Browsers & web — April 2026

⚠️ Напоминание! С мая мы поднимаем цены на Анонимность 3.0

Ценность этих знаний растет с каждым днем. Это не сборник лайфхаков из серии "скачайте VPN и почистите куки". Мы учим выстраивать многоэшелонированную оборону: от аппаратной изоляции и антидетект-браузеров до непробиваемой крипто-анонимности.

У вас есть время до мая, чтобы забрать курс по старой цене с максимальной скидкой. Выбор за вами.

▶️Записаться на курс до повышения цен

🦔 @cyacademy_support

Every enterprise AI roadmap has the same graveyard.

Partnerships that made obvious sense. Models that would have been genuinely better. Deals that everyone wanted – and nobody could close.

The reason is simpler and more frustrating than most people admit: to process data, you have to decrypt it. And the moment it's decrypted, someone on the other side can see it. An admin with the wrong access. A misconfigured bucket. A subpoena nobody anticipated. The exposure doesn't need to be malicious to be real.

So the deal goes to legal. Legal adds clauses. IT adds requirements. Security adds reviews. Six months later, you're still negotiating who gets access to what – and you haven't moved a single row. When the next partnership comes, you start from scratch.

This is why healthcare AI trains on a fraction of the data that exists. Why bank fraud models stay siloed even when sharing signals would catch more fraud. Why the most valuable collaborations – the ones that need data from more than one organization – are the ones that quietly get shelved.

Nobody killed these projects. They just never survived contact with the actual problem.

𝗧𝗵𝗶𝘀 𝗶𝘀 𝗣𝗿𝗼𝗯𝗹𝗲𝗺 #𝟭 𝗼𝗳 𝟰 𝘁𝗵𝗮𝘁 𝗵𝗮𝘃𝗲 𝗸𝗲𝗽𝘁 𝗲𝗻𝘁𝗲𝗿𝗽𝗿𝗶𝘀𝗲 𝗔𝗜 𝘀𝘁𝘂𝗰𝗸. 𝗪𝗲 𝗰𝗮𝗹𝗹 𝗶𝘁 𝘁𝗵𝗲 𝗧𝗿𝘂𝘀𝘁 𝗣𝗿𝗼𝗯𝗹𝗲𝗺.

Super Swarm starts from a different premise entirely.

Your data goes into a sealed hardware execution environment (TEE) – decrypted only inside a processor that nobody outside can access or inspect. The cloud or infrastructure provider can't see in. Your partner can't see in. We can't either.

The obvious question: if nobody can see inside, how do you know what's actually running in there? A black box that keeps attackers out keeps everyone else out too. "Trust us, it's secure" is exactly the kind of answer that got these deals killed in the first place.

So before any data moves, every party gets a cryptographic proof of the exact code, configuration, and hardware their data will run on – verifiable over a standard browser connection, nothing to install. The same way your browser checks a website's certificate, except this one proves the entire execution state, not just identity.

You check the proof. You decide. If anything changes on the other side – different code, different configuration – the proof changes with it, and you see it before your data goes anywhere.

The legal process still takes time. But there's finally a technical answer to the question it could never resolve on its own: how do I know you won't look at my data? The hardware makes it physically impossible – and you verified that yourself, before you sent anything.

𝘗𝘳𝘰𝘣𝘭𝘦𝘮 # 1 𝘰𝘧 4. 𝘕𝘦𝘹𝘵: 𝘺𝘰𝘶 𝘯𝘰 𝘭𝘰𝘯𝘨𝘦𝘳 𝘩𝘢𝘷𝘦 𝘵𝘰 𝘵𝘳𝘶𝘴𝘵 𝘺𝘰𝘶𝘳 𝘱𝘢𝘳𝘵𝘯𝘦𝘳𝘴 𝘰𝘳 𝘵𝘩𝘦 𝘪𝘯𝘧𝘳𝘢𝘴𝘵𝘳𝘶𝘤𝘵𝘶𝘳𝘦. 𝘚𝘰 𝘸𝘩𝘺 𝘴𝘩𝘰𝘶𝘭𝘥 𝘺𝘰𝘶 𝘵𝘳𝘶𝘴𝘵 𝘶𝘴? 𝘚𝘱𝘰𝘪𝘭𝘦𝘳 – 𝘺𝘰𝘶 𝘴𝘩𝘰𝘶𝘭𝘥𝘯'𝘵 𝘩𝘢𝘷𝘦 𝘵𝘰, 𝘢𝘯𝘥 𝘸𝘦 𝘣𝘶𝘪𝘭𝘵 𝘪𝘵 𝘵𝘩𝘢𝘵 𝘸𝘢𝘺.

SVG-фильтры: от «магии» к пониманию

Если CSS-фильтры - это готовые инста-фильтры, то SVG-фильтры - полноценный Photoshop внутри браузера.

Статья Аны Тюдор - Это фундаментальный разбор того, как устроены фильтры «под капотом». Автор не просто дает код, а объясняет механику: от того, где должен лежать тег <filter>, до логики работы с альфа-каналами.

🟢Конвейер данных (in и result): Фильтр - это не одна команда, а цепочка. Вы берете исходник, размываете его, сохраняете результат под именем «Layer1», а потом накладываете на него что-то еще. Полный контроль над потоком. 🟢Магия каналов: Автор объясняет разницу между SourceGraphic (весь объект) и SourceAlpha (только его форма). Хотите создать крутую тень или свечение? Работайте с Alpha-каналом, не трогая цвета. 🟢Борьба с «обрезкой»: Самая частая проблема - когда фильтр обрезается по краям. В статье четко расписано, как через атрибуты x, y, width, height расширить «холст» фильтра, чтобы эффектам было где разгуляться.

Прочитать оригинал👇

👉 @seniorFront

Секреты нейрокоманды

Как стать сверхчеловеком и незаменимым сотрудником с командой нейроагентов — без кода и технических знаний

В воскресенье я покажу вам инструмент, который превращает обычного человека в сверхчеловека.

Это не преувеличение. За последний месяц с его помощью я создал почти 20 веб-приложений, мобильное приложение и пару расширений для браузера. Собственный конструктор сайтов, благодаря которому мы теперь делаем сайты за считанные минуты. Написал 5 книг — каждую за 10-15 минут. Собирал презентации, рекламные материалы — всё то, на что раньше уходили дни и десятки тысяч рублей.

И я не программист.

После этого инструмента ChatGPT кажется ясельной группой. Серьёзно.

Как это работает: внутри этого инструмента у меня есть умный агент, которому я даю задачи. Простые он решает сам за минуты. А когда мне нужно что-то масштабное — я прошу его собрать команду агентов, и они работают вместе, каждый над своей частью.

Со временем я обучил свою команду — создал для неё десятки специальных навыков. Теперь мои агенты не просто умные — они натренированы под мои задачи и делают всё быстрее и точнее с каждым днём.

На эфире я покажу вживую:

— Как моя команда нейроагентов пишет целую книгу за считанные минуты

— Как создать красивый сайт с нуля за 5 минут

— Как собрать сложное веб-приложение за 5-10 минут

И самое главное — расскажу, как вы можете собрать такую же команду, устроиться на хорошо оплачиваемую удалённую работу и зарабатывать, управляя ей. Без технического образования. Без опыта в программировании.

Эфир стартует в воскресенье в 13:00 по Москве.

Переходите по ссылке ниже, чтобы записаться на него и принять участие:

🔗 https://t.me/neurokurilov_bot?start=s=3219889-utm_source=let1

Кто то опять положил интернет, а у меня поиск работает. Локальный поиск по смыслу в одном HTML-файле Последние недели копаюсь в теме сжатия эмбеддингов. Задача простая: можно ли сделать поиск по смыслу, который работает прямо в браузере — без сервера, без API, без бэкенда вообще? Короткий ответ: можно!

Длинный: взял каталог товаров (~1000 позиций), прогнал через модель эмбеддингов, сжал каждый вектор с 3 КБ до 64 байт — это в 48 раз. Картинки ужал до миниатюр. Всё запаковал в один HTML-файл на 6 МБ.

Открываешь файл в браузере, пишешь «плёнка антишпион» — получаешь плёнки антишпион. Не по совпадению слов в названии, а по смыслу. Работает оффлайн, с флешки, хоть на самолёте. Что на тестах: recall@10 ~74% (из 10 «правильных» товаров находит 7-8) весь индекс на 1000 товаров — 64 КБ масштаб: на 100K товаров — ~6 МБ, на миллион — 61 МБ лимит памяти браузера позволяет теоретически до 25M документов Для сравнения — что есть сейчас на рынке: Voy (WASM brute-force) — float32, без сжатия. На 50-100K товаров упирается в память. На миллион — не влезет. hnswlib-wasm — тоже float32 + граф HNSW сверху. Быстрее ищет, но по памяти ещё тяжелее: ~4 КБ на документ. Transformers.js — может запустить модель эмбеддинга в браузере, но поиск по индексу не решает — это только генерация векторов.

Все три варианта работают с полными векторами. При 768 измерениях это 3 КБ на документ. 100K документов = 300 МБ, миллион = 3 ГБ — браузер ляжет. Со сжатием до 64 байт тот же миллион — 61 МБ, 25 миллионов — в лимит 2 ГБ.

Пока это тестовый прототип на защитных плёнках с Ozon. Но сам факт, что векторный поиск можно запихнуть в один файл без инфраструктуры — мне кажется, это интересное направление. Думаю, куда можно применить дальше.

Потыкать: Скачать файл ниже, открыть в браузере двойным кликом — всё Для технических: внутри — cosine similarity по декодированным PEC-векторам (это название моего алгоритма сжатия ), линейный скан O(N×768), данные в base64 внутри <script>, подробности в описании внутри файла

файл прикрепил с картинками на 1000 товаров (без изображений это было бы 100к )

Кто то опять положил интернет, а у меня поиск работает. Локальный поиск по смыслу в одном HTML-файле Последние недели копаюсь в теме сжатия эмбеддингов. Задача простая: можно ли сделать поиск по смыслу, который работает прямо в браузере — без сервера, без API, без бэкенда вообще? Короткий ответ: можно!

Длинный: взял каталог товаров (~1000 позиций), прогнал через модель эмбеддингов, сжал каждый вектор с 3 КБ до 64 байт — это в 48 раз. Картинки ужал до миниатюр. Всё запаковал в один HTML-файл на 6 МБ.

Открываешь файл в браузере, пишешь «плёнка антишпион» — получаешь плёнки антишпион. Не по совпадению слов в названии, а по смыслу. Работает оффлайн, с флешки, хоть на самолёте. Что на тестах: recall@10 ~74% (из 10 «правильных» товаров находит 7-8) весь индекс на 1000 товаров — 64 КБ масштаб: на 100K товаров — ~6 МБ, на миллион — 61 МБ лимит памяти браузера позволяет теоретически до 25M документов Для сравнения — что есть сейчас на рынке: Voy (WASM brute-force) — float32, без сжатия. На 50-100K товаров упирается в память. На миллион — не влезет. hnswlib-wasm — тоже float32 + граф HNSW сверху. Быстрее ищет, но по памяти ещё тяжелее: ~4 КБ на документ. Transformers.js — может запустить модель эмбеддинга в браузере, но поиск по индексу не решает — это только генерация векторов.

Все три варианта работают с полными векторами. При 768 измерениях это 3 КБ на документ. 100K документов = 300 МБ, миллион = 3 ГБ — браузер ляжет. Со сжатием до 64 байт тот же миллион — 61 МБ, 25 миллионов — в лимит 2 ГБ.

Пока это тестовый прототип на защитных плёнках с Ozon. Но сам факт, что векторный поиск можно запихнуть в один файл без инфраструктуры — мне кажется, это интересное направление. Думаю, куда можно применить дальше.

Потыкать: Скачать файл ниже, открыть в браузере двойным кликом — всё Для технических: внутри — cosine similarity по декодированным PEC-векторам (это название моего алгоритма сжатия ), линейный скан O(N×768), данные в base64 внутри <script>, подробности в описании внутри файла

файл прикрепил с картинками на 1000 товаров (без изображений это было бы 100к )