AI В ТРЕНДЕ 🎙


Channel's geo and language: Russia, Russian


Все про мир AI для тех кто стремится быть прокаченным
@ACh101010

Related channels

Channel's geo and language
Russia, Russian
Statistics
Posts filter


Anthropic подписывает контракт на $45 млрд ради вычислительных мощностей

Reuters сообщил, что Anthropic арендует вычислительные мощности у Nscale почти на $45 млрд сроком на шесть лет. Компания фактически заранее выкупает доступ к будущим дата-центрам и новым чипам Nvidia Vera Rubin.

🔗 Источник:
https://www.reuters.com/technology/anthropic-pay-nscale-45-billion-rent-ai-computing-power-bloomberg-news-reports-2026-08-26/

Почему это важно
Главный дефицит AI сегодня — уже не специалисты и даже не модели. Главный дефицит — вычисления. Компании готовы подписывать многомиллиардные контракты только для того, чтобы гарантировать себе доступ к GPU и электроэнергии на годы вперёд.

Что это значит для России
Это хороший сигнал для компаний, работающих с инфраструктурой: дата-центрами, серверным оборудованием, охлаждением и управлением вычислениями. Следующая волна AI-бизнеса будет строиться не только вокруг моделей, но и вокруг их обслуживания.


Anthropic готовится к одному из крупнейших IPO в истории AI


По данным Bloomberg и Financial Times, Anthropic готовится к публичному размещению. Инвесторы обсуждают возможную оценку свыше $2 трлн, а годовая выручка компании уже превысила $65 млрд в пересчёте на текущий темп.

🔗 Источник:
https://techcrunch.com/tag/anthropic/

Почему это важно
Ещё недавно казалось, что OpenAI будет единственным безусловным лидером рынка. Теперь становится понятно, что формируется полноценная конкуренция между несколькими AI-гигантами. Это означает больше инвестиций, более быстрые релизы и снижение стоимости моделей.

Что это значит для России
Чем выше конкуренция между поставщиками моделей, тем ниже стоимость их использования. Для российского бизнеса это хорошая новость: AI становится доступнее, а значит появляется больше возможностей строить собственные продукты поверх уже существующих моделей.


Nvidia обсуждает инвестиции в Perplexity с оценкой более $30 млрд

Perplexity — AI-поисковик, который за два года превратился из небольшого стартапа в одного из главных конкурентов Google Search. На этой неделе Reuters сообщил, что Nvidia ведёт переговоры об инвестициях в компанию, которая может получить оценку свыше $30 млрд. При этом год назад её оценивали примерно в $20 млрд.

🔗 Источник:
https://www.reuters.com/technology/nvidia-discusses-perplexity-investment-30-billion-plus-valuation-information-2026-08-24/

Почему это важно
Perplexity уже давно перестала быть просто "ещё одним чат-ботом". Компания делает ставку на новый формат поиска, где пользователь получает сразу готовый ответ с источниками вместо списка ссылок. Если Nvidia действительно войдёт в капитал, это станет ещё одним подтверждением, что AI-поиск становится отдельным многомиллиардным рынком.

Что это значит для России
Для российского рынка это хороший сигнал: AI можно использовать не только для генерации текста, но и для поиска по внутренним базам знаний компании. Это открывает большой рынок корпоративных AI-поисковиков для банков, промышленности, юристов и крупных компаний.


Forward from: От идеи до продукта B2B & B2C | Виктор Чертков
Как воскресний футбол превратился в небольшой data‑продукт 😃

Уже несколько лет я играю в футбол с одной компанией ребят. Сначала всё было максимально просто: собрались, разделились на команды, сыграли и разъехались.

Потом мы начали записывать результаты. Следом появились голы и передачи. Затем — составы, позиции, описания матчей и короткие видеообзоры с голами и опасными моментами ⚪️

В какой-то момент я понял, что у нас уже практически ни одна игра не проходит без данных. Всё это копилось в Telegram, таблицах и отдельных сообщениях, а ребята всё чаще спрашивали: кто стал лучшим игроком матча, как сравнить игроков и как собрать действительно равные команды❓

Решил собрать всё в одном месте.
За один выходной с помощью AI-агентов я сделал первую рабочую версию проекта, а затем начал дорабатывать её уже на реальных матчах и обратной связи от команды.

Если кому-то интересна техническая часть: интерфейс сделан на React и TypeScript, данные хранятся в SQL-базе Cloudflare D1, а Python используется для переноса, проверки и пересчёта статистики, а также балансировки составов. AI-агенты помогают разбирать архив, восстанавливать историю матчей, проверять данные и готовить рекомендации.

Что получилось👇
У каждого игрока теперь есть личный профиль и персональный код для входа.
Игрок заполняет структурированную анкету: выбирает позиции, оценивает технические, тактические, физические и психологические качества, указывает сильные стороны и зоны роста.
Отдельно можно отметить текущее состояние:
🎊 полностью готов;
🎊 готов частично, например на 70%;
🎊 восстанавливается;
🎊 травмирован;
🎊 временно не может играть.
На сайте сохраняются:
📟 история матчей и составов;
📟 счета и результаты по таймам;
📟 голы и передачи;
📟 кто кому ассистировал;
📟 последовательность игровых событий;
📟 короткое описание того, как проходил матч;
📟 накопительная статистика игроков;
📟 рейтинг результативности;
📟 PPG — среднее количество командных очков за матч

После каждого матча открывается голосование на 24 часа. Участники выбирают MVP, лучшего атакующего, полузащитника, защитника и вратаря — отдельно в каждой команде.
Пока голосование продолжается, никто не видит чужие голоса, счётчики и предварительных лидеров. Все результаты открываются только после закрытия, чтобы в небольшой группе нельзя было вычислить выбор конкретного человека.

Сейчас внутри уже 62 профиля игроков, 26 карточек истории, почти 30 матчевых записей, более 300 участий и свыше 90 сохранённых игровых событий. Получились не условные «150 параметров», а тысячи отдельных значений, связанных между собой🔥

А где здесь AI? 👻
Перед следующей игрой я передаю агентам список готовых игроков. Они сопоставляют позиции, результативность, PPG, текущую готовность, сыгранность и качественные наблюдения по прошлым матчам.

После этого AI предлагает два состава и объясняет логику баланса: где сильнее защита, кому нужен быстрый форвард, кого нельзя оставлять единственным центральным защитником и кому требуется ротация.

🔄 По моим ощущениям, на серии последних игр рекомендации уже не раз давали очень плотные матчи, где исход решался одним-двумя мячами. Были и промахи — зато теперь их можно не просто обсуждать, а разбирать на данных и учитывать дальше.

В итоге из обычного любительского футбола получилась своя маленькая аналитическая платформа 🇮🇹

Токенов, конечно, съелось прилично 😊 Но первую версию я собрал за выходной, получил огромное удовольствие от процесса, а главное — ребята действительно начали этим пользоваться и остались довольны.

Теперь думаю, как эту механику можно развить дальше и можно ли адаптировать её для других любительских команд🙃


Оффтоп дня, вот как просто теперь с AI создавать процессы своей мечты.


OpenAI резко снизила стоимость младших моделей GPT-5.6

OpenAI снизила цену GPT-5.6 Luna сразу на 80%, а GPT-5.6 Terra — на 20%. Компания делает ставку на модели разного размера: дорогую Sol для сложных задач, Terra для повседневной работы и Luna для массовых сценариев, где особенно важна стоимость каждого обращения.

🔗 Источник:
https://openai.com/index/gpt-5-6/

Почему это важно

Конкуренция между AI-компаниями всё больше смещается в экономику. Для большинства бизнес-процессов не нужна самая мощная модель на рынке. Поддержка, классификация документов, извлечение данных и простые агенты могут работать на более дешёвых версиях. Побеждать будут системы, которые автоматически выбирают модель под сложность конкретной задачи.

Что это значит для России

Для российских AI-продуктов становится особенно актуальной мульти-модельная архитектура. Простые запросы можно отправлять дешёвой локальной или открытой модели, а сложные — более мощной. На этом появляется отдельный продуктовый рынок: AI-шлюзы, которые управляют моделями, контролируют качество и сокращают расходы компании.


Эндрю Ын получил $100 млн на новую систему AI-образования

Coursera инвестирует $100 млн в LearnVector — новую компанию известного исследователя и предпринимателя Эндрю Ына. LearnVector будет создавать образовательные программы, которые помогают сотрудникам осваивать навыки, необходимые в условиях массовой автоматизации. Ын считает ошибочной идею о том, что AI просто заменит работников: по его мнению, технология создаст спрос на новые компетенции.

🔗 Источник:
https://www.reuters.com/technology/coursera-backs-co-founder-andrew-ngs-new-ai-education-firm-with-100-million-2026-07-28/

Почему это важно

Рынок постепенно понимает, что доступ к ChatGPT или Copilot сам по себе не повышает эффективность компании. Сотрудникам нужно объяснять, какие задачи передавать AI, как проверять результат и как перестраивать привычный процесс работы. Поэтому корпоративное AI-обучение превращается в самостоятельную продуктовую категорию.

Что это значит для России

Российскому бизнесу нужны не общие курсы по промптам, а отраслевые программы с измеримым результатом: сократить подготовку отчёта, ускорить разработку, автоматизировать продажи или снизить нагрузку поддержки. На этом можно строить продукты для банков, промышленности, ритейла и государственных организаций.


Евросоюз вложит €10 млрд в семь AI-гигафабрик

Еврокомиссия расширила план строительства AI-гигафабрик с пяти до семи объектов и выделит на них €10 млрд. Дополнительно власти рассчитывают привлечь не менее €20 млрд частных инвестиций. На этих площадках объединят процессоры, облачные технологии, дата-центры, программное обеспечение и высокоскоростные сети.

🔗 Источник:
https://www.reuters.com/world/china/eu-aims-seven-ai-gigafactories-with-10-billion-plan-race-with-us-china-2026-07-30/

Почему это важно

Европа признаёт, что без собственной вычислительной инфраструктуры невозможно всерьёз конкурировать с США и Китаем. Деньги идут уже не только в модели и стартапы, а в физический фундамент AI: электроэнергию, серверы, чипы и центры обработки данных. Nvidia, AMD и Qualcomm уже выразили готовность поставлять оборудование участникам проекта.

Что это значит для России

Российский рынок сталкивается с той же проблемой: недостаточно создать модель — её нужно где-то обучать и запускать. Возможности возникают вокруг локальных дата-центров, аренды GPU, охлаждения, управления энергопотреблением и распределения нагрузки. AI-инфраструктура постепенно становится отдельным B2B-рынком.


В Евросоюзе начали действовать новые требования AI Act

С 2 августа 2026 года Еврокомиссия и национальные регуляторы начали применять очередной блок требований европейского закона об искусственном интеллекте. Теперь некоторые AI-системы должны прямо сообщать пользователю, что он взаимодействует с нейросетью, а сгенерированный или изменённый контент необходимо соответствующим образом маркировать.

🔗 Источник:
https://digital-strategy.ec.europa.eu/en/news/commission-starts-enforcing-ai-act-rules-and-new-transparency-requirements-2-august

Почему это важно

AI-регулирование переходит от обсуждений к реальному исполнению. Для компаний это означает дополнительные требования к интерфейсам, документированию моделей, маркировке контента и контролю рисков. Соответствие законодательству постепенно становится такой же частью продукта, как безопасность данных или условия использования сервиса.

Что это значит для России

Российским компаниям, работающим с клиентами из ЕС, придётся учитывать эти требования независимо от того, где разработан продукт. Кроме того, это ориентир для внутреннего рынка: маркировка AI-контента, журналирование действий агентов и уведомление пользователей могут в будущем стать базовыми требованиями и в российском регулировании.


ChipAgents привлёк ещё $60 млн на автоматизацию разработки процессоров

ChipAgents — американский стартап, который создаёт AI-агентов для проектирования и проверки компьютерных чипов. Компания привлекла ещё $60 млн, увеличив общий объём раунда Series A до $131 млн. В проект уже вложились Micron, MediaTek и Ericsson, а сама компания расширяет сотрудничество с Nvidia.

🔗 Источник:
https://www.reuters.com/business/nvidia-partner-chipagents-raises-60-million-accelerate-chip-design-with-ai-2026-07-29/

Почему это важно

Разработка нового процессора обычно занимает годы и может стоить сотни миллионов долларов. Особенно много времени уходит на проверку архитектуры и поиск ошибок до начала производства. ChipAgents пытается передать часть этой работы автономным AI-агентам. Получается важный сдвиг: AI начинает автоматизировать не только написание обычного кода, но и создание оборудования, на котором сам затем будет работать.

Что это значит для России

В России похожий подход можно применять не только в микроэлектронике. AI-агенты способны проверять инженерную документацию, искать ошибки в проектах, сопоставлять требования и контролировать соответствие стандартам. Покупателями таких решений могут стать промышленность, строительство, энергетика и предприятия с дорогим циклом проектирования.


OpenAI показала, как издательства уже зарабатывают и экономят с помощью AI

OpenAI опубликовала подборку реальных внедрений AI в международных медиа. Associated Press использует модели для проверки изображений и анализа судебных документов, Axios — для подготовки запросов на раскрытие информации и редактуры текстов, а The Seattle Times создала агента для поиска рекламных клиентов, который сократил подготовку лидов с нескольких часов до нескольких минут.

🔗 Источник:
https://openai.com/index/how-news-organizations-are-using-ai/

Почему это важно

Здесь AI используется не ради генерации статей, а в конкретных процессах: поиск информации, проверка фактов, работа с архивами, продажи рекламы и персонализация продукта. Это хороший пример зрелого внедрения: технология не заменяет основную ценность бизнеса, а ускоряет дорогие и повторяющиеся операции вокруг неё.

Что это значит для России

Такая логика применима не только к медиа. Практически в любой компании есть большой архив документов, клиентская база и сотрудники, которые тратят часы на поиск информации или подготовку предложений. Можно создать агента, который работает с внутренними данными, находит потенциальных клиентов, готовит справку и передаёт человеку уже собранный результат.


Anthropic выпустила Claude Opus 5 и сделала ставку на стоимость выполненной работы

Anthropic представила Claude Opus 5 — модель для программирования, аналитики и длинных многоэтапных задач. Компания утверждает, что она приближается по возможностям к своей флагманской Claude Fable 5, но обходится примерно вдвое дешевле. Стоимость API осталась на уровне предыдущей версии: $5 за миллион входных и $25 за миллион выходных токенов.

🔗 Источник:
https://www.anthropic.com/news/claude-opus-5

Почему это важно

Конкуренция между моделями смещается от абстрактного интеллекта к экономике выполнения задачи. В тестах Anthropic сравнивает не только качество ответа, но и количество попыток, токенов, действий и итоговую стоимость успешно завершённой работы. Для бизнеса это более полезная метрика, чем место модели в очередном рейтинге: дорогая модель может оказаться выгоднее, если она решает задачу с первого раза и требует меньше контроля.

Что это значит для России

При выборе модели нужно считать не цену одного запроса, а стоимость полного процесса. Например: сколько стоит разобрать договор, подготовить отчёт или исправить ошибку в коде с учётом ручной проверки. На этом можно строить отдельные продукты для контроля AI-экономики: сравнивать модели, качество, число ошибок и реальную стоимость результата.


Glow вышла из закрытого режима с оценкой $1,2 млрд

Glow — стартап в области кибербезопасности, созданный бывшими руководителями Meta, Snowflake и Claroty. Компания строит платформу, которая контролирует программное обеспечение, AI-агентов и инструменты разработчиков на рабочих устройствах сотрудников. Стартап уже получил оценку $1,2 млрд и сообщил о платящих клиентах в финансах, ритейле и здравоохранении.

🔗 Источник:
https://techcrunch.com/2026/07/22/glow-emerges-from-stealth-at-1-2b-valuation-to-challenge-endpoint-security-in-the-ai-era/

Почему это важно

Корпоративные AI-агенты создают новый класс рисков. Они могут скачивать библиотеки, получать доступ к файлам, запускать команды и подключаться к внутренним системам. Glow пытается предотвращать опасные действия до того, как произойдёт атака, а не только искать последствия. Это показывает, что безопасность AI становится отдельной категорией рынка, а не дополнительной функцией существующего антивируса.

Что это значит для России

Появляется понятный B2B-кейс: корпоративный контроль AI. Компании будут платить за систему, которая показывает, какими моделями пользуются сотрудники, какие данные туда отправляются, к чему имеют доступ агенты и какие действия они совершают. Особенно актуально для банков, промышленности, юридических компаний и разработчиков с большим объёмом закрытого кода.


Япония направляет $2,33 млрд на собственный AI для роботов

Noetra — новая японская компания, поддержанная государством и 44 крупными корпорациями, включая SoftBank, Honda и Sony. Она разрабатывает фундаментальную модель для physical AI — систем, которые управляют роботами и действуют в реальном мире. На первый год проект получил более 380 млрд иен, или $2,33 млрд, и планирует закупить 27 500 новых чипов Nvidia Rubin.

🔗 Источник:
https://www.reuters.com/business/media-telecom/robot-ai-company-noetra-is-last-chance-japan-ceo-says-2026-07-22/

Почему это важно

Япония фактически переносит AI-гонку из чатов и генерации контента в промышленную робототехнику. Государство планирует внедрить к 2040 году до 10 млн AI-роботов в производство, судостроение, уход за пожилыми и другие отрасли. Это подтверждает, что следующий большой этап AI будет связан не только с цифровыми действиями, но и с автоматизацией физического труда.

Что это значит для России

Для российского рынка особенно актуальны более узкие решения: техническое зрение, контроль качества, автономные склады, роботы для опасных производств и мониторинг оборудования. Необязательно сразу создавать гуманоидного робота. Можно взять один повторяющийся и дорогой процесс и добавить туда зрение, распознавание ситуации и автономное принятие простых решений.


Nvidia вложила $5 млрд в Safe Superintelligence Ильи Суцкевера

Safe Superintelligence — закрытая AI-лаборатория сооснователя OpenAI Ильи Суцкевера, которая разрабатывает новый подход к созданию сверхмощных моделей. Nvidia инвестировала в компанию $5 млрд и предоставит ей доступ к новейшим чипам Vera Rubin. Ранее SSI уже привлекла $2 млрд и оценивалась примерно в $32 млрд.

🔗 Источник:
https://www.ft.com/content/5c78dec1-b6d6-415e-9456-f1ab5eed6146

Почему это важно

Nvidia уже не просто продаёт оборудование AI-компаниям, а начинает напрямую финансировать тех, кто будет создавать следующий класс моделей. Получается замкнутая экосистема: производитель чипов вкладывается в разработчика AI, тот получает вычисления, а спрос на оборудование Nvidia растёт ещё сильнее. Это также показывает, насколько ценными стали команды, способные предложить новый фундаментальный подход, а не очередную надстройку над существующей моделью.

Что это значит для России

Конкурировать с такими лабораториями в разработке фундаментальных моделей практически невозможно. Но можно строить продукты поверх открытых и доступных моделей: отраслевые ассистенты, корпоративные агенты, системы работы с документами и внутренними данными. Ценность всё чаще находится не в самой модели, а в правильном внедрении и доступе к бизнес-процессу.


SoftBank прогнозирует мировой спрос на AI-инвестиции в $5 трлн ежегодно

Глава SoftBank Масаёси Сон заявил, что к 2040 году развитие AI может потребовать около $5 трлн инвестиций ежегодно. SoftBank уже вкладывает десятки миллиардов долларов в OpenAI, дата-центры, робототехнику и другие элементы будущей AI-инфраструктуры. Сон также отверг предположения о том, что вокруг отрасли формируется обычный инвестиционный пузырь.

🔗 Источник: Reuters — SoftBank’s Son says AI will need $5 trillion per year by 2040

Почему это важно

Даже если прогноз окажется завышенным, масштаб показывает, куда движется рынок. Деньги понадобятся не только разработчикам моделей, но и энергетике, строительству дата-центров, производителям оборудования, сетевым компаниям и робототехнике. AI превращается из сегмента IT в огромную инфраструктурную отрасль, связанную с реальной экономикой.

Что это значит для России

Основные возможности могут находиться не в создании ещё одной универсальной модели, а вокруг инфраструктуры: охлаждение дата-центров, управление энергопотреблением, аренда вычислений, оптимизация нагрузки и внедрение AI на промышленных объектах. Для предпринимателей это сигнал смотреть не только на приложения, но и на то, без чего эти приложения физически не смогут работать.


OpenAI предлагает считать не стоимость запроса, а стоимость успешно выполненной задачи

OpenAI опубликовала новую систему оценки эффективности AI. Компания предлагает измерять полезную работу, надёжность и полную стоимость успешно выполненной задачи — с учётом цены модели, времени сотрудников, повторных попыток, проверки результата и исправления ошибок.

🔗 Источник: OpenAI — A scorecard for the AI age

Почему это важно

Бизнес часто сравнивает модели по цене миллиона токенов, но дешёвая модель может чаще ошибаться и требовать больше ручной проверки. В итоге она обходится дороже. Новый подход переводит разговор об AI из технической плоскости в управленческую: важна не стоимость одного ответа, а сколько компания заплатила за качественно закрытую задачу.

Что это значит для России

Это можно применять при оценке любых AI-проектов: обработки обращений, договоров, финансовых отчётов или разработки кода. Российскому бизнесу нужен отдельный класс решений для AI-экономики: система считает затраты на модели, участие сотрудников, ошибки и фактическую экономию. Такой продукт может стать аналогом FinOps, но для нейросетей.


США создают отдельную группу по AI и кибербезопасности

Белый дом объявил о создании координационной группы, которая объединит разработчиков AI и операторов критически важных сервисов. Участники будут обмениваться информацией об уязвимостях, найденных продвинутыми моделями, и совместно реагировать на новые виды кибератак.

🔗 Источник: Reuters — US to launch AI and cybersecurity coordination group

Почему это важно

AI становится одновременно инструментом защиты и источником новых угроз. Модели уже умеют находить уязвимости, анализировать код и автоматизировать отдельные этапы атак. Поэтому кибербезопасность перестаёт быть задачей только внутреннего IT-департамента: необходим постоянный обмен данными между разработчиками моделей, государством, банками, энергетикой и телекомом.

Что это значит для России

Похожий подход актуален для банков, промышленности, государственных платформ и крупных IT-компаний. Отдельный рынок формируется вокруг AI-аудита: проверки моделей на утечки, небезопасные действия, доступ к закрытым данным и возможность использования агентами лишних полномочий. Такие проверки скоро могут стать обязательной частью любого серьёзного корпоративного внедрения.


Стартап TYLSemi привлёк $43 млн на открытые компоненты для AI-чипов

TYLSemi — молодой полупроводниковый стартап, созданный бывшими руководителями Qualcomm и AlphaWave. Компания привлекла $43 млн, чтобы разрабатывать стандартизированные чиплеты — отдельные компоненты, из которых клиенты смогут собирать собственные AI-процессоры, не привязываясь к одному производителю технологий.

🔗 Источник: Reuters — TYLSemi raises $43 million for custom AI chip building blocks

Почему это важно

Сегодня разработка собственного AI-чипа доступна только крупнейшим компаниям, поскольку рынок контролируется несколькими поставщиками закрытых технологий. TYLSemi предлагает более открытую архитектуру: заказчик сможет комбинировать компоненты разных производителей. Если подход сработает, входной барьер в создание специализированных процессоров снизится, а рынок станет менее зависимым от Nvidia, Broadcom и Marvell.

Что это значит для России

Самостоятельно конкурировать с мировыми лидерами в производстве передовых процессоров крайне сложно. Но можно развивать более узкие решения: специализированные ускорители для промышленного зрения, беспилотных систем, обработки документов или локального запуска моделей. Новость показывает, что ценность может быть не только в полном чипе, но и в отдельных компонентах, архитектуре и программном обеспечении вокруг него.


DeepSeek готовит новый раунд при оценке около $74 млрд

Китайская DeepSeek планирует привлечь новый капитал при оценке примерно 500 млрд юаней, или $74 млрд, перед возможным выходом на биржу в Китае. DeepSeek известна своими открытыми моделями, которые показали, что конкурентоспособный AI можно создавать и запускать значительно дешевле решений американских лидеров рынка.

🔗 Источник: Reuters — DeepSeek plans fundraising at $74 billion valuation

Почему это важно

Рынок окончательно перестаёт считать открытые модели второстепенными. Если DeepSeek действительно получит такую оценку, это подтвердит появление второго крупного AI-центра, способного конкурировать с OpenAI, Anthropic и Google не только технологически, но и по капиталу. Одновременно усиливается тренд на более дешёвые модели и снижение зависимости бизнеса от одного американского поставщика.

Что это значит для России

Российским компаниям становится выгоднее строить мульти-модельные продукты, в которых можно выбирать между российскими, китайскими и открытыми моделями. На этом можно создавать AI-шлюзы для бизнеса: система сама определяет, какую модель использовать под конкретную задачу с учётом цены, качества, языка и требований к данным.

20 last posts shown.