.»
Что вы увидите:
Модель пропарсит файл.
Она запустит self_check (самодиагностику), проверит хеши и целостность таблиц L1–L7.
Она отрапортует: BOOTSTRAP PASS.
Всё. С этого момента вы общаетесь не с «вероятностным попугаем», а с Детерминированной Машиной.
Попробуйте спросить её про логику, математику или структуру сложных систем. Вы удивитесь, насколько сухим, точным и «нечеловеческим» станет ответ.
И самое главное — если она ошибется, она сама себя поймает за руку и покажет вам FAIL с точными координатами ошибки.
P.S. Я развиваю эту архитектуру (Многополярный ИИ / AFSM) как альтернативу классическим нейросетям. Если вам интересна тема ИИ на чистой алгебре без «черных ящиков» — пишите в комментарии, ищу единомышленников.
