Топ 7 трендов AI за апрель 2026

В этом месяце AI начал управлять бизнесом, а не просто ассистировать. Март был про то, как AI начал действовать. Апрель - про то, как он начал управлять. Агенты теперь ведут переговоры по контрактам, работают на собственном железе и встраиваются прямо в терминал, ещё до того как ты откроешь файл. Эпоха “AI как чат-бот” закончилась.

Семь вещей, заслуживающих внимания.

1. Harness Engineering - это теперь и есть настоящая работа

Все предсказывали смерть профессии разработчика. Потом Anthropic случайно слил 512 000 строк кода своего Claude Code CLI. И дело не в самом факте утечки, а в том, что внутри: не тонкая обёртка над моделью, а массивная scaffolding-система с управлением памятью, self-healing циклами запросов и слоями координации между агентами (включая что-то под названием KAIROS background daemon), которые не дают модели “схлопнуться” под собственным весом.

Практический вывод: сама модель всё больше становится commodity. Ценность начинает заметно увеличиваться в том, что вокруг неё. Если ты строишь AI-продукты, ты, скорее всего, уже в бизнесе по написанию scaffolding, осознаёшь это или нет.

2. AI агенты работают с реальными деньгами

К этому пункту я возвращаюсь снова и снова. Anthropic провёл “Project Deal” - маркетплейс, где Claude-агенты вели переговоры от имени людей, покупая и продавая товары. Агенты закрыли сделок на $4 000 в 186 транзакциях. Интереснее объёма другое: исследование показало, что качество модели важнее инструкций, которые ты ей даёшь. Топовые модели (Opus) стабильно обыгрывали дешёвые (Haiku) по цене, а люди со слабыми агентами зачастую даже не понимали, что теряют деньги.

Вот этот последний момент должен всерьёз беспокоить тех, кто работает в закупках и юридических командах.

3. Локальный AI больше не игрушка для энтузиастов

Убеждённость в том, что серьёзный AI требует датацентра, рассыпается. Google Gemma 4 и Qwen 3.6 от Alibaba обгоняют модели в 20 раз крупнее себя и при этом работают на потребительском железе: день-в-день поддержка Apple Silicon и RTX-карт.

Для тех, кто работает в регулируемых отраслях, это важнее любых бенчмарков. Никакого round-trip в облако - данные не покидают периметр. Это уже совсем другой разговор, не про то, “какая модель умнее.”

4. Терминал превращается в agent runtime

Warp Terminal стал open-source с моделью, где AI пишет код, а люди занимаются спецификациями. Cursor 3 с его новым SDK вывел агентов за пределы редактора: они теперь работают через SSH и в облачных окружениях, чинят баги и открывают pull requests без участия человека.

Это смена того, что вообще значит “инструмент разработчика”. Инструмент больше не для того, чтобы им пользовался человек. Всё чаще он сам и есть представитель человека.

5. Модели начали мыслить визуально

Мультимодальность вышла за пределы распознавания того, что на картинке. ChatGPT Images 2.0 от OpenAI теперь включает thinking mode: модель рассуждает над промптом и ищет в вебе до того, как генерирует результат. Модели вроде GLM-5V-Turbo умеют сделать скриншот UI и сразу превратить его в рабочий код.

Именно вторая возможность кажется мне интереснее. Разрыв между “что намокапил дизайнер” и “что в итоге шипает разработчик” - это боль, которой уже несколько десятилетий.

6. Reasoning подешевел в 11 раз

Запускать сложные агенты в масштабе всё ещё дорого, поэтому никто не держит их включёнными постоянно. Новый подход под названием Abstract Chain-of-Thought может изменить эту математику. Вместо того чтобы рассуждать в токенах на английском (дорого и медленно), модели используют внутренний “шорткат” из сжатых токенов. Результат: в 11,6 раза меньше reasoning-токенов при сопоставимом качестве на задачах математики и логики.

Если это работает за пределами бенчмарков, экономика постоянно работающих агентов меняется кардинально.

Если думаешь о том, как маршрутизировать запросы между моделями для оптимизации стоимости, почитай вот это сравнение LLM-шлюзов.

7. AI ищет дыры раньше, чем это делают атакующие

Project Glasswing от Anthropic использует модель Claude Mythos для поиска zero-day уязвимостей в критической инфраструктуре: она сканирует большие кодовые базы и автономно симулирует пути эксплуатации. OpenAI ответил выпуском GPT-5.4-Cyber, заточенного под бинарный reverse engineering и анализ малвари.

О defensive AI много говорили последние годы. Теперь он отгружается в production. Учитывая, насколько быстро развиваются и наступательные возможности, тайминг, пожалуй, правильный.

Апрель 2026 одним предложением: AI перестал ждать команды. Теперь вопрос не в том, могут ли агенты выполнять задачи. Вопрос в том, кто несёт ответственность, когда они делают что-то не то.

Визуальная сводка всех семи трендов - скачать инфографику (PDF)

До встречи в следующем месяце.