SubscribersHow many subscribers the channel has now. The wave shows subscribers at each point of the period. The change is against the start of the period.2for the period
ViewsHow many views the posts published in the period have now. These are not views per day: MAX does not report how many views there were yesterday. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.23on posts of the period
ReactionsHow many reactions the posts published in the period have. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.0on posts of the period
MentionsHow many times other channels mentioned the channel: links and reposts, excluding advertising posts. The bigger the circle, the more mentions at that point of the period. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.61▼ 17.4 %was 76after signing in
RepostsHow many times other channels reposted this channel's posts (excluding advertising posts). Reposts are also counted as mentions. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.28▲ 15.3 %was 25after signing in
Average post reachHow many views one post gets on average. Only posts older than two days are counted: views of fresh posts are still growing. Points with fresh posts are dashed with hollow dots: the reach of all posts right now, it will still grow.5 497▲ 4.2 %was 5 274after signing in
ERRWhat share of subscribers sees an average post: average reach ÷ subscribers × 100 %. The line shows ERR at each point of the period, the dashed line — ERR of the previous period of the same length. Points with posts younger than two days are hollow dots on the dashed end of the line.28.6 %▲ 0.7 ppdashed line — was 27.9 %with a subscription
Engagement ERHow often readers react to posts: reactions ÷ views × 100 %. The tick on the bar is the previous period.2.87 %▼ 0.2 pp
Posts per dayHow many posts are published per day on average. Each cell is a point of the period: the darker, the more posts per day. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.4.1▼ 13.3 %was 4.9with a subscription
Ad shareWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The scale shows the ad load by the quality index thresholds: up to 10 % — low, up to 25 % — moderate, up to 50 % — high, above — very high. A growing share is marked red.2.4 %▼ 2.4 pp
TrendTop — subscribers at the end of each point of the period; bottom — growth per point: green means more subscribers, red means fewer. Above the growth chart — the biggest gain and the biggest loss. MAX does not report how many people subscribed and unsubscribed separately.
Audience growth
+313subscribers in the period
+44 biggest gain · 11 Nov 2026−15 biggest loss · 8 Nov 2026
Channel scoreA channel score from 0 to 100 made of five parts: audience, growth integrity, ad load, trust and calculation reliability. Each bar shows how many points the part earned out of its maximum. The index is recalculated every night; channels are compared with similar ones of the same category and size.
ReachHow many views the posts published at each point of the period have now (not views per day). The record is labeled; the point with today is paler — the day is not over yet. Average post reach — posts older than two days.
Views and reach
678 845views in the period▼ 9.2 %
Average post reach — 5 497 views (posts older than two days).
EngagementER — reactions divided by views, in percent — for the posts of each point of the period. The dashed line is ER for the whole period. The change is in percentage points against the previous period of the same length.
CitationsThe citation index (CI) shows how often and by which channels this channel is mentioned over the last 90 days, excluding advertising posts. The level is its place among similar channels. The line shows CI at each point of the period (for a week or month — the average over its days). Since 11 November 2026 the index covers 90 days (30 before), hence the step on the chart that day.
RhythmHow many posts are published on average in each hour of each weekday, Moscow time: the darker the cell, the more posts. “Best time” — the hours when posts older than two days have the highest average reach.
When and how much it posts
MonTueWedThuFriSatSun
036912151821
Best time:09:0018:00hours when posts get the highest average reach
FormatsWhat the feed is made of. Each post has one format, by priority: repost, video, photo, link, text. The bar and percentages show the share of posts of each format; on the right — average reach of one post of the format (posts older than two days), the small bar compares it with the most viewed format.
Post formats
100 posts
Reposts99 %6 168
Video2121 %7 513
Photos3838 %5 699
Links1212 %5 239
Text2020 %7 626
On the right — average reach of one post of the format.
PostsEach dot is a post in the period: horizontally — publication date, vertically — views, dot size — reactions, color — format. This shows hits, flops and how reach changes. For large channels, the 100 most viewed posts and an even sample of the rest are shown — no more than 1,500 dots.
Every post is a dot
Higher means more views, bigger means more reactions. Click a dot to open the post.
VideoPhotosOthersize — reactionsZoom with the + and − buttons, a pinch or Ctrl + mouse wheel; drag a zoomed chart to move it
SummaryTotals for the selected period: how many posts were published, how many views and reactions they have now and the average post reach. Views are the current views of posts published on those days, not views per day. The change is against the same span before the period, if statistics cover it.
Period totals
Click a metric to see it across the period below
Viewstoday — the day is not over yetPoints with posts younger than two days are pale and dashed: their views are still growing.
AdsWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The detector is cautious, so the real share is usually higher. The scale shows the ad load by the quality index thresholds. Below — the average reach of an ad post and a regular post, and who the channel advertises (sites that ad links lead to).
What worksPosts of the period with the most views. The bar shows views relative to first place. The preview is the post's image; for a post without an image — the channel avatar. Views are the post's current count.
RhythmHow many posts were published each day of the period (pale bars) and the 7-day average (line): you can see whether the channel is speeding up or slowing down. Today is not over yet, so its average is calculated up to yesterday.
Posts by day
Pale bars are days, the line is the 7-day average: you can see whether the channel is speeding up or slowing down
Data updated at 03:14 Moscow time. Views are the current counts of posts published on those days; average reach counts posts older than two days.
How the quality index is calculated
Каталог плагинов Cursor: реклама, аналитика и CRM в одном пакете
Если вы уже платите за Cursor, официальный каталог плагинов сокращает путь от «надо посмотреть цифры» до «цифры уже в чате с агентом» — реклама, аналитика, CRM и бухгалтерия подключаются по одному сценарию.
Скажу сразу: формулировка «Cursor выпустил плагины» была бы неточной, и я не хочу её повторять. Репозиторий cursor/plugins на GitHub — это каталог официальных плагинов Cursor, где каждый плагин лежит отдельной директорией в корне со своим манифестом .cursor-plugin/plugin.json. Формат документирован официально: в манифесте достаточно поля name, а компонентами могут быть skills/, rules/, agents/, commands/, hooks/ и mcp.json. Отдельно поддерживается открытый стандарт Agent Plugins с plugin.json в корне.
Мне кажется, важнее звёзд здесь другое. Плагин в Cursor — не расширение в привычном смысле: это папка с markdown-навыками, правилами и JSON-описанием MCP-серверов. Разработка сводится к написанию инструкций, а не к программированию, и порог входа для человека, который умеет формулировать регламенты, заметно ниже. Плюс плагин добавляет методику поверх доступа к инструментам — разница примерно как между «у меня есть API» и «у меня есть регламент».
Я думаю, для малого бизнеса это меняет практику по двум причинам. Во-первых, каталог давно вышел за пределы инструментов для разработчиков: по таблице в README примерно две трети строк — бизнес-SaaS вроде Google Ads, Meta Ads, GA4, Search Console, Semrush, HubSpot, Salesforce, Klaviyo, Shopify и QuickBooks. Точное число плагинов я не считал, но перекос виден глазом. Во-первых, team marketplace даёт готовый онбординг: администратор включает для каждого плагина режим Default Off, Default On или Required, и новому сотруднику не нужно объяснять двадцать правил — они приезжают вместе с плагином. На плане Teams доступен один собственный маркетплейс, на Enterprise ограничений нет.
Уверен, что про секреты стоит знать до установки: в манифесте объявляются variables по JSON Schema — имена переменных, а значения вводит администратор в дашборде (Plugins → Configure), в конфигах остаются подстановки вида ${VAR}. Для небольшой компании это ровно тот механизм, который позволяет раздать интеграцию команде, не пересылая пароли в чат.
Теперь то, что важнее звёзд. У репозитория нет лицензии: поле license в GitHub API пустое, то есть условия переиспользования кода, текста спецификации и самих плагинов юридически не определены. Если вы хотите взять официальный плагин за основу своего, это не «наверное, MIT» — это вопрос, на который должен ответить Cursor. Качество плагинов в работе мы не проверяли: ни права доступа, ни поведение при изменениях в рекламе и CRM. Ручное ревью перед публикацией заявлено в документации, но это фильтр, а не гарантия. И отдельно для читателей из России: доступность Google Ads, Meta Ads, HubSpot, Salesforce и Shopify из РФ ограничена, а плагинов для Яндекса, Метрики, amoCRM и 1С в каталоге я не видел.
Мой вывод простой: попробовать стоит, но начинать лучше с read-only интеграций и одного-двух плагинов, а не с подключения всех аккаунтов сразу.
Две критические уязвимости в HTTP/2 у NGINX: что стоит уточнить у своего хостинга
Самый полезный шаг сейчас — не паниковать, а задать хостеру один конкретный вопрос: затронуты ли его серверы и установлен ли патч. 18 ноября 2026 года Wordfence опубликовал материал о двух критических уязвимостях HTTP/2 в NGINX — CVE-2026-123007 и CVE-2026-123633. По тексту публикации обе могут приводить к удалённому выполнению кода, и там же указано, что NGINX выпустил исправления. Мне кажется, воспринимать это стоит как сигнал проверить настройки, а не как повод для срочных радикальных действий: слишком много деталей пока остаётся за кадром.
Главное, что я бы выделил, — это рекомендация самой Wordfence: владельцам сайтов на WordPress с NGINX стоит следить за информацией хостинг-провайдера о затронутости и установке патча. Звучит просто, но по сути это единственный практически полезный шаг на сегодня. Я бы посмотрел объявления и статус-страницу хостера, а если там ничего нет — написал в поддержку и спросил прямо: используется ли NGINX, попадает ли версия в указанные диапазоны и установлено ли исправление. Если вы сами обслуживаете сервер, стоит проверить версию NGINX и следить за официальными материалами проекта.
Почему это вообще заслуживает внимания: HTTP/2 во многих типовых конфигурациях включён по умолчанию, а заявленное последствие — выполнение кода на серверах, которые обслуживают сайты. Но подчеркну: это заявленное последствие по данным публикации, а не независимо подтверждённый результат. Ссылок на официальный advisory NGINX, технических деталей и оценки серьёзности в доступном тексте нет, как нет и сведений о публичном эксплойте или активной эксплуатации. Уверен, что для большинства владельцев небольших сайтов на WordPress сейчас достаточно держать вопрос на контроле и получить ответ от провайдера, а не откладывать его в долгий ящик.
Gemini API получил Tool Retrieval: агенты и сотни инструментов
Если ваш агент должен работать с десятками функций, у Gemini API появился повод для интереса: 19 ноября 2026 года Google объявила о Tool Retrieval в статусе preview. Мне кажется, главное здесь не сам релиз, а обещание, которое за ним стоит.
Google заявляет, что Tool Retrieval даёт агентам доступ к сотням инструментов. Для небольшой команды это потенциально означает более простую архитектуру: не нужно вручную упаковывать весь каталог функций в каждый запрос. Я думаю, именно в этом ценность — чем шире каталог, тем больше контекста съедают описания инструментов и тем дороже каждый вызов.
Но подчеркну: это заявление компании, а не независимо измеренный результат. Утверждение о снижении расхода токенов в материале помечено как непроверенное — ни методики замера, ни цифр в анонсе нет. Не раскрыты и механика отбора инструментов, поддержка моделей и регионов, тарифы и сроки выхода из preview.
Уверен, что смотреть на это стоит спокойно: как на preview от Google — функция существует и доступна, а количественные обещания требуют независимых тестов. Если решите пробовать, я бы советовал сначала прогнать её на своём каталоге инструментов и замерить расход токенов до и после.
Для малого бизнеса и маркетологов здесь важна не столько сама модель, сколько направление: видео становится длиннее, а генерация — дешевле. 5 ноября 2026 года Google представила Gemini Omni 1.2 Flash — по словам компании, модель генерирует и редактирует нативные клипы по 15 секунд и стоит на 30% меньше. Мне кажется, это стоит воспринимать как заявку на будущее, а не как готовый инструмент для бюджета.
Сам анонс подтверждён двумя официальными публикациями: запись в блоге Google AI датирована 5 ноября 2026 года, около 17:00 UTC, а в блоге Google DeepMind в тот же день в 17:05 UTC вышел пост с тем же заголовком — «Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips». То есть факт анонса сомнений не вызывает.
А вот дальше начинаются обещания вендора о собственном продукте. Снижение цены на 30% — самая конкретная цифра во всём анонсе и одновременно самая неполная: базовая цена, от которой считается разница, не названа, как и период сравнения. Про 15 секунд тоже без уточнений — ни разрешения, ни частоты кадров, ни наличия звука. Независимых тестов в предоставленных материалах нет.
Уверен, что стоимость и длина клипов — два ограничения, которые до сих пор мешали применять видеомодели в реальной работе, поэтому направление движения важное. Но планировать производственный процесс на основании одного анонса я бы не стал: слишком много практических деталей осталось за кадром — от разрешения до условий доступа и даты общего запуска.
Если Apple действительно сделает системного AI-агента для Mac, часть рутины — от разбора файлов до подготовки документов — можно будет закрывать без сторонних подписок. Пока же речь о публикации TechCrunch, а не об анонсе Apple.
Материал вышел под заголовком «Apple may be developing its own AI agent that runs your Mac» 20 ноября 2026 года в 00:56 UTC (в адресе страницы при этом указана дата 19 ноября). Формулировки в тексте осторожные — «may be» и «appears to be», а в качестве ориентиров для сравнения названы Meta Muse, Instinct, Claude и OpenAI Dots. На этом подтверждённая часть заканчивается: официального подтверждения от Apple нет, компания публично не анонсировала агентные функции такого рода для macOS.
Мне кажется, для небольшой команды важнее другое — приватность. Apple традиционно делает акцент на локальной обработке данных, и если агент появится, вопрос «где всё считается, на устройстве или в облаке» будет одним из первых. Уверен, что для компаний, работающих с клиентскими данными, это важнее списка функций.
При этом в публикации нет ни сроков, ни описания функций и архитектуры, ни цитат и документов. Так что я бы не встраивал эту новость в планы на год: разумно наблюдать за официальными заявлениями Apple и косвенными признаками проекта — вакансиями, документами для разработчиков, упоминаниями на презентациях.
Для тех, кто платит за токены в агентных пайплайнах, главная новость в релизе GPT‑6.2 — не формулировки про «самые сложные задачи», а цифра за кэшированный ввод: именно она чаще всего определяет счёт в конце месяца.
OpenAI представила две модели поколения 6.2: GPT‑6.2 Astra — для самых тяжёлых проектов, и GPT‑6.2 Sol — эффективную универсальную модель для повседневной работы. Обе доступны в API под идентификаторами gpt-6.2-astra и gpt-6.2-sol. Мне кажется, важнее здесь то, что Astra стоит $8 за миллион входных токенов и $40 за миллион выходных — это 80% цены предшественника, то есть на 20% дешевле. А кэшированный ввод подешевел заметнее: $0.40 против $1 за миллион токенов. Уверен, что для длинных агентных сессий, где модель снова и снова перечитывает один и тот же контекст, экономия на кэше окажется ощутимее, чем на базовом тарифе.
Стоит оговориться: характеристики моделей — это то, как их описывает сама компания, независимых замеров в доступном материале нет. Официальный анонс и прайс-лист OpenAI в списке источников отсутствуют, всё опирается на один вторичный источник. Поэтому я бы воспринимал информацию как подтверждённую с оговоркой об источнике: если планируете переводить рабочие процессы на Astra ради дешёвого кэша, сначала прогоните небольшой пилот на своих реальных задачах и сверьте фактические счета. Цена за токены — вещь проверяемая, а качество на ваших промптах никто, кроме вас, не измерит.
Decision API помогает переложить на систему повторяющиеся решения, которые вы и так принимаете по шаблону, — и освободить время для того, что действительно требует вашего внимания.
Мне кажется, лучше всего объяснить это на коротком примере. Небольшой интернет-магазин: покупатель кладёт в корзину второй товар и на секунду замирает. У магазина есть варианты — дать скидку, предложить бесплатную доставку, показать сопутствующий товар или не делать ничего. Выбор зависит от десятков мелочей: суммы заказа, истории покупателя, остатков на складе, маржи, загрузки курьеров. Человек за экраном не успеет всё это взвесить за долю секунды, а Decision API именно для такого случая и придуман: он получает описание ситуации и возвращает конкретное действие — «предложить бесплатную доставку», «показать скидку 5%», «оставить как есть».
Уверен, что ключевое здесь — тип вопроса, на который отвечает технология. Предсказательная модель говорит, что произойдёт: уйдёт ли клиент, сколько будет продаж. Генеративная — как это будет выглядеть: текст, картинка, письмо. Decisions-модель отвечает, что сделать, и обязательно учитывает ограничения и цену ошибки. Прогноз здесь только вход, а выход — конкретное действие. На практике это значит, что Decision API нужен не вместо прогнозной модели, а поверх неё.
Устроена decisions-модель, как мне кажется, довольно просто — три блока. Первый — состояние: всё, что система знает о ситуации (данные о клиенте, складе, времени, деньгах). Второй — набор допустимых действий с учётом ограничений вроде бюджета, склада, законодательства или ваших собственных правил. Третий — цель, по которой действия сравниваются: прибыль, удержание клиента, скорость обслуживания, риск. Дальше модель оценивает каждое допустимое действие и выбирает лучшее. Внутри может быть разная математика: простые правила, скоринг, деревья решений, оптимизация ограниченного ресурса, экспериментальные модели вроде «многорукого бандита» для рассылок и баннеров, обучение с подкреплением там, где важен отложенный результат.
Для малого бизнеса такие модели полезны везде, где решение повторяется. Какую скидку дать конкретному клиенту, что закупить на следующую неделю, как расставить смены, какую заявку взять в работу первой. У пекарни к вечеру остаётся часть выпечки — модель может решать, когда снижать цену, чтобы не выбрасывать товар, но и не обесценивать его днём. У небольшой студии три свободных слота на неделе — кому из ожидающих предложить их первыми, чтобы снизить риск отмен. В маркетинге поле ещё шире: кому отправить письмо, а кому лучше не писать, чтобы не выжигать базу; какой канал выбрать для сегмента; как разделить бюджет, когда данных мало. И здесь важна ещё одна вещь — модель умеет соблюдать ваши ограничения: «не больше двух коммуникаций в неделю на человека», «не тратить больше заданной суммы на привлечение».
Где легко ошибиться? Во-первых, данные и обратная связь: если модель учится на собственных решениях, она может закрепить случайность — однажды предложенная скидка «сработала» и теперь предлагается всем. Во-вторых, цель: оптимизация кликов или числа заказов не всегда совпадает с прибылью и удержанием. В-третьих, ограничения и «красные линии» лучше задать заранее и явно. В-четвёртых, объяснимость: чем проще модель, тем легче ответить на вопрос «почему система так решила», а в работе с клиентами это важно.
Я бы советовал начинать с одного-двух решений, где ошибка стоит дёшево и результат видно быстро: проверить на небольшом объёме, сравнить с текущим поведением и только потом расширять. Заявления поставщиков о точности и беспристрастности таких систем стоит воспринимать как заявления, а не как установленный факт, — проверка на собственных данных всё равно остаётся вашей задачей. Сама идея при этом простая и полезная: не гадать в моменте, а один раз договориться о цели и ограничениях — и позволить системе принимать мелкие решения по этим правилам.
Google выпустила Gemini 4 Neon — четвёртую модель серии Gemini 4 за семь недель. Для тех, кто платит за Gemini API, важнее не сама модель, а календарь: до 30 ноября на Carbon действует вводная цена, с 1 декабря она удваивается.
Что известно о Neon по данным Google: $3 за 1 млн входных токенов и $15 за 1 млн выходных, кэшированный ввод — $0.15 за 1 млн (скидка 95%), контекстное окно 1 млн токенов, четыре уровня рассуждений. Модель закрывает середину линейки — между Hydrogen и Carbon.
Отсюда и путаница в ценах. До анонса в линейке было три модели: Hydrogen, Argon и Carbon, причём Argon и Carbon стоили одинаково — $2/$10 до 30 ноября и $4/$20 с 1 декабря. Hydrogen стоит $1.50/$7.50. Пока скидка на Carbon действует, самой дорогой моделью тройки оказывается Neon: $3/$15.
После 1 декабря расклад переворачивается: Carbon подорожает до $4/$20, и Neon станет на 25% дешевле него — ровно на 25%, а не «в разы». Hydrogen при этом остаётся самым дешёвым вариантом.
Отдельно про Argon: в анонсе новой линейки его нет, но, по данным heise, он остаётся доступен через Gemini API и в Antigravity, а в приложении его место занял Neon. Цену Argon на декабрь подтвердить не удалось.
Что делать со сметой. Выходные токены у всех трёх моделей в пять раз дороже входных, поэтому сокращение ответа экономит больше, чем смена модели. Второй рычаг — кэш ввода со скидкой 95%: при повторяющемся промпте он даёт больше, чем выбор между Neon и Hydrogen.
Одна оговорка. Утверждение, что Hydrogen после удвоения цен конкурентов будет стоить «вчетверо дешевле», с подтверждёнными цифрами не сходится: $1.50 против $4.00 — около 37,5%, а не четверть. В смету берите прайсы, а не пересказы.
Necessary cookies keep the site working and secure: sign-in, form protection, language, theme and others. Yandex Metrica analytics cookies and Yandex Advertising Network ad cookies are enabled only with your consent. By clicking “Accept all” you give consent to processing of cookie data; see the Personal Data Processing Policy for details.