Пиратская партия России А++

Что не так с безопасностью открытого ИИ по мнению правительства Великобритании

Британский Департамент цифровых технологий, культуры, СМИ и спорта совместно с Департаментом науки, инноваций и технологий опубликовал исследование кибербезопасности открытого программного обеспечения и открытого ИИ. Исследование подготовил Университет Гринвича. Авторы проанализировали 14 561 академическую публикацию, из которых 43 прошли отбор, а также 172 источника так называемой «серой литературы» - отчёты государственных органов, стандарты, рекомендации отраслевых организаций и другие материалы. Отдельно исследовались GitHub и Hugging Face.

Одна из главных проблем, которую отмечают авторы, - отсутствие единого понимания того, что именно считать открытым ИИ. Для программного обеспечения существует достаточно устоявшееся определение Open Source Initiative. Для ИИ конкурируют как минимум три подхода: открытый исходный код, открытые веса модели и более широкое понимание открытости, включающее данные, инструменты и процесс разработки.

При этом открыть веса модели недостаточно для того, чтобы понять, откуда взялось её поведение. В случае ИИ важны не только исходный код, но и обучающие данные, происхождение модели, история дообучения, инструменты разработки и сами веса. Среди специфических угроз исследование называет отравление датасетов, изменение весов модели, небезопасное дообучение и отсутствие возможности проследить происхождение модели.

Авторы отдельно обращают внимание на разрыв между привычным пониманием open source и тем, что сегодня называют open-source AI. В качестве наиболее полного подхода они рассматривают Open Source AI Definition 1.0, согласно которому должны быть доступны сведения об обучающих данных, исходный код и параметры модели. При таком подходе одной публикации весов недостаточно.

Есть и довольно показательная цифра. Среди 10 000 наиболее скачиваемых моделей на Hugging Face с разрешительными открытыми лицензиями только 15 имели в описании сведения, относящиеся к безопасности, - менее 0,2%. В исследованных примерно 2 000 GitHub-репозиториях, связанных одновременно с ИИ и безопасностью, содержательная информация по безопасности обнаружилась только в 131 репозитории - около 6%.

Для обычного открытого ПО проблема безопасности уже хорошо изучена: существуют анализ зависимостей, управление уязвимостями, SBOM (перечень компонентов программного продукта, Software Bill of Materials), процедуры раскрытия уязвимостей и другие практики. Для ИИ аналогичная инфраструктура только формируется. Авторы предлагают, в частности, развивать AI BoM (перечень компонентов ИИ, AI Bill of Materials), который позволял бы фиксировать происхождение обучающих данных, историю создания модели, дообучение и известные уязвимости.

Исследование при этом не утверждает, что открытый ИИ сам по себе менее безопасен. Оно показывает другое: существующие методы оценки безопасности открытого ПО не полностью подходят для моделей ИИ, а необходимая документация и механизмы проверки пока распространены недостаточно.

Для Пиратской партии это особенно интересная тема: в программе партии ещё в 2017 году закреплены ориентация государственных органов на свободные и открытые технологии, открытые стандарты и форматы, свободный доступ к информации и открытость данных. Отдельно программа говорит о необходимости кибербезопасности и защиты персональных данных.

Таким образом, вопрос сегодня уже не только в том, «открыта» ли нейросеть. Важно понимать, что именно открыто, откуда это взялось и можно ли проверить цепочку создания и изменения модели.

Информация - это право, а не привилегия

Сегодня, 28 сентября, мир отмечает Международный день всеобщего доступа к информации.

В 2026 году тема Дня - «Обеспечение информационной добросовестности в цифровую эпоху». ООН обращает внимание на то, что в цифровом мире недостаточно просто иметь доступ к огромному количеству информации: необходимы своевременные и достоверные сведения, открытость государственных органов, качественные данные и медиаграмотность.

По данным обзора ЮНЕСКО, в 2025 году в исследовании общественного доступа к информации участвовали 123 страны и территории, а в 141 стране существовали правовые гарантии такого доступа. Но наличие закона ещё не означает, что право работает на практике. В проведённом ЮНЕСКО и Centre for Law and Democracy стресс-тесте в 76 странах 38% запросов не получили содержательного ответа, а полное раскрытие информации произошло только в 42% случаев.

Доступ к информации входит и в систему Целей устойчивого развития ООН. Показатель ЦУР 16.10.2 отслеживает количество стран, которые принимают и реализуют конституционные, законодательные и политические гарантии общественного доступа к информации. ЦУР 16 посвящена миру, правосудию и эффективным, подотчётным и инклюзивным институтам.

Для Пиратской партии России это не абстрактная международная тема. В нашей программе прямо закреплены свободный информационный обмен, открытое государство и принцип открытости данных. Мы выступаем за публичность информации о деятельности государства, бесплатный и равный доступ к государственным данным, их оперативную публикацию и возможность общественного контроля.

Пиратская партия России также принимает участие в активностях ООН, в частности участвовала в подготовке независимого отчета по реализации Целей Устойчивого Развития в РФ. Представители пиратского движения регулярно участвуют в мероприятиях ООН, посвящённых правам человека и развитию информационного общества.

Сегодня хороший повод не только поздравить друг друга, но и проверить, насколько доступна информация вокруг нас. Попробуйте найти данные о работе государственных органов, бюджете, принятых решениях или общественно значимых проектах. Если нужной информации нет - запросите её у соответствующего органа и публично поделитесь результатом (если это для вас безопасно).

Свободный доступ к информации начинается не с лозунга, а с возможности каждого человека искать, получать, проверять и распространять общественно значимые сведения. С праздником!

Электронное голосование: где тут честность? Исавнин о ДЭГ, блокировках и цифровом контроле

Ютуб → https://youtu.be/csKT0OzO8yc
ВК → https://vkvideo.ru/video-10354961_456239716

Можно ли проверить результаты электронного голосования? Что происходит внутри ДЭГ и насколько прозрачна эта система?

Александр Исавнин в эфире «Живого гвоздя» — об электронном голосовании, наблюдении за выборами, блокировках интернета, цифровом контроле и свободе в Сети.

#ДЭГ #ЭлектронноеГолосование #Выборы #АлександрИсавнин #ПиратскаяПартия #СвободныйИнтернет

Telegram-канал ППР: https://t.me/piratepartyru
Telegram-чат ППР: https://t.me/chatppru

Помочь ППР: https://pirate-party.ru/donate

OFAI: следующий этап борьбы за открытость ИИ - доступ к моделям

Open Forum for AI (OFAI) опубликовал отчёт о работе за первые два года и стратегию на 2026-2028 годы.

OFAI - объединение университетов, некоммерческих организаций и представителей индустрии, созданное при Carnegie Mellon University. В июле организация провела стратегическую сессию, на которой пересмотрела направления работы и решила перейти от неформальной коалиции к структуре из нескольких специализированных центров. Среди участников OFAI - Carnegie Mellon, Purdue, Georgia Tech, George Washington University, Trinity College Dublin, Open Source Initiative, Creative Commons, GitHub и другие организации.

Один из главных тезисов отчёта - открытые технологии ИИ, по мнению OFAI, перестали быть нишевым направлением. Теперь организация намерена сосредоточиться не столько на доказательстве необходимости открытого ИИ, сколько на практической инфраструктуре, доступе к моделям, стандартах и инструментах их оценки. При этом утверждение о сформировавшемся глобальном консенсусе является оценкой самого OFAI, а не независимо установленным фактом.

На 2026-2028 годы OFAI определил четыре основных направления. Первое - развитие DARE, открытой платформы промежуточного слоя для работы с ИИ. Она позволяет переключаться между моделями, использовать локальное или собственное развёртывание, управлять памятью и маршрутизацией запросов без хранения данных. В отчёте также говорится о планах вывести DARE за пределы исключительного брендинга Carnegie Mellon, чтобы другие организации могли свободно создавать форки, адаптировать платформу и участвовать в её развитии.

Второе направление - академическое партнёрство с Hugging Face. OFAI планирует объединять университетские хранилища данных, проводить открытые научные соревнования и хакатоны, а также использовать постоянные идентификаторы и механизмы происхождения данных, чтобы результаты исследований можно было проверять, цитировать и повторно использовать.

Третье - работа с политикой регулирования ИИ. OFAI собирается отстаивать публичный доступ к открытым моделям и участвовать в разработке механизмов оценки моделей на соответствие определению Open Source AI от Open Source Initiative. Организация также планирует заниматься методиками оценки моделей, а не только отдельными ИИ-инструментами.

Четвёртое направление - расширение международной сети через университеты, НКО и общественные организации, включая создание региональных подразделений и образовательных программ по работе с ИИ.

Отдельно OFAI проводит важное техническое различие между открытыми весами и полноценным Open Source AI. Открытые веса позволяют получить параметры модели и, в зависимости от лицензии, дообучать или запускать её самостоятельно. Но полноценный открытый ИИ, в трактовке Open Source Initiative, предполагает значительно более широкий набор доступных компонентов, включая код и информацию о данных, использованных при обучении. Поэтому наличие доступных весов само по себе ещё не означает, что система является открытым исходным кодом.

GPT, Llama, DeepSeek: в чём разница между моделями

У современных больших языковых моделей есть важное различие, которое часто теряется за словом «открытый».

Fast Company предлагает разделять модели на три категории: проприетарные, модели с открытыми весами и модели с открытым исходным кодом.

Проприетарная модель принадлежит конкретной организации, а её исходный код, параметры модели и данные обучения закрыты. Пользователь обычно получает доступ к ней через облачный сервис или API. К этому классу относятся, например, GPT, Claude и Gemini. Это означает удобство использования через готовую инфраструктуру, но пользователь не контролирует саму модель и не может независимо проверить, как она была создана.

Модель с открытыми весами (open weight) позволяет скачать её обученные параметры - веса. Их можно запустить на собственном компьютере или сервере, а в некоторых случаях дообучить под свои задачи. Среди известных примеров Fast Company называет Llama, DeepSeek, Kimi и Qwen.

Это может иметь практическое значение для приватности: при локальном запуске данные не обязательно передавать оператору облачного сервиса. Но появляются другие расходы - нужны собственные вычислительные ресурсы, настройка и обслуживание инфраструктуры. Кроме того, доступность весов сама по себе не раскрывает, на каких данных и каким именно способом модель обучалась.

Open source AI (открытый исходный код ИИ) - более строгое понятие. Согласно определению Open Source Initiative, для полноценной открытости должны быть доступны не только параметры модели, но и исходный код, необходимый для её обучения и запуска, а также информация о данных, использованных для получения параметров. Пользователь должен иметь возможность использовать, изучать, изменять и распространять систему на соответствующих условиях.

Поэтому файл с весами, который можно скачать с сайта разработчика, ещё не превращает модель в open source. Ограничительная лицензия также может существенно менять возможности её использования, модификации и распространения.

Разница особенно важна для проверяемости ИИ. Если доступны только веса, внешний исследователь видит результат обучения, но не весь процесс его получения. При большей открытости можно изучать архитектуру, код обучения и обработки данных и воспроизводить или изменять отдельные этапы системы. Именно поэтому OSI связывает открытость ИИ не просто с возможностью скачать модель, а со свободами использования, изучения, изменения и распространения.

При этом статья Fast Company использует деление на три категории как удобную практическую схему. В реальности граница между ними может быть сложнее: отдельные компоненты модели, лицензии, код, данные и веса могут иметь разный уровень доступности. Сам термин «open source AI» поэтому требует проверки конкретной лицензии и состава опубликованных материалов, а не только заявления разработчика.

Mozilla: пользователю нужна реальная возможность выбора

В интернете формально существует множество сервисов и программ, но наличие альтернативы ещё не означает наличие реального выбора. Mozilla посвятила этой проблеме отдельную встречу, посвящённую конкуренции, ИИ, безопасности и открытому интернету.

Одна из обсуждавшихся проблем - положение крупных технологических платформ, которые одновременно контролируют инфраструктуру доступа к пользователям и сами предлагают конкурирующие продукты. Например, независимый браузер может конкурировать с браузером, встроенным в операционную систему, но та же операционная система одновременно определяет, насколько легко пользователю установить, выбрать и использовать альтернативу.

Участники встречи обращали внимание на несколько механизмов, которые затрудняют переход пользователей к конкурентам: зависимость от экосистемы, привязка пользователя к конкретной платформе и так называемая власть «привратника» (gatekeeper) - ситуации, когда компания контролирует важный канал доступа к рынку. В результате конкуренту недостаточно предложить технически более интересный продукт: пользователю ещё нужно дать возможность без искусственных препятствий перейти на него.

Отдельно обсуждался дизайн интерфейсов, способный влиять на выбор пользователя. Mozilla приводит в качестве примера ситуацию с независимыми браузерами: операционная система может одновременно быть «воротами» к пользователю и прямым конкурентом браузера. По мнению исследовательницы Mozilla Джеммы Питри, использование дизайна для подрыва свободного выбора способно создавать не только неудобства для пользователя, но и проблемы для конкуренции.

Ещё одна тема - искусственный интеллект. Участники дискуссии отмечали, что ИИ способен ускорять разработку программ и появление новых функций, причём это преимущество потенциально доступно сразу нескольким конкурирующим компаниям. При этом для ИИ остаётся отдельная проблема безопасности: открытый исходный код традиционного ПО позволяет большему числу специалистов находить уязвимости и исправлять их, тогда как для некоторых ИИ-систем обнаружение проблемы не означает наличия столь же простого механизма её устранения.

Mozilla связывает сохранение конкуренции не только с антимонопольным регулированием, но и с открытыми технологиями, включая открытый исходный код и открытые модели ИИ. В статье также упоминается поддержка американского законопроекта AICOA (American Innovation and Choice Online Act), направленного, в частности, против определённых форм предпочтения собственных продуктов крупными онлайн-платформами. Законопроект относится к регулированию американского рынка и не является действующим мировым стандартом.

Что на самом деле значит «открытый ИИ»

После нескольких лет стремительного распространения закрытых сервисов искусственного интеллекта всё больше внимания получают модели, которые можно запускать самостоятельно, адаптировать и исследовать. Но термин «открытая модель» используется для разных вещей.

Computerworld разбирает важное различие между open weights - открытыми весами и open source AI - открытым ИИ. В первом случае пользователю доступны параметры обученной модели, которые можно скачать, дообучить и запустить на собственной инфраструктуре. При этом исходный код, сведения о процессе обучения и данные, использованные для обучения, могут оставаться закрытыми.

У действительно открытой модели степень доступности значительно выше. Согласно определению Open Source Initiative, речь идёт не только о параметрах, но и о компонентах, необходимых для изучения, использования, изменения и распространения системы, включая сведения о данных и процессе обучения. Поэтому наличие возможности скачать веса само по себе ещё не делает модель «открытой» в смысле open source.

Практическая разница существенна. Открытую модель можно развернуть внутри организации, в том числе без передачи данных внешнему облачному сервису, адаптировать под конкретные задачи и комбинировать с другими моделями. Для устройств, где ответ должен формироваться непосредственно на месте - например, в промышленном оборудовании или автомобиле - возможность локального запуска также может быть важна из-за требований к задержке и контролю данных.

При этом «открытость» не означает автоматически отсутствие рисков. Организации получают больше контроля, но одновременно сами отвечают за развёртывание, обновления, безопасность и проверку используемых компонентов. Кроме того, лицензии конкретных моделей могут устанавливать собственные ограничения, поэтому «модель можно скачать» и «модель можно свободно использовать, изменять и распространять» - тоже не одно и то же.

Для пользователей и разработчиков это означает, что при выборе ИИ стоит смотреть не только на результаты тестов. Важно выяснять, что именно опубликовано: веса, исходный код, данные или сведения о них, инструменты обучения и документация, а также на каких условиях всё это разрешено использовать.

Чем больше таких компонентов доступно для независимого изучения и изменения, тем меньше ИИ остаётся чёрным ящиком и тем больше возможностей появляется для локальной разработки, аудита и конкуренции между поставщиками.

Open Secure AI Alliance переходит под управление Linux Foundation

Open Secure AI Alliance присоединился к Linux Foundation - организации, которая объединяет проекты вокруг открытого программного обеспечения, оборудования, стандартов и данных. Альянс создавался при участии NVIDIA и других компаний, а теперь получает нейтральную площадку для дальнейшей работы с участием разработчиков, исследователей, специалистов по кибербезопасности и других организаций.

Задача альянса - разработка открытого защитного стека для ИИ. Речь идёт не только о безопасности самой модели, но обо всей цепочке: моделях и инференсе, ИИ-агентах и их контексте, идентификации и правах доступа, политиках безопасности, механизмах контроля и изоляции, а также базовой инфраструктуре.

Авторы инициативы делают акцент на том, что защитные механизмы должны быть открытыми: организации должны иметь возможность изучать, как они работают, адаптировать их под свои условия и запускать на контролируемой ими инфраструктуре. В качестве одного из принципов называется открытость не только программного кода, но и моделей, агентских инструментов, наборов данных, промптов, эталонных архитектур и методов оценки.

Отдельное направление - Shared AI Findings Exchange (SAFE). Его предполагается использовать для конфиденциального сбора и анализа информации об инцидентах безопасности ИИ, уведомления затронутых организаций и превращения повторяющихся ошибок в проверяемые меры защиты. Разработчиков, исследователей и специалистов по безопасности приглашают обмениваться такими сведениями, чтобы отдельный инцидент мог становиться основой для защиты других систем.

Также альянс предлагает применять к ИИ уже известные принципы информационной безопасности: контроль активов, управление идентификацией и разрешениями, детерминированные ограничения, контроль изменений, мониторинг и понятную ответственность человека. Отдельное внимание уделяется тестированию планов реагирования и моделированию инцидентов до того, как они произойдут в реальной системе.

Интересное видео об авторском праве.
Интеллектуальные права: защита авторов или удобный инструмент для троллинга и заработка?

В видео — история авторского права от Древнего Рима до современного интернета, российская специфика, товарные знаки, РАО, судебные претензии и авторский «троллинг». А в финале — немного о пиратах, доступности информации и главной проблеме авторского права в эпоху ИИ.

Почему система, созданная для защиты творчества, иногда начинает работать против самого развития технологий?

Смотрите видео и делитесь своим мнением.

https://www.youtube.com/watch?v=92fv5uDooIU

10 суток за два изображения флага в Telegram

Верх-Исетский районный суд Екатеринбурга назначил 10 суток административного ареста 20-летнему Никите Жолудю - администратору Telegram-группы «Чат Урала».

Как сообщает «Вечерние ведомости» со ссылкой на текст постановления суда, дело возбудили после обнаружения двух публикаций в Telegram-чате. Первая была размещена 24 апреля 2025 года и набрала 12 просмотров, вторая - 15 марта 2026 года и получила 5 просмотров.

В обоих случаях, согласно постановлению, было опубликовано изображение флага с тремя горизонтальными полосами - белой, зелёной и чёрной. В материалах дела эти изображения указаны как символика организации, которую Верховный суд РФ своим решением от 22 ноября 2024 года признал террористической, с вступлением решения в законную силу 28 декабря 2024 года.

В постановлении указано, что публикации обнаружил сотрудник ФСБ. В материалах дела имеется рапорт сотрудника, а на следующий день после проведения оперативно-розыскного мероприятия Жолудь был задержан.

Суд квалифицировал действия по части 1 статьи 20.3 КоАП РФ - публичное демонстрирование символики организации, в отношении которой установлен соответствующий запрет. Жолудь признал вину. Суд учёл в качестве смягчающих обстоятельств признание вины, раскаяние и то, что ранее он к административной ответственности не привлекался.

Административный арест составил 10 суток. Как сообщает издание, к моменту публикации материала Жолудь уже отбыл назначенный срок и вышел на свободу.

Отдельно в публикации «Вечерних ведомостей» отмечается, что историческое образование, содержащее слова «Уральская» и «республика» 1993 года и организация, упомянутая в нынешнем судебном постановлении, не тождественны. В открытом доступе решение Верховного суда от 2024 года, принятое в закрытом заседании, не опубликовано, поэтому из его текста невозможно самостоятельно установить, какая именно символика была отнесена судом к символике этой организации. В данном деле суд связал с ней бело-зелёно-чёрное изображение, опубликованное Жолудем.

Впервые, по данным сайта бывшего первого губернатора республики и Свердловской области Эдуарда Росселя, флаг с таким же расположением цветов был поднят в 1989 году на Культурологическом конгрессе народов манси. Был, согласно конституции республики, её официальным флагом до запрета Ельциным. После использовался движением «Преображение Урала» Росселя с 1993 по 2013 годы и его сторонниками после 2013 года, включая военнослужащих после 2022.

Open Forum for AI: открытым моделям нужно больше инвестиций

Open Forum for AI (OFAI) опубликовал заявление в поддержку развития в США открытых моделей искусственного интеллекта. Авторы считают, что стране необходимо одновременно развивать как закрытые, так и открытые модели, поскольку они решают разные задачи, а открытые модели дают исследователям и разработчикам больше возможностей для самостоятельной работы с технологиями.

Под «открытой моделью» авторы понимают прежде всего модели с открытыми весами (open-weight models) - когда параметры модели публикуются по открытой лицензии и её можно адаптировать, дообучать и запускать самостоятельно. При этом Open Source AI в более строгом смысле предполагает открытие дополнительных компонентов, включая код обучения и использования модели, а также данные обучения либо подробное описание того, как эти данные были сформированы. Таким образом, открытые веса и Open Source AI - не одно и то же.

В OFAI указывают на несколько практических преимуществ открытых моделей. Их можно запускать локально, адаптировать под конкретные задачи и не зависеть полностью от поставщика закрытого API. Это также может снижать стоимость использования ИИ. В заявлении приводится исследование, согласно которому некоторые открытые модели обходятся примерно в шесть раз дешевле сопоставимых проприетарных решений при достижении не менее 90% их производительности.

Авторы также связывают открытость с конкуренцией: если модель и необходимые для её работы компоненты доступны большему числу участников, исследователи, компании, университеты и государственные организации могут самостоятельно изучать технологию, создавать производные решения и выбирать инфраструктуру для её запуска.

В качестве примеров американских открытых моделей и проектов OFAI называет Nemotron от NVIDIA, Phi от Microsoft, Gemma от Google, Marin от Стэнфорда, Olmo от Ai2 и Pythia от EleutherAI. При этом в заявлении отмечается, что, по мнению авторов, США пока уступают другим странам по масштабу развития открытых моделей и поэтому необходимы дополнительные инвестиции и сотрудничество между государством, университетами, компаниями и исследователями.

Апелляционная коллегия Верховного Суда приобщила к материалам дела объяснения истца в письменном виде.

Коллегия удалилась на совещание.

Гоу на стрим!
Сделай приятно, поставь лайк под трансляцией
Смотрим на Ютуб → https://youtube.com/live/UlB2sxBAc3s
ВК → https://vkvideo.ru/live-10354961_456239715

«Базальт СПО» проиграл в первой инстанции спор с Минцифры из-за отказа включить офисный пакет «Свободный офис» в реестр российского ПО.

Минцифры считает продукт сборкой готовых open-source-компонентов без существенного собственного вклада. В «Базальт» возражают, что речь идёт о составном произведении: компания локализовала и доработала LibreOffice, добавив, в частности, поддержку электронной подписи и проверку орфографии.

При этом разработчики указывают на аналогичные продукты, которые уже находятся в реестре. Суд пока поддержал позицию Минцифры, но «Базальт» намерен обжаловать решение.

https://www.comnews.ru/content/247523/2026-09-24/2026-w39/1007/programmisty-protiv-mincifry-sud-rassmotrel-spor-o-vklyuchenii-svobodnogo-ofisa-reestr-rossiyskogo

FSFE начала проверять свободные Android-дистрибутивы

Free Software Foundation Europe (FSFE) обновила проект Free Your Android и начала серию практических исследований альтернативных дистрибутивов Android. Организация устанавливает их на реальные устройства и оценивает сразу несколько аспектов: удобство использования, поддержку устройств, вопросы приватности и степень свободы программного обеспечения. Результаты планируется публиковать по одному дистрибутиву в неделю.

Первыми FSFE уже рассмотрела LineageOS, iodéOS и /e/OS. При этом речь именно о практическом исследовании конкретных дистрибутивов, а не о том, что любой Android автоматически является свободным ПО: в экосистеме Android используются как свободные, так и несвободные компоненты, а возможности установки альтернативной системы зависят от конкретного устройства.

Для FSFE вопрос выходит за пределы выбора интерфейса или набора приложений. Смартфон постоянно работает с чувствительной информацией - местоположением, коммуникациями, историей чтения и другими данными. Поэтому организация предлагает рассматривать операционную систему телефона как вопрос контроля пользователя над собственным устройством и данными.

В рамках обновлённого проекта FSFE также призывает пользователей делиться опытом установки таких систем, дополнять общественные базы знаний и сообщать разработчикам об обнаруженных ошибках. Следующие исследования будут опубликованы позднее.

🔍 Ответочка от Яндекса.

Буквально месяц назад мы разбирали эпичный жабогадюкинг, когда Греф публично пояснил за ИИ Яндекса... что их ИИ это просто перекрашенная китайская Qwen.

Яндекс тогда промолчал, а на днях релизнул Alice AI Foundation LLM. которую написал с нуля. Без зарубежных компонентов. А это 100% суверенный статус по новому закону.

Что по спекам:

🟢 Модель имеет общий вес в 80 миллиардов параметров, но построена на архитектуре Mixture of Experts (Смесь экспертов). В момент генерации ответа активны всего 3 миллиарда параметров. Получается, что работа этой модели жрет сущие копейки аппаратных ресурсов. В условиях космических цен на серверное железо, эту нейросеть можно локально крутить с неплохой скоростью на одной обычной RTX 3090/4090 с 24 ГБ видеопамяти или на недорогих серверах без H100.

Сбер со своим неподъемным GigaChat на 432B параметров требует целую стойку железа, а Яндекс вполне влезет в сервер под столом.

🟢 Овертрейнинг...18 триллионов токенов 😮
Для модели в 80B параметров 18 триллионов токенов датасета это жесткое переобучение. Откуда дровишки? А походу это закон о легализации парсинга, принятый летом. Яндекс просто включил свои пылесосы на полную и высосал вообще всё что мог... весь Рунет, книги, GitHub, форумы, код. Модель получилась компактной, но невероятно эрудированной за счет того, что данные прогнали через нее кучу раз.

🟢 Открытая лицензия 😎
Вместо того чтобы закрыть модель за платным API, Яндекс выложил веса в опенсорс для коммерческого использования. Похоже на стратегию с Llama.

Сбер хотел монополизировать госсектор и КИИ, но Яндекс только что разрушил эту монополию. Выкатив открытые веса, Яндекс сделал грамотный ход. Теперь любой энтерпрайз, банк или завод может абсолютно легально, бесплатно скачать Alice AI Foundation, развернуть её в своем закрытом контуре без доступа в интернет и обучить на внутренних секретных документах. Никакой утечки корпоративных тайн на сервера Яндекса. Товарищ майор и ФСТЭК будут в восторге 👮‍♂️

Та компактность, над которой иронизировал Сбер - это на самом деле приговор. В 2026 году побеждает не тот, у кого больше параметров, а тот, чью модель бизнес легко может запустить на доступном по цене железе.

Типичный 🥸 Сисадмин

Открытый код как часть образования и карьеры

В университетах CIF развиваются программы, в которых студенты получают профессиональный опыт не на учебных заданиях, а непосредственно участвуя в разработке открытого программного обеспечения.

CURIOSS - сообщество, объединяющее специалистов академических Open Source Program Offices (OSPO, офисов по работе с открытым программным обеспечением) - опубликовало обзор таких программ. В нём собран опыт университетов США, включая Saint Louis University, University of Vermont, Carnegie Mellon University, Georgia Tech и University of Texas at Austin.

Принцип отличается от обычной курсовой работы. Студент работает с реальным кодом, требованиями заказчиков, сроками, системой контроля версий и сообществом разработчиков. При этом оцениваются не только написанные строки кода, но и способность работать в команде, общаться с пользователями и заказчиками, документировать решения и поддерживать проект.

Например, программа Open Source with SLU превратила традиционный выпускной курс в работу над долгосрочными открытыми продуктами. В одном семестре в ней участвуют 62 бакалавра и 24 магистранта, работающие над 23 активными продуктами; авторы оценивают общий объём разработки примерно в $500 000. Для каждого проекта предусмотрены не только технические задачи, но и стратегия развития продукта и сообщества, чтобы работа не заканчивалась вместе с семестром.

Другой подход использует Open Research Community Accelerator (ORCA) Университета Вермонта: оплачиваемые стажировки, волонтёрская работа и учебные проекты объединены в единую систему. Студенты сами определяют задачи и взаимодействуют с заинтересованными сторонами.

В Carnegie Mellon University и Georgia Tech применяют летние программы. Студентов объединяют в команды, а к работе привлекают наставников из индустрии. По данным CURIOSS, в Carnegie Mellon наставники из Red Hat, Eclipse Foundation и местных стартапов предлагали участникам дальнейшие стажировки и работу после окончания университета.

Отдельная проблема - сохранение результатов. Студенческие команды постоянно меняются, поэтому открытый проект легко может оказаться заброшенным после окончания курса. В описанных программах эту проблему пытаются решать публичными репозиториями, документацией, долгоживущими каналами общения, передачей ролей новым студентам и стратегиями развития сообщества.

Есть и ещё один интересный эффект. В условиях распространения материалов, созданных с помощью ИИ, диплом или резюме сами по себе всё хуже показывают, что человек действительно умеет делать. Реальный публичный вклад в открытый проект можно проверить: посмотреть код, историю изменений, обсуждения, документацию и результаты работы. Именно поэтому авторы CURIOSS рассматривают open source-стажировки не только как образовательную программу, но и как связующее звено между университетом и рынком труда.

Заседание апелляционной коллегии Верховного Суда по обжалованию порядка ДЭГ ЦИК России состоится 24 сентября

Председатель Апелляционной коллегии Верховного Суда В.Ю. Зайцев возбудил производство по моей апелляционной жалобе на решение Верховного Суда от 17 сентября 2026 г. по моему исковому заявлению об оспаривании постановления ЦИК России о проведении дистанционного электронного голосования (интернет-голосования или ДЭГ) и порядка ДЭГ на выборах, назначенных на 20 сентября 2026 года.

Открытое судебное разбирательство по делу состоится 24 сентября 2026 г. в 14 часов 00 минут.

В.Ю. Зайцев определил предложить ЦИК России направить мне в срок «до 16 часов 23 августа 2026 г.» отзыв на апелляционную жалобу.

Материалы дела опубликованы.

Приглашаю всех на заседание!

Upd в 15:25: читатели заметили, что по тексту поста ВС предложил ЦИК России направить отзыв до 23 августа. Но так действительно написано в определении. Заключил цитату судьи В.Ю. Зайцева в кавычки.

В.Л. Толстогузов

Можно ли лицензировать код, написанный ИИ?

Использование больших языковых моделей для программирования быстро становится обычной частью разработки. Но вместе с этим возникает неприятный юридический вопрос: если исходный код сгенерировала нейросеть, кто считается его автором и можно ли вообще распространять такой код по свободной лицензии?

Free Software Foundation Europe (FSFE) разобрала эту проблему в новом материале о вайбкодинге - разработке, при которой значительная часть кода создаётся с помощью ИИ.

Общий принцип авторского права во многих юрисдикциях заключается в том, что автором является человек. Поэтому полностью сгенерированный LLM код может не получить авторско-правовой охраны. В таком случае невозможно и обычным способом предоставить на него лицензию: лицензия предполагает наличие правообладателя, который предоставляет другим определённые права. При этом конкретные правила различаются между странами. FSFE приводит, например, законодательство и судебную практику ЕС, США, Великобритании и Ирландии, а также отдельные примеры из других стран.

Особенно интересна граница между «код написал ИИ» и «человек использовал ИИ как инструмент». Один только промпт, по анализу FSFE, обычно недостаточен для возникновения авторства: пользователь задаёт идею и инструкции, но не контролирует конкретный способ, которым модель превращает их в исходный код. Повторение и уточнение промптов само по себе также не обязательно создаёт необходимый уровень человеческого творческого вклада.

Другая ситуация возникает, когда разработчик сначала создаёт собственный код, а затем использует ИИ для поиска ошибок, исправлений или других изменений. Если в результате сохраняются творческие элементы первоначального человеческого произведения, они могут продолжать охраняться авторским правом. Аналогично, программа, состоящая из множества компонентов, может быть защищена как целое благодаря человеческому подбору, расположению и структуре, даже если отдельные элементы сами по себе авторским правом не охраняются.

Есть и другая проблема - нарушение чужих прав. То, что конкретный фрагмент выдала нейросеть, ещё не означает, что его можно свободно использовать. Если модель воспроизвела защищённый авторским правом код, его публикация или распространение может создать проблемы для пользователя. FSFE отдельно отмечает, что отсутствие намерения скопировать чужое произведение не обязательно устраняет ответственность за нарушение.

Поэтому Software Freedom Conservancy рекомендует проектам фиксировать использование ИИ при создании вкладов: указывать используемую систему, её версию и характер помощи. FSFE предлагает также документировать человеческий вклад - написание кода, выбор и расположение компонентов, а также изменения AI-сгенерированного материала. Такая информация может оказаться важной при определении того, какие части программы можно распространять по свободной лицензии.

Для России есть важная оговорка. Материал FSFE не описывает российское право как основную юрисдикцию. При этом действующий ГК РФ также связывает авторство с творческим трудом гражданина, а программы для ЭВМ охраняются авторским правом как литературные произведения. Поэтому переносить выводы FSFE на российскую практику буквально не следует - вопрос авторства конкретного AI-assisted кода потребует анализа обстоятельств его создания и применимого российского законодательства.

При этом проблема уже выходит за пределы отдельных разработчиков. Для свободного ПО лицензия должна позволять другим людям законно изучать, изменять и распространять программу. Если происхождение отдельных частей кода неизвестно, а степень человеческого вклада невозможно установить, разработчикам и сопровождающим проектов становится сложнее гарантировать юридическую чистоту лицензируемого кода.

Именно поэтому вопрос «использовали ли вы ИИ?» постепенно превращается из вопроса о предпочтениях разработчика в вопрос о происхождении прав на программный код.