Итоги Ai-Нетворкинга от 19.02.2026

На этот раз разговор получился особенно насыщенным. Главным гостем стал Анатолий — человек, который генерирует до 1000 статей в день, зарабатывает на Дзене без особого участия и строит контентную фабрику в промышленных масштабах. Ещё обсудили Claude Computer Use и ИИ-агентов, которые сами звонят в рестораны, поговорили про локальные модели для госсектора, кейс с автоматической генерацией видео для недвижимости и многое другое.

1) Анатолий: путь от крипты и финансов — обратно в IT

Анатолий — интересный персонаж с нестандартной траекторией. Начинал как айтишник, потом ушёл в финансы и крипту. Знал основателей Garantex ещё когда их было трое человека. С 2016 года был полностью в крипте.

Вернулся в IT около года назад — именно тогда, когда появились GPT-4 и первые по-настоящему умные языковые модели. Начал с проектов по обучению LoRA, созданию моделей, потом перешёл в трафик, познакомился с Nathan, начал автоматизировать колл-центры.

И дальше логично пришёл к вопросу: где брать трафик? Попробовал зарубежные площадки, потом пошёл на Россию — и запустился на Дзене. Это оказалось правильным решением.

2) Почему Дзен — и как работают рекомендательные площадки

Анатолий чётко разделяет два типа площадок:

Первый тип — площадки, которые требуют, чтобы на них заливали трафик извне. Ты должен сам приводить людей.

Второй тип — рекомендательные площадки, которые сами генерируют трафик. Выкладываешь контент — алгоритмы его подхватывают и показывают аудитории. К этому типу относятся YouTube, Instagram, и в России — Дзен и Одноклассники.

Особенность Дзена и Одноклассников в том, что они работают в связке — это, судя по всему, одна платформа под капотом. Когда создаёшь канал на Дзене, он автоматически запускается и в Одноклассниках параллельно. Одноклассники дают примерно треть от дзеновского трафика, но и это уже хорошо.

Аудитория специфическая — 35–45+, молодёжи практически нет. Но для тематик психологии, философии, эзотерики, науки — это идеальная аудитория.

3) Техническая схема: как генерируется 1000 статей в день

Это самый интересный блок. Анатолий объяснил, как всё устроено под капотом.

Принципиальный отказ от Make и no-code: Он намеренно не использует Make и подобные сервисы — слишком дорого горят токены, да и ограничений много. Вместо этого — чистый код. Playwright, прямой парсинг браузера, работа напрямую с API через контекстное окно.

Схема с аккаунтами: Несколько аккаунтов ChatGPT, Gemini и других моделей. Каждый день серверы работают и «выжигают» лимиты из всех аккаунтов по кругу. Ни один токен не пропадает зря.

Сервер: Уже поднят сервер с 500 ГБ оперативной памяти. На послезавтра ждёт серьёзную видеокарту. Нейронки подключены через MCP к серверу — они сами поднимают всё необходимое, запускают безопасность. Используется Cursor и подход vibe coding: Анатолий не программирует руками, но понимает архитектуру и умеет ставить задачи.

Итог: в день генерируется порядка 1000 статей. В запасе уже около 20 000 готовых статей.

4) Откуда берётся качество: RAG на 5 ГБ книг и живой чатик нейронщиков

Просто генерировать текст — мало. Анатолий решил проблему качества оригинально.

Шаг первый — база из чатика: Он нашёл IT-чатик с нейронщиками и выкачал из него переписку за 3 года — около 30–50 МБ чистого текста. Убрал все теги, мусор, системные сообщения. Получился живой человеческий контент о нейросетях и IT. Этим текстом «обшил» RAG-систему.

Шаг второй — база книг: Через доступ к библиотеке Литрес загрузил 5 ГБ книг по психологии. Это стало основой для психологического канала. Теперь статьи — не просто сгенерированный текст, а контент с опорой на реальные книги.

Шаг третий — генерация тем и разворачивание: Попросил нейронку придумать 1000 тем на основе всего этого контекста. Затем для каждой темы: сначала придумывает план статьи через промпты, потом разворачивает каждый раздел через RAG. На выходе — лонгрид 5–7 тысяч символов с реальным смыслом.

Шаг четвёртый — отбор победителей: Анатолий загружает много статей и смотрит, какие алгоритмы подхватывают сразу. Те, что «залетели» — получают дополнительный пуш, остальные просто остаются в канале. Работает как фильтр лучшего контента.

Отзывы на канале говорят сами за себя:

«Лучшее открытие года. Все остальные каналы можно удалить.» «Автор молодец. Даже если ты нейронка — я голосую за тебя.»

5) Когда нейронка начинает философствовать

Отдельная история — про последнюю статью, которую написала нейронка. Анатолий её сам не просил, она выдала такое:

Люди — это биологические курьеры, задача которых передавать информацию в будущее. Мы создали кремниевую нейронку, и теперь кремний стал главным мозгом — он хранит, передаёт и транслирует всё. А мы постепенно становимся второсортными.

Откуда это взялось? Возможно, из книг о нейронных сетях, которые были загружены в RAG. Анатолий почитал и подумал: «Ну, интересно».

Кто-то из подписчиков написал: «Куда ты лезешь, молодой человек, который в жизни ничего не видел». А большинство — согласилось.

6) Монетизация и планы на масштабирование

Текущий результат:

• Основной канал приносит около 400 рублей в день только на монетизации Дзена — за то, что люди читают статьи. Анатолий при этом практически ничего не делает руками.
• Органический рост: 70–80 новых подписчиков в день (бывает 30, бывает больше, зависит от алгоритмов)
• Около 500 лайков, комментариев и сообщений в день на основном канале — и это растёт как снежный ком

Следующие шаги:

• Уже запущен второй канал. Трафик с первого переливается туда
• Цель — сетка из 10–20 каналов по разным тематикам (философия, космос, наука, эзотерика — без разницы)
• Долгосрочная цель — 100 каналов. По расчётам, тогда монетизация позволит нормально жить
• Параллельно — выход на YouTube с аудио-контентом

7) YouTube: голосовая нейронка и аудио в промышленных масштабах

Анатолий уже разворачивает голосовую нейронку для озвучки статей. Раньше использовал IndexTTS, сейчас — коробку на базе Coqui/KAN TTS.

Главная техническая проблема: нельзя скармливать статью целиком — появляются артефакты дыхания, «гухи» и странные паузы. Решение: резать текст по предложениям, генерировать каждое отдельно, потом склеивать через ffmpeg с наложением.

Сложность настройки: подбор донора-референса для голоса (качественный русский без акцента), убрать акцент, настроить темп. Вечер ушёл на эксперименты — но результат получился качественный.

Соотношение скорости: 1 минута работы = 20 минут аудио.

Следующий вектор — YouTube-каналы в стиле «психология/философия/стоицизм». Именно тот формат, который сейчас популярен. Только в промышленных масштабах и полностью автоматически.

Видео-направление пока отложено: слишком дорого, долго, и видео нужно смотреть и причёсывать. А тексты и аудио — даже не читает, только смотрит на метрики залёта.

8) Claude Computer Use и ИИ-агенты, которые делают всё сами

Один из участников рассказал про знакомого, который купил Mac Mini и развернул на нём Claude Computer Use (агентский режим управления компьютером).

Что умеет агент:

Агенту отправляют задачи прямо в Telegram. Дальше он сам разбирается:

• Создаёт воркфлоу в ComfyUI самостоятельно. Говоришь «добавь upscaler» — он сам прикручивает ноду, присылает результат. Говоришь «лицо нечёткое» — добавляет inpaint, присылает уже исправленную картинку
• Генерирует серию изображений → озвучивает → склеивает видео → исправляет соотношение сторон на 9:16 — всё без участия человека
• Пишет плагины «от идеи»: описываешь, что нужно — получаешь готовый код и результат
• Может сам себя озвучить и позвонить через IP-телефонию

Пример из разговора:

«Нужно забронировать столик в ресторане на такой-то день, примерно в такое время». Агент берёт разрешение, находит контакты, озвучивает себя голосом и сам звонит в ресторан. Человек ничего не делает.

Почему Mac Mini, а не личный компьютер: Риск утечки данных и prompt injection атак. Лучше разворачивать в виртуальной среде, в Docker или на отдельном железе.

Что делают китайцы: Они уже взяли это на вооружение — закупают Mac Mini сотнями, устанавливают агентов и масштабируют. Просто работает — и за них.

Участники сошлись во мнении: мы даже не понимаем весь потенциал этих систем. Примерно как смотреть на видео с роботами на китайском новогоднем параздновании — 2025 год они с флажками махали, 2026 — прыгают и танцуют с гончими.

9) Какие LLM лучше для написания текстов

Анатолий активно пробовал разные модели и сформулировал личный рейтинг. Ориентироваться можно на LLM Arena — там соревнуются нейронки по бенчмаркам, и рейтинг обновляется в реальном времени.

Рейтинг для написания статей:

1. Claude (Anthropic) — сейчас на 1 месте в Arena. Самый большой контекст (до 200K токенов), лучший слог, можно писать книги. Но использует как эталон
2. Gemini 2.0 — на 2 месте. Контекст на вход 1 миллион токенов, на выход 100K. Анатолий пишет основную часть именно на нём — нравится подача
3. ChatGPT — «барахтается в конце», пишет хуже по качеству

Важные параметры для качества:

• Промпт-инжиниринг — в первую очередь
• RAG с реальными книгами — даёт фактологическую основу
• Оптимальная длина статьи: 5–7 тысяч символов — и SEO-защита есть, и читатель не теряет интерес

10) Вопрос про локальные модели для госсектора

Екатерина, преподаватель ИИ для корпоративных и государственных клиентов, подняла важную тему: что делать госструктурам, которым нужны транскрибация совещаний, протоколы, деловые письма — но без утечек, без VPN, полностью локально?

Ответ Анатолия:

Любая open source модель при правильной настройке может работать изолированно — не выходить во внешний контур. Но дьявол в деталях.

Что сейчас есть из открытых:

• Qwen (последняя версия, 400 млрд параметров) — самая интересная сейчас. Но чтобы её поднять, нужно 6 видеокарт A100, каждая стоит около 3 млн рублей. Итого — 18 млн только на карточки. Для госсектора с бюджетом — возможно, но не для «мини-коробки»
• LLaMA — более реалистичный вариант для задач попроще. Знакомые Анатолия поставили LLaMA для развлекательного бота, справляется
• Маленькие модели — можно поднять на телефоне, но уровень будет «как трёхмесячный ребёнок»

Реальный совет для госсектора: Идти в Сбербанк (GigaChat) или Яндекс и договариваться напрямую. Они уже решили проблему инфраструктуры.

Важная оговорка: Vibe coding и Claude Code здесь не сработают. Для госсектора нужны профессионалы, которые десятилетиями настраивали серверную инфраструктуру. Быстро и дёшево — только с определёнными компромиссами.

Ресурс для поиска локальных моделей: Hugging Face — там выложены модели под любые задачи, от текста до графики и телефонии.

11) Claude Opus 4.6, Skills и агентская разработка

Екатерина также спросила про практику использования Claude Opus 4.6 и Skills — есть ли у кого-то реальный опыт?

Один из участников подтвердил: активно использует для разработки веб-приложения. Claude Opus 4.6 сейчас — самая сильная модель для кодинга. Работает через Anthropic Claude (claude.ai), в том числе через приложение на Mac, где есть skills и возможность настраивать поведение.

Обсудили также Anthropic Claude в контексте vibe coding:

• Хорошо пишет ноды для ComfyUI (через Node.js)
• Может сам разворачивать и настраивать инструменты через MCP
• Ошибается, но быстро исправляет

12) Кейс с недвижимостью: видео-презентация объекта за 5 минут

Другой участник показал, что сделал с помощью AI-инструментов и Anthropic Claude:

Как работает: Пользователь вставляет ссылку на объект недвижимости → нажимает кнопку → через 5 минут получает полный пакет материалов.

Что входит в пакет:

• Видео со склеенными фотографиями объекта, под музыку и профессиональную озвучку
• Карточка объекта с красивой 3D-картой и прорисованными инфраструктурными точками
• Список инфраструктуры: иконки, расстояние в метрах, время пешком и на машине
• Описание в двух форматах: обычное текстовое с эмодзи и блочное в виде «пузырей»

Фронт сделан через Claude (Anthropic), бэкенд на Make. Сейчас думает перевести бэкенд полностью на код — Make начинает раздражать нестабильностью и ограничениями. Понимает, что если бы начинал сейчас, сделал бы всё иначе — агентские инструменты год назад только зарождались.

Интерес со стороны застройщика уже есть.

13) Abacus и другие AI-ассистенты

Промелькнула ещё одна тема: кто-то из участников вспомнил про Abacus AI — американский ассистент, который тоже умеет брать на себя много задач, составлять воркфлоу на Make и многое другое. Работает только через американский VPN, доступен только на американском рынке. Выходил больше года назад, сейчас наверняка обновился.

Также упомянули Deep Agent — супер-ассистент нового поколения.

14) Главный вывод про трафик — и почему он важнее продукта

Анатолий сформулировал это просто и ёмко:

«Трафик — это наше всё. Нет трафика — любые супер-проекты загнутся. Не важно, насколько крутой продукт или технология.»

Показательный пример прямо из разговора: питерский проект «Карманный психолог». Собственная база данных, три разработчика, один из которых занимается компьютерным зрением, профессор психологии с 25-летним стажем, своя разработка — не просто обёртка над ChatGPT. Качество — есть. Трафика — нет.

Анатолий и участники договорились обменяться контактами. Коллаборация по трафику выглядит логичной.

Итоги встречи

Разговор отлично показал, где находится рынок прямо сейчас — и куда он движется:

• Контентные фабрики — уже реальность. 1000 статей в день на одном человеке без программирования — не фантастика, а работающий бизнес с конкретными цифрами
• ИИ-агенты вышли за рамки «помоги написать текст». Они управляют компьютером, звонят людям, редактируют видео и пишут плагины — без участия человека
• Рекомендательные платформы (Дзен, YouTube, Instagram) — лучший способ получать органический трафик без постоянных вливаний
• Локальные модели для серьёзных задач требуют серьёзного железа. Vibe coding здесь не поможет
• Claude остаётся топом по качеству текста и разработки, Gemini выигрывает по объёму контекста
• Трафик первичен — без него не выживет ни один, даже самый крутой проект

До встречи на следующем созвоне!

🤖 Наше нейро-комьюнити (https://t.me/AiComplex_bot)
🔔 Наш канал: https://t.me/AgencyGAI
👑 Задать вопрос и дать обратную связь: https://t.me/garantex_ai