Игорь Гуламов в подкасте cp0x №21 — баг в Plasma, ZeroPool и SavantChat

cp0x подкаст №21 («Пепперони Шоу»), декабрь 2025 — Игорь Гуламов о баге в Plasma, истории ZeroPool и SavantChat, о состоянии ZK, будущем AI и аудитов. Оригинал: https://www.youtube.com/watch?v=2B2Sj2vh450

Ведущий: Всем привет, подкаст cp0x №21. Сегодня у нас в гостях Игорь Гуламов — технический кофаундер SavantChat и технический кофаундер ZeroPool Network. Привет, Игорь.

Игорь Гуламов: Привет.

Ведущий: А помогать мне сегодня вести подкаст будет мой соведущий. Привет!

Ведущий 2: Привет-привет.

Ведущий: Игорь, я попытался чуть-чуть поискать информацию о тебе в интернете — её, честно скажу, не так много. Нашёл всего несколько докладов и пару небольших страниц. Расскажи, пожалуйста, о себе. Чем занимался до крипты? Как в неё попал?

Игорь Гуламов: До крипты я учился в аспирантуре, и ещё у меня был небольшой проект по дистрибуции инсталлов — там были контракты с какими-то антивирусами, их распространяли. А по науке — физика высоких энергий.

Ведущий: А это какой университет, если не секрет?

Игорь Гуламов: МГУ.

Ведущий: Физфак?

Игорь Гуламов: Да.

Ведущий: Интересно. И как ты с физфака попал в крипту? В криптопространстве почему-то очень много физиков.

Игорь Гуламов: Да, потому что в криптографии важна теория групп, особенно если это эллиптические кривые — там без теории групп вообще никуда. В SNARK это тоже очень полезно. Поэтому здесь много физиков, которые строят свои крутые штуки. Попал я в крипту в 2017 году. Тогда Петя Королёв собирал команду BANKEX Foundation и привлекал туда много людей, которые позже построили известные большие проекты. Многие тогда прошли через BANKEX Foundation.

Ведущий: Кстати, не знал, что эту тусовку собирал Петя Королёв. Мы уже несколько раз на последних подкастах слышали про BANKEX, и ты, видимо, тоже оттуда.

Игорь Гуламов: BANKEX Foundation сыграл большую роль. Это было отдельное подразделение — не сам BANKEX, оно сильно отличалось по тому, какие там были люди. Выходцы оттуда — это, например, Matter Labs, Tornado Cash. Я тоже работал в BANKEX Foundation, писал первые смарт-контракты на Solidity, потом занимался плазмой. Нашёл в плазме уязвимость. Был на самом последнем Plasma Call. Но к этому мы ещё вернёмся.

Ведущий: Расскажи тогда про BANKEX Foundation. Как всё произошло? Откуда Петя Королёв тебя знал, какое было предложение? Ты, получается, останавливаешь физику и идёшь смотреть на эту интересную штуку?

Игорь Гуламов: Мы когда-то вместе учились в СУНЦ МГУ, в одном классе, общались. И вот я узнал, что Петя собирает команду, поговорил с ним. Мне показалось, что то, что он делает, интересно. Я тогда думал, куда идти — в крипту или в AI. Решил пойти в крипту.

Ведущий: Не жалеешь сейчас?

Игорь Гуламов: Нет, не жалею. Потому что AI долгие годы был тем, с чем, чтобы работать эффективно, нужно было быть большой корпорацией и строить какие-нибудь корпоративные рекомендательные системы, которые показывают баннер на 5% лучше, чем у конкурентов. Это скучно, так что вообще не жалею.

Ведущий: И там, в BANKEX, у вас собралась суперсильная команда, и вы в основном делали ресёрч?

Игорь Гуламов: Да, мы делали ресёрч по скейлингу Ethereum. Ещё саппортили BANKEX по части Solidity-разработки, ездили по хакатонам — там были хорошие результаты. Собственно, на хакатоне в Сингапуре зимой с 2018 на 2019 год я рассказал про архитектурный баг, который нашёл в Plasma Prime. Он касался вообще всех плазм такой архитектуры. А Plasma Prime за несколько месяцев до этого анонсировали на главной сцене в 2018 году.

Ведущий: Расскажи тогда нашим более продвинутым слушателям про этот баг — в чём он заключался. Эту тему мы, кажется, уже обсуждали на каком-то подкасте, но без подробностей: просто прозвучало, что кто-то из русскоязычной команды нашёл баг, и после этого плазма накрылась. Видимо, это как раз ты, и ты — правильный человек, кого про этот баг спрашивать.

Игорь Гуламов: Хорошо. Плазма — любая плазма — это оптимистическая структура. Что значит «оптимистическая»? Это значит, что туда криптографические коммитменты может отправлять кто угодно и сколько угодно, но потом есть некая игра, в которой можно победить, если всё работает по правилам протокола. А если кто-то что-то нарушает — его штрафуют. И я обнаружил, что там можно делать сплиты, то есть создавать дополнительные ветки, а это очень плохо для протокола. На ethresear.ch есть разбор, он очень старый, но он там есть, его можно почитать.

Ведущий: Можешь в двух словах сказать, что именно ломается?

Игорь Гуламов: Окей. Вся суть — в теории игр. На каждое неправильное действие был способ оштрафовать того, кто его совершил, и это стимулировало протокол работать правильно. И не только штрафовать, но и находить правильный консенсус. А я обнаружил, что там можно делать сплиты — что после определённого одного состояния можно считать правильным и одно, и другое состояние. Это очень плохо, потому что тогда кто-то может держать состояние приватно, не показывать его всем, а потом вдруг предъявить альтернативную ветку чейна, которая тоже длинная, тоже имеет ценность, и невозможно доказать, что она чем-то хуже правильной.

Ведущий: Если переводить для менее продвинутого пользователя: то есть можно сделать ветку, где у тебя другое состояние — например, больше денег. А какое состояние правильное — то, которое все считают правильным. И там у тебя, видимо, больше денег.

Игорь Гуламов: Да, можно сделать так: продать в одной ветке свои активы, а потом сказать, что это неправильно и надо всё вернуть назад.

Ведущий: Окей, ты это нашёл. Что дальше? Сразу написал статью и опубликовал или сначала кому-то рассказал?

Игорь Гуламов: Я обсудил это на ethresear.ch с Виталиком, потом ещё на встрече в Сингапуре, потом на том самом последнем Plasma Call.

Ведущий: И что сказал Виталик? Он согласился, просто проверив, всё ли валидно в доказательстве?

Игорь Гуламов: Да, там несложное доказательство. Сама структура довольно громоздкая в плане теории игр, но если найти в ней дыру, то у этой дыры довольно небольшое описание. Это не тот случай, когда должны сойтись много маловероятных факторов. Там достаточно простой набор действий, который нужно совершить, чтобы это проэксплуатировать. Найти это было непросто, но проверить — уже просто. У меня не было цели заниматься багхантингом; я работал скорее над тем, чтобы такой протокол построить. Но сама структура протокола говорит о чём? Что операторы или пользователи плазмы могут делать что угодно, потому что это оптимистический протокол. И задача того, кто конструирует протокол, — придумать такую теорию игр, которая независимо от того, что будет делать вредоносная часть участников, найдёт консенсус, найдёт истину и оштрафует злодея. Это такая игра. А я нашёл способ, как злодей может в эту игру выиграть. То есть это был не security research как таковой — само производство подобных протоколов и есть такая игра, в которой добро всегда должно побеждать зло. А если так не получается, то такой протокол нельзя выпускать, потому что он дырявый.

Ведущий: В принципе, на похожих играх стоят и все оптимистичные штуки — тот же Optimism, Arbitrum и так далее.

Игорь Гуламов: Да, но там, в отличие от плазмы, данные хранятся где-то ещё. Основное отличие оптимистических роллапов от плазмы в том, что у них есть L1, который хранит данные и гарантирует, что они доступны, что их никто не скрывает. Потому что в той уязвимости основная проблема была именно в том, что появляется скрытая ветка, о которой до поры до времени никто не знает, а потом она становится истинной.

Ведущий 2: Можно я здесь спрошу? Мне стало непонятно. То есть проблема даже не в том, что два разных состояния оказываются валидными, а именно в длине этих веток?

Игорь Гуламов: Если ветки доступны, публичны, то в консенсусе всегда можно сказать: «Вот я нашёл две ветки, вот Merkle-proof одной, вот Merkle-proof другой, они обе валидны — такого быть не должно». Значит, ту ветку, у которой, условно, nonce поменьше или хэш какой-нибудь, нужно штрафовать. Если мы делегируем хранение и доступность данных на L1, мы всегда так можем сделать, потому что данные доступны. А в плазме этого не было. Плазма — это протокол, в котором считается, что оператор может вдруг всё скрыть, и игра должна быть устроена так, чтобы нормально обработать этот сценарий.

Ведущий: Окей, технических подробностей, наверное, достаточно. Расскажи, что было дальше. Ты пришёл на Plasma Call, показал последовательность действий, при которой злоумышленник побеждает. И что? Все разошлись? Там же были компании, которые подняли деньги под построение плазм, были разные имплементации.

Игорь Гуламов: Такого не бывает. Во-первых, были и другие плазмы, но у всех были проблемы. А та плазма, в которой я нашёл баги, считалась решением этих проблем — но оказалось, что не решением. Естественно, никто не разошёлся, все пошли ресёрчить дальше. Потом выяснилось, что плазмы не получаются. Причём большая часть плазм не случилась не потому, что они прямо невозможны, а потому что они неудобны. Причина примерно того же рода, почему обычно транзакции совершают каким-нибудь USDT на TRON или на Binance, а не биткоином. Потому что на TRON и в USDT это удобно. Соответственно, люди пошли ресёрчить дальше, потом Карл построил Optimism, и у них всё хорошо.

Ведущий: А как продолжился твой путь после этого? Стал ли этот момент для тебя каким-то звёздным часом?

Игорь Гуламов: Я не делал на этом персональный бренд, не пиарил это. Я считал, что это было начало криптозимы, всем и так было тяжело. Это была проблема всех, кто был частью криптосообщества, — те 15 транзакций в секунду в Ethereum и ещё меньше в биткоине. Мы думали, как это починить. Пиариться на этом было бы бесполезно для технологий: это был бы сигнал людям, что масштабирование не работает. Естественно, я не стал этим заниматься — зачем? А то, что дальше люди начали отстраиваться, — это на самом деле большой, долгий путь. Сотни транзакций в секунду и больше мы увидели только через пару лет.

Ведущий: Но по факту ты здесь единственный, кто мог получить прямую прибыль, а вместо этого становишься жертвой ради общего блага. И несёшь в этой игре самый большой убыток.

Игорь Гуламов: Ну как? Я сделал коммитмент ресёрч-сообществу о том, что баг есть. Мы работали над тем, чтобы починить баги и построить что-то лучше, чем есть. Это была история больше про технологии, а не про деньги или широкое признание. А узкое признание — особенно в том комьюнити, которое было в те времена, — работало так: code is law. Чтобы что-то решать на самом высоком уровне, не нужен был social trust, нужно было просто найти, показать и описать баг. Всё было совсем не так, как сейчас.

Ведущий: Раз ты это затронул — расскажи, что изменилось с тех времён.

Игорь Гуламов: Нарративы. Люди, которым в блокчейне главное — заработать. Маркетинг, который задвигает инженеров. Вот мне буквально на прошлой неделе одна инфлюенсерка сказала, что таких, как я, десятки — в нехорошем смысле. Я-то понимаю, что «десятки» — это первая страница CoinMarketCap. Но там было другое. И что то, что я делаю, бесполезно. Бывает такое.

Ведущий: А с чего она вдруг решила тебе это рассказывать?

Игорь Гуламов: Это скандалы, интриги. Скажу её ник в твиттере — она получит от меня ещё 10–20 подписчиков. Не скажу — пусть идут ко мне в твиттер и на меня подписываются.

Ведущий: Возвращаемся к плазме по таймлайну. Ты ресёрчил, как и другие в команде. И со стороны, кстати, не было понятно, что плазма умирает. Видимо, и вы не думали, что она умрёт, — думали, найдётся какая-то рабочая имплементация. Что было дальше? Как я понимаю, одни искали имплементацию, а чем был занят ты? Ты говорил, что тогда не был багхантером — вы пытались построить свою плазму. Когда стало понятно, что не получается, что происходило в твоей карьере дальше?

Игорь Гуламов: Моя история с плазмой связана с BANKEX Foundation. И буквально через месяц BANKEX Foundation закончился — там была хорошая история с фондами, именно с местным BANKEX Foundation. Дальше я пошёл заниматься снарками, потому что снарки развивались. Одно из направлений было по масштабированию, связанному со снарками, и по прайваси. Я увидел определённый спрос на то, что я умею делать по прайваси со снарками. И около года я работал над тем, чтобы внедрить снарки и прайваси в Waves. Мы сделали precompile для снарков. А уже потом, в рамках ZeroPool, намного позже, мы делали смарт-контракты, которые используют снарки и могут совершать анонимные транзакции. Но это я сильно забегаю вперёд — это уже не 2019–2020 год, это после 2021-го. В Waves были первые, довольно мутные прототипы того, как делать анонимные транзакции. Там был прототип confidential-транзакций — это когда граф транзакций публичен, а сами балансы скрыты. То есть есть два уровня приватности: первый — скрыть только суммы, второй — скрыть ещё и то, кто кому переводил.

Ведущий: Насколько я знаю, до сих пор на EVM у нас нет ничего такого. И я только что вспомнил — недавно услышал воркшоп, где кто-то говорил, что они вот-вот делают этот уровень анонимности, когда скрыты только суммы. Забыл, кто.

Игорь Гуламов: Такое делали, например, в Aztec: скрывались только балансы, а граф транзакций — нет. Это намного проще, чем скрывать и граф транзакций. Сейчас это вообще делается элементарно. Можно взять даже FHE, хотя, мне кажется, FHE — это чересчур: более тяжёлая технология, которая для другого. Но сейчас можно и её полностью использовать. Можно и обычную криптографию для этого зашипковать. По-разному можно. Проблема не техническая. Сейчас всё это сделать можно — хоть на mainnet раздеплоить. Другие протоколы, которые есть или которых уже нет, упираются в основную проблему — регуляторную. Регулятору не нравятся анонимные транзакции, а не то, что их сложно сделать. Сложно было сделать раньше. Когда мы начинали ZeroPool, в конце 2019-го — в 2020-м, это было сложно: массовым решением для снарков был Circom, который работал на сервере Node.js, а Rust-стек Fawkes-Crypto тогда был ещё не самым понятным. Первый протокол мог на мобильном телефоне доказывать что-то больше пяти минут, и это было не в браузере, а именно в приложении. Это было медленно. А если использовать самую первую JavaScript-реализацию, то она просто превращала телефон в аппарат для нагрева рук зимой. Такое невозможно было использовать в продакшен-клиенте. А на клиенте это нужно, потому что если делегировать доказательство на сервер в облако, то теряется приватность.

Ведущий: Я тут чуть-чуть ворвусь — хочу вернуться в таймлайне. Правильно я понимаю, что потом ты работал в Waves и реализовывал там снарки? И вы всё сделали, имплементация анонимных транзакций со скрытыми суммами была готова, но в прод её не завели из-за регуляторных вещей. И в какой-то момент ты решил: всё, покидаю Waves и пойду делать своё. Плюс-минус так?

Игорь Гуламов: Не совсем. Сначала я делал это только в Waves, но потом увидел спрос от разных блокчейнов — от Ethereum, от Near Protocol. И решил делать это в рамках отдельной компании, потому что технология, снарки, — она одинаковая везде. Основная задача — прикрутить эти снарки: нужно прекомпайлы написать, потому что математика эллиптических кривых должна быть эффективной и работать близко к железу. Если писать спаривания на эллиптических кривых прямо на Solidity, то блок не влезет и по газу будет совсем дорого — недёшево, даже если исполнять это в предкомпилированных контрактах. Соответственно, как это было: в Бостоне в 2019 году мы с командой сделали первый прототип ZeroPool. Он был на Circom, работал на клиенте с большими тормозами — доказывал несколько минут, но работал. Первую транзакцию на нём в Ethereum мы совершили, скорее всего, раньше Tornado — с полностью скрытым графом транзакции. После этого часть команды ушла в 1inch. А я вместе с Александрой продолжил строить ZeroPool.

Ведущий: А можешь сказать, кто тогда ушёл в 1inch?

Игорь Гуламов: Никита Козлов, Артём Воробьёв, Кирилл Кузнецов.

Ведущий: Понятно, эти имена я знаю.

Игорь Гуламов: Ага.

Ведущий: А ты вместе с Александрой пошёл делать ZeroPool. Расскажи, как это рождается? «Всё, решаю дело своё, поднимаю раунд». Это же большой шаг — уйти из найма в своё дело.

Игорь Гуламов: Я предприниматель. В найме я за всю жизнь проработал в сумме около года. Для меня большим челленджем было вообще пойти в найм — в BANKEX Foundation. И большая благодарность Пете за то, что он организовал эту структуру так, что это было несложно: там не было корпоративного буллшита и всего этого. Можно было встроиться, и ничего не мешало.

Ведущий: То есть работа в Waves и другие ваши штуки — это всё была контрактная история? Или как?

Игорь Гуламов: Да, это была контрактная работа. Я был там кем-то вроде внештатного сотрудника, работал как подрядчик, не в штате, занимался только open source. У меня был принцип, что весь код, который я пишу, должен быть open source под лицензией MIT или Apache 2.0. Я так делаю до сих пор. Единственное, что я так не делаю, — это coin-salad, потому что это опасно: если его выложить в open source, это может многим принести ущерб, а я этого не хочу.

Ведущий: Окей, тогда перейдём к ZeroPool. Что это такое? Мы уже узнали, что там есть прекомпайлы и снарки. Если я где-то ошибаюсь — поправляй, потому что я, честно, ZeroPool толком не трогал. Что происходило в ZeroPool и что происходило в это время в твоей жизни?

Игорь Гуламов: ZeroPool — это privacy engine, то есть ZK-схема, zero-knowledge-программа, которая умеет доказывать анонимные транзакции. В стиле Zcash: есть некое множество транзакций, и мы доказываем, что тратим что-то из этого множества и что оно не было потрачено раньше. На таких доказательствах строятся все похожие протоколы. Мы стали на Rust разрабатывать собственный API для SNARK, потому что никакого API не было. Это сейчас есть много решений, а тогда были только Circom и ZoKrates — они были очень тяжёлые и работали только на мощных серверах. Мы сделали на Rust и добились того, чтобы оно работало в браузере на мобильном телефоне — даже не на десктопе.

Ведущий: Давай остановимся. ZeroPool — это вообще что? Какая это сущность: приложение, блокчейн, сервис?

Игорь Гуламов: Это технология анонимных транзакций. Она состоит из нескольких компонентов. Смарт-контракт — он на каждом чейне свой. Precompiles — их нужно отдельно разрабатывать, потому что они были только у Ethereum, больше ни у кого. И SNARK — он одинаковый у всех. Именно в SNARK основная ценность, потому что его нужно было писать на Rust почти с нуля. Не было готовых способов взять схему и скомпилировать из неё программу, которой все могли бы пользоваться. Мы всё это сделали, сотрудничали с Polkadot, Near, Waves и Ethereum. В Ethereum precompiles были, в Waves мы их сделали, в Near мы их сделали. Сейчас, если в Near что-то zero-knowledge и оно что-то доказывает, то в верификаторе используется наш код. В Polkadot мы сделали приватность. Это более низкоуровневая структура, чем смарт-контракты в экосистеме.

Ведущий: Давай коснёмся вашей структуры. Сколько людей в этот момент работало над ZeroPool? Какие у вас были отношения с фондами — контрактная основа или вы делали open source, а они давали гранты?

Игорь Гуламов: Мы делали open source, а они давали гранты.

Ведущий: Сколько человек было в команде?

Игорь Гуламов: В разное время 4–6 человек, не больше.

Ведущий: Сколько из них инженеров?

Игорь Гуламов: Кроме одного человека — все инженеры. Александра всё это время тащила неинженерную часть. Это был довольно большой объём: гранты, а ещё сложная работа с теми людьми и организациями, которые были бы рады втянуть нас в какую-нибудь историю, в которую мы не хотели ввязываться. Потому что анонимные транзакции — это технология с самыми разными назначениями, и не со всеми этими назначениями мы хотели быть хоть как-то связаны.

Ведущий: Понятно. Короче, Александра защищала вас от всякой движухи и, условно, тюрьмы, куда вас постоянно пытались тянуть.

Игорь Гуламов: Да, и благодаря её работе я сейчас могу что-то рассказывать на этом подкасте без ограничений в своей жизни. К сожалению, не у всех так.

Ведущий: Действительно, уместно вспомнить Tornado Cash — Алексей Перцев, по-моему, сейчас под домашним арестом, а Роман Шторм, насколько я знаю, до сих пор ждёт решения суда. С моей стороны — всяческие лучи поддержки ребятам. Надеюсь, они победят эту ситуацию и выйдут из неё свободными людьми, без обязательств где-то находиться.

Игорь Гуламов: Да, я полностью и целиком поддерживаю ребят. Основная беда в том, что регуляторы уже нанесли очень много ущерба: годы жизни, здоровья и прогресса были потрачены на борьбу с чиновниками вместо того, чтобы делать замечательные и интересные вещи. И Tornado Cash потеряли от этого больше всех, потому что атака была направлена на них. Но если посмотреть на самый успешный анонимный протокол — Aztec Network, — я сейчас не могу взять и анонимно перевести через него средства с одного адреса на другой. У них есть какой-то по счёту testnet; возможно, менее публично они делают интересные вещи. Но из-за той ситуации, в которую регуляторы поставили отрасль, сейчас нельзя широко развивать эту технологию. И это касается всех.

Ведущий: Здесь не могу не коснуться: у Aztec Network буквально вчера, относительно записи, завершился сейл. Не знаю, когда эта запись выйдет в эфир. И это уже, насколько я знаю, совсем другой продукт по сравнению с тем, что Aztec делал раньше. Я даже помню ту имплементацию, где действительно были скрыты суммы переводов. Раз уж мы перешли на Aztec — можешь рассказать, что там сейчас, что осталось от приватности и от ZK, если ты в курсе?

Игорь Гуламов: Я не очень глубоко в курсе по их последнему протоколу, но, насколько знаю, они с помощью своего DSL, Noir, делают приватные смарт-контракты. То есть фокус не столько на транзакциях, сколько в целом на вещах, которые можно сделать анонимными при помощи zero-knowledge.

Ведущий: То есть это анонимность на уровне смарт-контрактов. Глубже, наверное, не будем. Возвращаемся к ZeroPool. Когда вы его создавали, изначально была мысль сделать его коммерчески выгодным продуктом? Или это был чисто ресёрч, которым тебе было интересно заниматься, — такой зонтик над деятельностью на разных блокчейнах?

Игорь Гуламов: Мне было интересно этим заниматься — и сейчас интересно. Естественно, изначально мы хотели сделать продукт, но потом появились документы и прецеденты, которые мешали делать из этого продукт с большим числом пользователей. Мы даже стали брать под пулы инвестиции — хотя в 2021 году были времена, когда несколько человек в неделю хотели проинвестировать. Но мы понимали, что по регуляторным причинам можем сделать из этого не продукт, а технологию — вынужденно доступную всем в open source. Поэтому ZeroPool финансировался на грантовой основе, а не на инвестиционной. Потому что грант — это обязательство сделать технологию, которой все могут пользоваться.

Ведущий: Понятно. То есть ZeroPool столкнулся с регуляторной реальностью, и это не позволило ему вырасти в продукт, оставив на стадии open source-кода, который можно использовать в разных блокчейнах. Плюс-минус так?

Игорь Гуламов: Да, всё абсолютно правильно.

Ведущий: Перед тем как перейти к твоему нынешнему продукту и к теме AI, хотелось спросить про ZK. Ты явно эксперт — думаю, в топ-15 экспертов по ZK в блокчейне ты входишь. Дай, пожалуйста, экспертный обзор: что сейчас происходит с ZK в крипте? И, может быть, затронь, почему так долго в Ethereum вводят precompiles для ZK, которые, как я понимаю, всё бы сильно облегчили. Но сначала — общий обзор ZK на данный момент.

Игорь Гуламов: ZK очень сильно развивается, протоколы живы. Опять же, говоря про ZeroPool: это не sunset, ZeroPool жив, мы поддерживаем технологию, и люди ей пользуются — есть проекты, которые используют наш код. В целом ZK сейчас намного производительнее, чем несколько лет назад. Год назад появился способ гораздо быстрее доказывать FRI. Несколько лет назад был прорыв — использовать короткие поля с расширениями вместо длинных полей. ZK развивается как технология. Проблема в чём? Слышно больше всего нарратив, а нарратив — это какие-нибудь prediction-маркеты или NFT-трейдинг. Для этого ZK не нужен. Если использовать технологии optimistic stack, можно построить десятки тысяч транзакций — для этого ZK не нужен. ZK позволяет делать реально тяжёлые протоколы. У нас год назад был ресёрч-проект, был доклад об этом: можно сделать роллап, использующий технологии, похожие на Filecoin, но с доработками. Некоторые технологии похожи на storage, но с хранением данных не через репликацию, а через коды Рида — Соломона, консистентность которых тоже можно доказывать снарками. В итоге роллап может криптографически доказывать, что сеть хранит данные, и класть свои блоки в этот пул данных. Это может быть очень большой пул — как у Filecoin, а можно и больше. То есть, в принципе, можно сделать не только кастер-хранилище, но и какой-нибудь Web3-YouTube, у которого гарантия надёжности хранения каждого видеоролика будет как у транзакции в Ethereum. Просто сейчас на это нет продуктового спроса. В этом, наверное, основная проблема. Но технология мощная, она позволяет делать очень крутые штуки. Один из барьеров — сложность разработки. Но я, кстати, верю, что искусственный интеллект тут тоже может помочь. Долгое время была проблема: все делали кастомный DSL, на котором почти никто не мог программировать. У Matter Labs был свой DSL; StarkWare, вложив огромные ресурсы, всё-таки научили людей программировать на Cairo — это была совсем непростая история с адопшеном. С тем же сейчас сталкивается и Aztec: не знаю, сколько сейчас программистов на Noir. А искусственный интеллект может помочь тем, что на определённом этапе своего развития он окажется способен учить экзотические языки программирования проще, чем люди, — и тогда эта проблема уходит. Сейчас один из подходов — это ZKVM: чтобы не учить людей программировать на кастомных языках, они программируют на Rust и доказывают через ZKVM. Всё бы хорошо, но ZKVM очень плохо умеет доказывать ZK-нативную криптографию без специальных экстеншенов. А это плохо, потому что нам нужны подписи, нам нужны доказательства от SNARK. Да, ряд ZKVM имеет для этого инструменты, но они не очень удобны. Каких-то удобных инструментов, из которых хороший разработчик мог бы просто взять и написать какую-нибудь рекурсию или, не знаю, MapReduce на SNARK, сейчас нет. Думаю, всё впереди. С чем-то поможет развитие криптографии, с чем-то — искусственный интеллект, с чем-то — развитие протоколов.

Ведущий: Можешь назвать имена протоколов или людей, за кем стоит следить в ZK, кто, на твой взгляд, на переднем крае технологии?

Игорь Гуламов: Стоит следить за командой Polygon Miden — там есть Дэниел; за Polygon в целом; и за Джорди — тем, который создал Circom. Он ушёл в отдельную компанию, название сейчас не вспомню.

Ведущий: Надеюсь, мы найдём их твиттеры или гитхабы и напишем в шоу-ноты, потому что я, например, никого из этих ребят не знаю. Ну что, перейдём поближе к нынешнему продукту. Происходит эволюция AI. Где она тебя застала? Как ты понял, что что-то изменилось? И как произошла твоя постепенная трансформация из ZK в сторону AI?

Игорь Гуламов: За технологиями я слежу давно. Ещё в начале десятых я читал Курцвейла и Винджа и понимаю, к чему всё идёт. Совсем плотно я стал следить, когда начали выходить первые генераторы картинок — ещё те, с собачьими мордами повсюду. Это было до 2022 года, где-то в 2020–2021-м. И когда вышел GPT-3.

Ведущий: Тут я ворвусь. Интересно, как к таким людям, как ты, которые глубоко в теме, попадает эта информация? Ты узнаёшь из статей? Из твиттера, из какой-то медиа?

Игорь Гуламов: В основном Reddit. Reddit, твиттер.

Ведущий: То есть оно проникает через Reddit и твиттер?

Игорь Гуламов: Да. Плюс, поскольку я работаю с моделями, естественно, GitHub. Но я не обучаю foundation-модели, поэтому какую-то новую информацию от их разработчиков получаю на общих основаниях. Возможно, я знаю какие-то более быстрые каналы, где информация раньше скапливается, так что новость про релиз DeepSeek может дойти до меня через несколько минут после публикации. Но приватных каналов у меня нет. Ещё у меня были задачи по аудитам — я занимался аудитами смарт-контрактов и снарков.

Ведущий: Индивидуально или в рамках какой-то компании?

Игорь Гуламов: Индивидуально. Это была такая сайд-деятельность. Основной для меня был, конечно, zero-knowledge, но, поскольку это технологии, требующие больших компетенций в смарт-контрактах, теории игр и криптографии, людям нужны были аудиты — они приходили, и я за это брался. Почему? Потому что я считаю, что аудиты — это второй после хакатонов способ понять, какие клёвые технологии сейчас появляются в отрасли: на аудиты приходят новые протоколы с интересными вещами.

Ведущий: Раз ты уже не первый раз упоминаешь хакатоны — давай на них отвлечёмся. Как ты, как участник, узнаёшь о новых технологиях? За счёт того, что видишь чьи-то призы, или чужие идеи на награждении?

Игорь Гуламов: Хакатон — это когда ты туда приходишь, и сама постановка задачи в том, чтобы взять самые новые технологии и сделать из них прототип чего-нибудь. Естественно, если с этими технологиями поработать, а не просто прочитать про них, то получаешь гораздо более глубокое понимание.

Ведущий: То есть помогает именно руками попробовать технологию, о которой ты только что где-то прочитал.

Игорь Гуламов: Да, именно так.

Ведущий: Возвращаясь к аудитам: у тебя были аудиторские задачи, и в какой-то момент — что?

Игорь Гуламов: У меня довольно большой опыт. Личный бренд именно как аудитор я не строил, потому что мне интереснее строить, но это была довольно активная сайд-деятельность. И у меня было несколько интересных задач по аудитам, которые я, начиная с выхода GPT-4, давал нейросетям. И они не решались. Всё изменилось в феврале 2025 года, когда вышел DeepSeek. DeepSeek с минимальными подсказками справился с одной простой задачкой. Там была имплементация ERC-20-токена, в котором при трансфере использовалось кэширование данных. Смысл в чём? При self-transfer баланс удваивался, потому что он сначала писал в память баланс, уменьшенный на дельту, а потом переписывал его, увеличенным на дельту, — вот таким образом. И такие простые математические баги DeepSeek научился находить — с подсказками, но научился. И я понял, что нужно делать AI-решение по аудитам смарт-контрактов, потому что за этим будущее — и оно уже может. Были и другие проекты, но они использовали нейросети от OpenAI, а у них очень малая креативность. Это неплохо для ряда задач, но для поиска векторов уязвимости — плохо. Продукты на основе этих нейросетей могут, например, сверять документацию с кодом, но творчески найти интересный вектор они не могут. И мы стали делать SavantChat — с самого начала на основе самых разных нейросетей, которые укладывали в один пайплайн. У нас есть блок генерации гипотез, где за счёт промпт-инжиниринга, температуры и ряда факторов достигается, чтобы нейросеть работала в максимально творческом режиме. Потом есть саб-агент — фильтр гипотез, который отсеивает галлюцинации и ложные гипотезы. Потом идёт дедупликация: если мы нашли что-то одинаковое или похожее, то убираем дубли, оставляем в отчёте только ценные данные и отправляем репорт команде, которая сканировала смарт-контракт.

Ведущий: В целом понятно, но давай чуть-чуть погрузимся. Про промпты и их задание, думаю, слышал почти каждый, а вот про температуру — немногие. Можешь рассказать, что это и почему важно? И заодно: сколько моделей у вас под капотом, как между ними всё распределяется, и какие ещё настройки, кроме промпта, вы там меняете?

Игорь Гуламов: Температура — это один из параметров использования модели. При низкой температуре всё максимально предсказуемо, при высокой — менее предсказуемо, модель выдаёт более творческий результат, но при этом может галлюцинировать, вообще ломаться и зацикливаться. То есть высокая температура — это способ заставить модель думать по-другому: более творчески и менее стабильно.

Ведущий: Кому-то это даже немного напоминает людей, нет?

Игорь Гуламов: Немного похоже, да. При совсем высокой температуре у модели могут быть артефакты: она может найти слово, которое ей понравилось, и написать его потом тысячу раз. Так что кое в чём похоже на людей.

Ведущий: Вопрос, который возникает у многих слушателей: а где в наших клиентах можно покрутить эту температуру?

Игорь Гуламов: Можно, например, в AI Studio от Google (Gemini) — это такой более инженерный чат, где можно настраивать и системный промпт, и температуру, и длину рассуждений, и так далее. Если тебе нужен именно чат как продукт, туда лучше не идти, но чтобы пощупать API как есть — как он используется в приложениях и агентах, — это идеальный вариант. OpenAI от температуры отходит, но, поскольку у них самые творческие модели и люди их для этого используют, особых проблем нет. Китайские модели все поддерживают температуру — DeepSeek, Moonshot. Кстати, очень интересный феномен, что Китай — самое свободное государство в смысле свободы технологий по искусственному интеллекту — сделал для этого очень много. Говоря о компонентах SavantChat: у нас есть генерация гипотез, где используются модели, у которых всё хорошо с креативностью, вроде Gemini, с максимальной температурой. Ещё важный момент — работа с документацией. SavantChat сейчас вынимает документацию из HTML, GitBook, Markdown, PDF, причём включая картинки. Из документации мы строим RAG-базу, и релевантные куски попадают модели, чтобы она лучше генерировала гипотезы и лучше понимала, что вообще происходит. Потому что очень частая причина плохих результатов — модель не понимает, что происходит, делает неверную гипотезу, и результат получается неоптимальным.

Ведущий: Давай притормозим, я попробую сформулировать, а ты скажешь, так это или нет. По факту SavantChat — это, в некотором смысле, команда аудиторов, где нужны разные люди с разными умениями. Одна часть должна брейнштормить и накидывать идеи, как можно поломать проект или смарт-контракт. А другая, наоборот, должна быть куда более устойчивой, тщательно изучить документацию, проверить, возможно ли это по документации, и отработать идеи, которые придумала первая часть, — какие тут возможны кейсы и что произойдёт.

Игорь Гуламов: Плюс-минус так, да. Документацию мы даём и той модели, которая брейнштормит, — может быть, чуть меньше, но достаточно, чтобы она не выдумывала лишнего. Потому что без документации модель очень часто начинает фантазировать. Ещё мы делаем по коду архитектурные документы при помощи моделей: модели смотрят на код, изучают, какими путями идут данные, как работают ветки, какие могут быть пользовательские сценарии. Это тоже идёт вместе с документацией — не только той, что от протокола, но и той, что мы генерируем. Потом на фильтрацию идут модели с низкой температурой, которые могут устойчиво, по шагам, проверить весь ход рассуждений креативной модели и найти в нём ошибки. Потом мы удаляем дубли и формируем репорт.

Ведущий: Вопрос: модели, которые вы используете, специально натренированы на смарт-контрактах или это публичные версии? Меня интересует натренированность. А если это локальная модель, то что в ней происходит?

Игорь Гуламов: Мы используем публичные модели, коммерческие. Вся индустрия AI в разработке ПО использует публичные модели.

Ведущий 2: Почему?

Игорь Гуламов: Потому что сами производители моделей тренируют их на написании кода, а Google — ещё и на написании научных статей. То, для чего мы их используем, — это смежное направление. Вот Cursor обучил свою модель Composer — она не была state-of-the-art-релизом, а после этого вышли Gemini 3, Claude Opus 4.5, и она теперь совсем не state-of-the-art. А у нас маленький стартап, а не гигант. Мы не можем обучать foundation-модели, которые были бы настолько эффективны, — да и, скорее всего, объём аудитов недостаточно большой, чтобы имело большой смысл дообучать на них foundation-модель. Мы используем in-context learning: собираем базы данных по уязвимостям — это всё есть, — но самый интересный value получается, когда модели работают не по базе, а тратят много reasoning и придумывают что-то новое. Это очень похоже на гугловский Deep Research. У Google весной было решение по научным статьям, а сейчас есть решение по поиску багов — но не для смарт-контрактов, а более general. Оно менее дорогое по количеству качественного инференса и рассчитано на обычный код, а не на блокчейн. Но в целом направление похожее. Мы тратим реально тысячи, десятки тысяч запросов, в сотню потоков: во всех интересных точках кода запускается AI-агент и исследует этот участок на уязвимости. То есть мы делаем много всего: промпт-инжиниринг, RAG, оптимизацию, подбор моделей и пайплайнов. Это сложные, разветвлённые пайплайны — направленный циклический граф глубиной до 10 шагов, когда одна модель передаёт вывод другой, и эти данные обрабатываются с разными задачами, чтобы достичь результата. Чтобы эффективно отфильтровать какое-то решение, с ним тоже нужно сделать ряд предварительных шагов, убрать артефакты. Например, модель, которая генерирует гипотезу, может написать эмоционально: мол, это критикал, который всех погубит. Перед тем как отдавать это на критику, нужно пропустить текст через модель попроще и всё это затереть, чтобы критик не был предвзят.

Ведущий: Забавно. Получается, раньше был человеческий фактор, а теперь можно говорить про галлюцинирующий фактор AI.

Игорь Гуламов: Да, можно в репорте сделать специальный раздел под галлюцинации — чтобы все артефакты сыпались туда, а потом просто иметь кучу этих документов. Есть ряд способов всё это оптимизировать. В итоге наши репорты воспроизводят root cause всех уязвимостей, которые были осенью. «Воспроизводим root cause» не значит, что мы воспроизвели прямо эксплойт целиком, — так тоже бывает, но не всегда. Это значит, что мы нашли то место в смарт-контракте, где есть ошибка, и модель сказала, что это за ошибка: например, там ломается инвариант, или можно присвоить себе больше, чем полагается по смарт-контракту, или как-то сломать состояние. Дальше, если с этим работает хакер, он может сделать эксплойт, чтобы похитить кучу средств. Но SavantChat — аудитор: он подсветил root cause, написал, что там сломан инвариант, и команда разработчиков, получив этот репорт, должна сама всё исправить. Вот один из наших последних кейсов: в одном из аудитов, которые делал в SavantChat протокол Lido, доля фиксов по 99 issues достигла 50%. Это не рейтинг true positive / false positive, это именно рейтинг фиксов — то есть когда найденное достаточно интересно, чтобы на его основе вносить правки.

Ведущий 2: Мне интересен такой вопрос. Человек-аудитор, когда ищет уязвимости, мыслит в рамках привычного пайплайна, и выйти за его пределы довольно тяжело. Иногда находятся принципиально новые векторы, но в основном всё довольно типовое. Когда вы создаёте SavantChat, вы, хоть и оставляете большой простор для творчества за счёт всех этих параметров, всё равно так или иначе воспроизводите привычный человеческий workflow. И мне интересно: находит ли SavantChat такие векторы и уязвимости, которые до этого были нетипичны, — прямо новую классификацию можно добавить? А если нет — есть ли ожидание, что существует ещё какой-то класс векторов, невообразимых нашим воображением, которые сможет придумать только машина?

Игорь Гуламов: Это очень хороший вопрос. Меня ещё полгода назад удивил DeepSeek. Есть уже почти академический пример атаки на смарт-контракт казино — predictable randomness. Это смарт-контракт, где ты дёргаешь функцию «играть», а случайность считается, допустим, от блок-хэша, а не от внешнего оракула. Ломается такой контракт обычно так: случайность воспроизводится отдельно, на смарт-контракте атакующего. Атакующий дёргает контракт-казино через свой контракт: тот проверяет случайность и, если она подходящая, пропускает запрос дальше — играет; если не подходит — ничего не делает. Это стандартная атака. А SavantChat полгода назад придумал: берём flash loan, играем. Если проиграли — не можем вернуть flash loan, и вся транзакция реджектится.

Ведущий 2: Прикольно.

Игорь Гуламов: И не надо деплоить дополнительный контракт. Это было много апдейтов назад, с очень слабой по нынешним меркам нейросетью. Так что машины — не люди. Если рассматривать множество ошибок, которые пропускают аудиторы-люди, то SavantChat — лучший аудитор в мире, потому что мы находим все последние root cause, которые были в хаках и которые люди пропустили. Но если SavantChat будет соревноваться с человеком напрямую, он будет хуже — человек найдёт ещё больше. Просто то, что людям находить сложно, не всегда сложно находить искусственному интеллекту, — часть таких уязвимостей ему находить как раз просто.

Ведущий 2: Интересно, спасибо за ответ. Хочется дальше в это плавание отправиться. Мы варимся в своей DeFi- или Web3-песочнице, и уязвимости здесь — это классно, но они не оказывают большого влияния на мир. А есть фундаментальные вещи — какой-нибудь протокол шифрования, которым пользуется весь мир. Аудировать ведь можно не только в Web3, но и во всём мире. Какие у тебя ожидания как у человека, который непосредственно пользуется этим тулсетом и понимает потенциал? Что нас может ждать в ближайшие годы?

Игорь Гуламов: Ближайшие годы пройдут интересно. По поводу криптографии — это всё ещё открытая проблема: равно ли P и NP. Если вдруг равно, то криптографии не будет. Но, скорее всего, не равно. Нейросети позволяют гораздо быстрее проектировать новые продукты, сложные вещи, и дальше это будет ещё лучше и быстрее. Причём тут есть эффект положительной обратной связи, потому что они помогают в том числе тем, кто строит новые нейросети. Необязательно, чтобы уже случилась сингулярность, чтобы нейросети ускоряли производство более умных нейросетей. Они могут просто помогать ресёрчерам писать статьи, находить в уже написанных статьях больше ценного, помогать инженерам релизить лучше оптимизированный код, разрабатывать эффективные ASIC под инференс.

Ведущий: Ты говоришь про не самые экстремальные случаи. А будет ли что-то такое, что поломает почти всё, и виноват будет AI, — как всё время говорят про квантовые вычисления применительно к биткоину? Как тебе кажется, принесёт ли AI в наш обычный мир что-то, что изменит всё?

Игорь Гуламов: Я думаю, что в течение нескольких лет будет технологическая сингулярность, а перед этим будет AGI, который будет умнее всех людей, потому что окажется по каждой специальности способнее человека. Причём не на синтетических бенчмарках, а на реальных задачах.

Ведущий: Это суперинтересно, у меня как раз был вопрос про AGI. То есть ты прямо уверен, что AGI довольно недалеко? Расскажи, как ты его видишь. И LLM ли будут тем, кто придёт к AGI, или путь будет другим? Понятно, что это всё гадания, но, может, обоснованные нашими нынешними знаниями.

Игорь Гуламов: Я не ресёрчер по foundation-моделям, поэтому моё мнение тут не настолько ценно, чтобы уверенно отвечать. Но мне кажется, это необязательно прямо LLM. Бывают, например, диффузные модели, которые тоже позволяют писать код, работают быстро и показывают высокий уровень. Думаю, точно важен reinforcement learning, а это требует других архитектур — возможно, основанных на текущих. Что это за концепция? Сейчас есть несколько стартапов, которые успешно объединяют искусственный интеллект в нынешнем смысле (LLM) и то, что искусственным интеллектом считали кибернетики середины XX века, — формальные пруверы. У кибернетиков в двадцатом веке был подход не через нейросети, а через движок, который умеет работать с утверждениями формальной логики, — и из этого якобы получится интеллект. Но если пробовать делать всё возможное с утверждениями формальной логики, то это экспоненциально сложно. Это как выигрывать в шахматы перебором, да ещё и без фитнес-функции. Непонятно, есть ли смысл идти в эту сторону: это как посадить компьютер играть в шахматы, не объяснив ему, что съесть ферзя — хорошо, пешку тоже, скорее всего, хорошо, но ферзя лучше, и заставить его перебором победить в игре. Но чем сильны эти движки, работающие с формальной логикой? Тем, что если уже есть дорога от постановки задачи к решению, они очень быстро проверяют её на корректность. А построить эту дорогу может нейросеть. В результате, если у нас есть математическая теорема, записанная на языке формальной логики вроде Lean, и нейросеть построила доказательство, то мы отправляем его в формальный прувер и получаем строгий ответ, без всяких галлюцинаций: получилось у нейросети или нет. Благодаря этому во всех задачах, которые сводятся к формальным утверждениям, нейросети смогут работать так же, как они работают в шахматах и в го. То есть в математике — во всём, что записывается формальными формулами, — машины смогут побеждать людей, как в го.

Ведущий 2: Я хотел бы возразить — на примере того же AlphaGo. Нам нужны базис и правила. Но когда мы делаем надстройку в виде каких-то гипотез, это мешает искусственному интеллекту. Когда в AlphaGo загружали дебютную энциклопедию и все байесы, наработанные человечеством, он показывал ожидаемо высокие, но предсказуемые результаты. А когда позже дали много вычислительной мощности и разрешили действовать только на основе аксиом — правил и цели, не закладывая, что взять ферзя это хорошо (а может, взять ферзя и нехорошо), — вот тогда он начал совершать действия, которые вызывали вау-эффект, были невообразимы.

Игорь Гуламов: Мне кажется, это просто более новая архитектура, более новый способ обучения. Дело не в том, что старую модель обучили на человеческих данных, а новую — нет. По мне, возможно, что и модель, обученную на человеческих данных, если бы её заставили играть саму с собой, тоже чего-то бы достигла. Просто для той версии AlphaZero, которая играла сама с собой, это оказалось непринципиально. Что касается математики: тут, конечно, есть сложная задача — перевод всех этих теорем на формальный язык. Но тут можно действовать итеративно. Люди тоже галлюцинируют, могут неправильно понять условие теоремы, но здесь важна консистентность. Модель сначала берёт школьный учебник математики, переводит все теоремы на формальный язык и доказывает. Если что-то поняла неправильно, то будет неконсистентно — не получится доказать. А если не получается доказать, нужно попробовать ещё раз понять, что там на самом деле написано текстом. И так, пока не будет полностью консистентной картины без противоречий, а потом можно идти к более сложным задачам — итеративно, пока вся человеческая математика не будет формализована и доказана, включая открытые проблемы.

Ведущий 2: Я вижу некую связь между программным кодом и человеческой математикой — непротиворечивость арифметики и теорий, которые мы считаем доказанными. Это как условно надёжный код и его непротиворечивость, консистентность, отсутствие багов. И ведь на самом деле пока лишь многие аудиторы-математики проверили, что это всё правда так работает, но гарантий нет, и мы можем очень удивиться. Правильно я понимаю?

Игорь Гуламов: Ну да, конечно. Можно составить формальную теорему, что вот в таком-то популярном протоколе нельзя каким-то читерским образом получить много value, как-то это формализовать, а потом модель как теорему докажет, что так сделать нельзя. А если вдруг можно — докажет, как можно.

Ведущий 2: Не знаю, интересно вам это или нет — я дальше от науки, чем вы. Мне интересно, какие точки сочленения опасности вы видите? Ну, «равно P и NP» понятно — это сразу рушит разложение на множители и криптографию. А какие ещё точки напряжения вам приходят в голову — ударив по которым, если они окажутся уязвимыми, можно многое обрушить?

Игорь Гуламов: Я думаю, что в течение следующих года-двух больше стоит опасаться практического вектора угроз. Сейчас есть небольшие нейросети практически foundation-уровня: можно взять дистиллированную квантизованную версию DeepSeek — она будет работать на уровне полугодовой давности state-of-the-art на обычной геймерской машине. И у такой нейросети хватит способностей, например, найти и украсть крипту на этой машине или какие-то банковские деньги и арендовать несколько серверов помощнее. Аренда реально мощного сервера, куда влезет современный state-of-the-art уровня GPT-5, — это порядка 500 долларов, причём не в неделю, а в день. Тоже немало, но подъёмно. Foundation-модели уже сейчас могут довольно многое, а через полгода-год смогут стратегически продумывать атаку. Это довольно опасный сценарий: если появится какой-нибудь мобильный компонент червя, который может немного думать на геймерских машинах с видеокартами, задеплоить себе более мощную систему, придумать что-то серьёзное — новые вирусы, способы доставки, — потом арендовать промышленные видеокарты и серверы на ресурсах типа AWS. Плюс он может писать много совсем глупых червей, без интеллекта на борту, но разных, которые долбятся в разные уязвимости. То есть может случиться целая эпидемия.

Ведущий: Здесь я врываюсь, потому что начинаю думать: у нас же есть такой игрок — условный северокорейский хакер, у которого достаточно денег, чтобы такую сеть развивать. Для меня это выглядит так, что их главная цель — извлечение средств. И при поддержке целого немаленького государства средства точно будут направляться в эту сторону. Вопрос: как нам от этого защищаться? И надо ли? И можно ли вообще?

Игорь Гуламов: Вот сейчас вышел довольно большой обзор и ресёрч от Anthropic. Они сделали AI-агента, который атакует смарт-контракты — не находит root cause, как наше решение, хорошее для аудитов, а именно делает атаки. И он воспроизвёл около половины последних хаков — именно воспроизвёл, то есть у него получилось взять деньги с контракта. Я думаю, что единственный способ не стать жертвой vibe-хакера — это самому делать vibe-аудит. Если DeFi-протоколы сканируют свои смарт-контракты решениями с искусственным интеллектом, то их нейросети, если и не будут теми же самыми, то будут похожи на те, которые будут у атакующих. А значит, они найдут, скорее всего, те же векторы, которыми другие AI-продукты будут эксплуатировать протоколы.

Ведущий: Тут я понял, что хочется прояснить сразу две вещи. Первое — ещё раз подчеркнуть, какая сейчас функция у SavantChat. Ты уже упомянул, но давай кристаллизуем. Я скажу, а ты поправь, если не так. Сейчас SavantChat не заменяет аудиты — ты сам сказал, что человек при поиске находит больше. SavantChat просто находит кейсы, которые человеку труднодоступны. То есть сейчас он наиболее эффективен в связке с человеческим аудитом. Плюс-минус так?

Игорь Гуламов: Да, это верно. Но появилось ещё одно важное направление, на котором SavantChat эффективнее человека. Если атакующий — не человек, а нейросеть, то SavantChat защитит от неё лучше, чем человеческий аудитор. Почему? Потому что майндсет тот же самый.

Ведущий: Да, я как раз к этому и шёл. И вторая часть, к которой мы сейчас перейдём, — твоё мнение о недавних хаках Balancer и Yearn. Но если мы считаем, что эти атаки уже идут с помощью AI, заточенного на кражу средств, — а ты это только что подтвердил, — правильно ли я понимаю, что, на твой взгляд, главное решение — натравливать условно белый AI, чтобы он защищал и находил такие баги быстрее? И если это главное решение, то как побеждать в этой гонке — у кого просто больше мощностей?

Игорь Гуламов: Аудировать проще, чем атаковать. Почему? Потому что аудит подсвечивает хрупкие места, но не обязательно даёт инструкцию, как украсть деньги. Например, есть смарт-контракт с инвариантом, и для инварианта доказано, что всё окей. Аудитор может найти, что есть способ подвинуть этот инвариант на несколько wei. Отлично — надо исправлять. А можно ли эти несколько wei развернуть до нескольких миллионов? Все думали, что нельзя. А осенью посмотрели на Abracadabra, Bunni, Balancer, Yearn — оказалось, что можно. Соответственно, если инвариант сломан, надо фиксить. AI-аудит найдёт все такие места, и если их подфиксить, то атакующему AI будет не за что зацепиться.

Ведущий: Вот мы и дошли до топика, который побудил меня быстрее сделать это интервью, — такие случаи участились. Кстати, смешно: одним из соведущих я приглашал Сашу Сулезнёва, который ведёт «Базовый влог», и он сказал, что ты вроде дал добро прийти и к ним. А мы благодаря этим хакам их опередили. Но вопрос такой. Есть предположение — никто, кроме самих хакеров, правды не знает, — что за этими четырьмя хаками стоит какая-то одна группа. Твой ответ — да или нет? А если нет, то звенья ли это одной цепи по подходу?

Игорь Гуламов: По подходу это точно звенья одной цепи, потому что все эти хаки эксплуатируют одно: инвариант чуть-чуть нарушили, а потом за счёт этого небольшого нарушения отскейлили его до очень больших сумм. Хакеры читают обзоры предыдущих хаков, изучают их, обмениваются данными между собой — как в любом сообществе, безусловно, учатся друг у друга. Но те хаки, что происходят в последнее время, все очень хорошо воспроизводятся SavantChat. Я верю в свой продукт, он действительно хорош, но такая стопроцентная воспроизводимость может говорить о том, что хакеры тоже используют искусственный интеллект. Необязательно у них полностью автономный агент — у них может быть сканер, который подсвечивает все хрупкие места, а дальше хакеры просто с ними работают. Если бы это была полностью автономная история, все хаки случились бы разом. А если люди работают, но с помощью AI, то как раз получается такой таймлайн — по хаку примерно раз в месяц. Мы, кстати, буквально несколько часов назад воспроизвели уязвимость в Yearn. У нас до недавнего времени не было поддержки Vyper, но мы её сделали — и воспроизвели.

Ведущий: Круто, потому что в Yearn, на моей памяти, довольно долго не было нормального понимания, как это работает. Долго не было чёткого постмортема — даже, может, в закрытых каналах, — где был бы точно понятен root cause. И долго висел вопрос: а как вообще поломали? Понятно, что где-то что-то сдвинули, но где причина — никто не понимал. Разве нет?

Игорь Гуламов: Да, было так.

Ведущий: Он же был на Vyper, да?

Игорь Гуламов: Да.

Ведущий: Тогда следующий вопрос. Хакеры учатся друг у друга, а почему проекты, увидев уже пару похожих кейсов, не пытаются от них защититься? Почему они не прогоняют свои протоколы — необязательно в SavantChat, но хоть какими-то своими средствами — против этой новой для них реальности? Тем более такие большие протоколы, как Yearn и Balancer.

Игорь Гуламов: По моим наблюдениям, тут очень большое недоверие к искусственному интеллекту по разным причинам. Речь не про фаундеров, конечно, а про людей, которые работают над процессами. Часто люди боятся, что их искусственный интеллект заменит. Если не боятся, то часто срабатывает психологическая защита: мол, искусственный интеллект бесполезен. А ещё эта тема действительно требует изучения. Если набрать в гугле «AI audit smart contract», там будет просто лютый шум. Почему? Потому что, чтобы сделать что-то похожее на AI-аудит, достаточно написать в Cursor промпт — он возьмёт модель GPT-5 и сделает абсолютно примитивную штуку, сравнимую с тем, что у нас было на слабых моделях полгода назад. Оно даже будет работать, находить какие-то простые вещи. Но таких продуктов можно сделать миллион: каждый желающий может потратить 20 долларов, и все будут в выдаче Google. А публичных бенчмарков, от которых можно было бы отталкиваться, нет. Бывают независимые бенчмарки в твиттере, но их тоже надо искать.

Ведущий: У меня тут возник вопрос. Нет ли такого, что компания, когда хочет использовать SavantChat, боится: вот она сейчас поставит задачу, SavantChat что-то найдёт, а поскольку он использует публичные модели, баг утечёт раньше, чем они успеют его поправить? Как этот вопрос решается — что я даю задачу, находится уязвимость, и надо, чтобы она не утекла, учитывая, что используются публичные модели?

Игорь Гуламов: Да, это действительно очень хороший вопрос — люди, пользуясь SavantChat, его тоже задают. В чём тут дело? SavantChat совершает десятки тысяч запросов с разными кусками кода, с разными assumptions. Например, для части задач — pipeline проверки того, что в каких-то кусках кода, где критической уязвимости нет, она есть. То есть там очень много мусора. Если врезаться посередине, ты получишь нарезанный, как в шреддере, кусок кода. Из этого теоретически можно восстановить исходники аудируемого проекта, но это непросто. Причём часто аудируется open source или то, что скоро станет open source, так что рисков практически нет. К тому же мы используем нейросети вроде Gemini и ChatGPT. Наши пользователи и так хранят код на GitHub, у Microsoft, а OpenAI запускает инференс тоже у Microsoft. Не думаю, что тут есть какие-то риски. Да, казалось бы, есть риск, что мы найдём эксплойт, и он куда-то утечёт. Но у нас защитное решение: оно не будет развивать историю до эксплойта, позволяющего украсть кучу денег. Оно остановится на том, что вот здесь, по реальной причине, опасное место в коде. То есть будет описание того, что тут можно сделать что-то плохое, но без дополнительного глубокого исследования и без максимизации извлекаемой суммы. Это идеально для аудита, но хакеру потребует ещё кучу дополнительной работы. А найти из кучи шума сигнал — сложно. У нас для этого есть отдельный AI-агент, но у него есть вся полнота информации о флоу — обо всех этих тысячах запросов: что, откуда, куда и зачем идёт. А у того, кто бы это перехватывал, во-первых, только одна модель, а мы используем несколько; и это просто несвязанные промпты, по которым непонятно, как один из другого следует. Задача что-то найти по этим данным сложнее, чем та, которую решаем мы. Я не говорю, что это невозможно, — это возможно. Но человеку, у которого есть эта технология, проще пойти и хакнуть на кучу миллионов напрямую.

Ведущий: В рамках SavantChat понятно. Но я понял, что это подсвечивает более глобальную проблему. Есть информация, которой ты не хотел бы делиться, но хочешь спросить у AI, и оказываешься в позиции, где, с одной стороны, можно использовать офлайн-версию, которая, скорее всего, хуже обучена, а хочется использовать весь спектр возможностей. Можно ли сюда прикрутить какой-то ZK? Но тогда непонятно, что будет с моделью. Как ты для себя решаешь эту дилемму — когда есть закрытая информация, которой не хочется делиться, но хочется получить на неё ответ на основе чего-то хорошо обученного? И можно ли сюда красиво прикрутить ZK, чтобы всем было хорошо?

Игорь Гуламов: Все такие решения ограничивают инференс, делают его в разы, в десятки раз дороже. Они по этой причине не подходят. Хакер будет использовать самую лучшую нейросеть для атаки, и, чтобы от этого защититься, тоже нужно использовать самую лучшую. А чтобы данные не утекли, я уже сказал: то, что доступно провайдерам нейросети, — это как если бы смарт-контракт распечатали на листочке и пропустили через шреддер. А по поводу гипотез об уязвимостях — их там десять тысяч, из которых настоящих десять. Причём SavantChat находит их, используя кучу дополнительного контекста и данные из пайплайна. А у той страны, которая захотела бы за этим следить, нет всей полноты данных — совсем не всей, — и извлечь что-то полезное крайне сложно. К тому же мы работаем с нейросетями, которые по соглашению эти данные никак не используют. В этом плане всё безопасно. Вряд ли Google станет писать решение, которое из мусора, из десятков тысяч запросов, способно найти 10 настоящих уязвимостей, а потом ещё на этом что-то хайпить. А если Google такое и сделает, эта штука будет стоить дороже, чем всё, что можно ею нахайпить.

Ведущий: Всё, я услышал. Перейдём к более приземлённым вещам. Ты уже называл какие-то числа, но, может, поделишься подробнее? Модели ведь, ты сказал, не супердорогие, но всё же дорогие в использовании. Обычному юзеру, который занимается DeFi, прогнать контракт, в который он кладёт деньги, наверное, выйдет дороговато — неважно, будет он сам использовать модели или SavantChat. Хочется услышать про SavantChat: во сколько вам примерно обходится использование этих LLM? И сколько это выйдет обычному пользователю — ритейл-юзеру или компании? Из этой суммы будет понятно, кто ваша целевая аудитория, под кого сделан продукт.

Игорь Гуламов: Мы собираем множество дисконтов, чтобы инференс был как можно дешевле, и получается маржинальность где-то порядка 50%. Причём если пользователи будут делать своё решение, оно вполне может оказаться дороже SavantChat — даже если считать просто по инференсу, а не по оптимизации пайплайна, — потому что у пользователя не будет возможности собрать пайплайны с таким количеством дисконтов и использовать сложные пайплайны с переносом reasoning, с каким-нибудь батч-инференсом. Разработать что-то похожее на SavantChat сложно и долго — это не делается за неделю вечеров, даже с промпт-инжинирингом и Cursor. Это более сложное решение. Пользователи могут пользоваться Cursor и чем-то ещё, но чтобы достичь того, что делает SavantChat, нужно условно вбить в этот Cursor 10 тысяч разных промптов, а потом ещё как-то с этими данными разобраться.

Ведущий: Давай перейдём к цене. Сколько? Я знаю, что до Нового года у вас есть промо — вы даёте 100 бесплатных долларов, чтобы попробовать прогнать SavantChat на каком-то коде. Всё так?

Игорь Гуламов: Да, новым пользователям мы даём промо: welcome balance на 75 долларов, иногда делаем промо-акции.

Ведущий: На что хватит этих 100 долларов? Насколько большой код можно прогнать?

Игорь Гуламов: Используя наш Pro-агент, это будет 200 строк кода по cloc — без комментариев и пробелов. Это какой-нибудь простой токен или кусок протокола с каким-то функционалом. Такая история больше ознакомительная: хватит, чтобы прогнать что-то маленькое, несколько экранов, но не хватит на большой протокол. Если говорить про тариф Medium, он стоит 12 центов за строку: Pro — 50 центов за строку, Medium — 12 центов, то есть в 4 раза дешевле Pro; а Lite — 7 центов за строку, то есть в 7 раз дешевле Pro. У Lite меньше глубина Deep Research, меньше итераций при проверке — он может что-то пропустить, а пропустить может ещё больше, чем Medium. Зато на Lite уже влезет средний DeFi-протокол. Сколько это получается? Порядка 2000 строк кода, если считать промо плюс welcome balance. А 2000 строк — это уже много.

Ведущий: Я хотел спросить: это use case DeFi-щика или нет? Нас слушает много DeFi-щиков. Появился какой-то протокол в мейннете, задеплоен недавно, публичных аудитов нет, и я думаю — заводить туда деньги или нет. Насколько это ваш кейс, чтобы человек взял контракт, закинул в SavantChat и на основе этого принял решение, давать деньги или нет?

Игорь Гуламов: Говоря про use case DeFi-пользователей — «чтобы не класть деньги в протоколы с проблемами» — технология пока не готова. Пока у нас false positive rate, пусть иногда и меньше 50%, но всё равно сильно больше 10%. Бывают false positive, которые выглядят серьёзно и опасно. Для команды разработчиков это норм, для аудиторов это норм — они его просто отбросят, докажут, почему это не так, а те true positive, которых тоже хватает, покроют. Но для неинженера, незнакомого с протоколом, просто прогнать контракт, чтобы убедиться, что всё в порядке, — это уже не норм. К тому же, если рассматривать борьбу со скамом: допустим, есть DAO, которое готовит rug pull. От этого AI не защитит, потому что кто там в DAO сидит, AI не знает. AI посмотрит, что это форкнутый смарт-контракт от лучших контрактов из больших протоколов с миллиардным TVL, и скажет, что всё безопасно. А в этом DAO будут сидеть 20 ботов-скамеров, которые устроят rug pull. AI может помочь, если новички или скрипт-кидди соберут что-то с дырами, — тут AI поможет. А от скама не поможет, потому что скам шире, чем он.

Ведущий 2: Задам вопрос недалеко отсюда. Очевидно и нам, и слушателям, что твоя мотивация при создании продуктов — что ZeroPool, что SavantChat — невероятно продуктовая: тебе просто интересно, ты следуешь за своим интересом, за неким public good, не задумываясь о том, какой сейчас аудиторский рынок, какая у него ёмкость, надо ли это вообще. Поправь, если не так, но складывается ощущение, что тобой движут идея и продукт, а не расчёты. И мне интересно: в каком случае ты был бы прямо доволен, кайфанул бы? Что SavantChat стал индустриальным стандартом? Или что нашёл в каком-то мейнстрим-протоколе критикал? Каким был бы для тебя идеальный SavantChat?

Игорь Гуламов: Я инженер, для меня главное — технология. Но у нас есть второй кофаундер, который занимается бизнесом, — Александра. Когда мы делаем ZeroPool, она не очень публична в этой деятельности — это связано с особенностью технологии анонимных транзакций. Но благодаря её работе технология доступна, а у нас нет ограничений. Что касается SavantChat, Александра развивает его бизнес-концепцию, чтобы привлекать пользователей и чтобы у нас был коммерческий и продуктовый успех, а не только технологический.

Ведущий: А что для тебя как для инженера success story в SavantChat?

Игорь Гуламов: Сделать лучший в мире AI-аудитор. Идея SavantChat — проверка кода на проблемы. В идеале это не должно быть работой: для любого кода нужно сделать подробный отчёт, что с ним не так, — без сложных условий и максимально полный. Причём не только для смарт-контрактов, но и для обычного кода. Мы идём в эту сторону: добавляем поддержку Vyper, как уже обсуждали на примере Yearn, и добавляем поддержку Solana и Near — то есть не только Solidity.

Ведущий: Интересно.

Ведущий 2: А у вас не было идей сделать шаг в массовую сторону? Есть же продукт вроде VirusTotal, который по хэшу исполняемого файла даёт результат. Было бы здорово в будущем, скажем, на Etherscan или другом эксплорере, заходя в код контракта, видеть плашку, что вы его аудировали, — чтобы это было более публично.

Игорь Гуламов: Смотри. Допустим, мы сделали штуку, которая может определить, есть эксплойты или нет, и решили сделать из неё VirusTotal. Какие тут проблемы? Допустим, у нас есть пользователь, который хочет вложить деньги в этот AMM, а мы ему говорим: этот AMM насквозь дырявый, не вкладывай. Но откуда мы знаем, что этот пользователь честный? Может, это хакер, который подыскивает, какой бы AMM хакнуть. Поэтому мы не можем ему это говорить. Это продукт двойного назначения по своей природе.

Ведущий: Да, дилемма, понял. Правильно. Хотел ещё спросить — что у вас с финансированием? Как я понимаю, SavantChat не на той модели, что ZeroPool, а на более бизнесовой — это меньший стартап. Так? Если да, то были, есть или будут ли у вас раунды? Что вы об этом думаете?

Игорь Гуламов: Мы сейчас закрыли небольшой angel/pre-seed. Будет seed round, тоже по SAFE. После этого будет уже priced round. Надеюсь, что SavantChat до этого дорастёт. У нас небольшая команда с небольшим burn rate, и сам продукт приносит деньги. Мы больше сосредоточены на том, чтобы сделать максимальное качество. Благодаря искусственному интеллекту даже небольшой командой можно очень продуктивно работать. И поскольку мы строим продукты на основе AI, мы довольно хорошо знаем, как правильно вести разработку и другие бизнес-процессы, максимально привлекая в них искусственный интеллект. Мы поменяли половину команды — весной сделали реорганизацию, потому что часть команды не могла эффективно работать с искусственным интеллектом, а для нас это главный приоритет. Сейчас все участники команды могут эффективно с ним работать. Есть такой исторический пример: когда появились электродвигатели, некоторые заводы заменили паровые двигатели на электрические. На паровых заводах у каждого станка не было своего двигателя — был один огромный двигатель и вал, от которого все станки получали мощность. Потом эти заводы обанкротились, потому что победили заводы, у которых у каждого станка стоял небольшой электромотор. То есть выигрывает выстраивание бизнес-процессов вокруг новых технологий. И мы в команде SavantChat реализуем новые бизнес-процессы разработки вокруг искусственного интеллекта.

Ведущий 2: Когда ты рассказывал, что для постройки аналога SavantChat пользователю нужно сделать условно 10 тысяч запросов в Cursor, — не было ли это спойлером, что вы всё-таки оседлали…

Игорь Гуламов: Нет-нет. Я имел в виду, что пользователь может вручную сделать аудит в Cursor и получить что-то похожее на SavantChat, но ему придётся совершить колоссальный объём работы. А SavantChat всё сделает автоматически — и при этом использует самую качественную нейросеть и находит способы получить инференс со скидками. За счёт этого мы даём больше инференса. Цену ниже мы не делаем, потому что она и так почти в 100 раз меньше, чем аудит у людей, а вот инференса — больше. Почему? Потому что больше инференса — больше находок.

Ведущий 2: Понял. Я думал, ты проговорился, что вы заставили агентов агитировать за вас.

Игорь Гуламов: Мы заставили агентов программировать. Именно программировать. Я не считал, сколько это запросов в Cursor. На самом деле хорошие пайплайны требуют небольшого числа длинных, подробных запросов, после которых агент работает полчаса. Их можно запускать параллельно десятками, а потом по очереди смотреть результаты.

Ведущий: Вот так внезапно мы и оказались в будущем, которого все так боялись, — где человек запускает работу, уходит на полчаса и приходит проверять за AI, что получилось.

Игорь Гуламов: Человек запускает одного агента, потом второго, потом третьего, а потом смотрит, с чем пришёл первый, и так далее. Это не про «написать промпт, нажать Enter и пойти пить кофе». Это про бизнес-процесс, выстроенный вокруг AI-агента, — чтобы был полноценный пайплайн с проверкой результатов и контролем качества.

Ведущий: Мне ещё интересно: вы уже безубыточны или нет? Давай по одному вопросу, не буду накидывать сразу несколько. Компания уже вышла на безубыточность?

Игорь Гуламов: За последние несколько месяцев несколько раз выходили в безубыток. Но рынок, понятно, довольно стохастический. Устойчивой безубыточности мы пока не достигли, но в отдельные месяцы она у нас есть.

Ведущий: Тогда второй вопрос: куда вы хотите направить деньги с раунда? Для каких целей раунд?

Игорь Гуламов: Прежде всего — на маркетинг. У нас только один нетехнический человек, и бизнесу в таких условиях не очень эффективно живётся. Нам нужно больше трекшена. Сейчас мы в состоянии очень сильно помочь DeFi защититься от хакеров, потому что находим все root cause-уязвимости и у нас мало шума. Но не все про нас знают — опять же, много маркетингового шума. Есть большие компании, и люди могут просто выбрать более известный бренд. Надо вести большую работу, в том числе над выдачей Google. Было SEO, было SMO, а теперь будет — не знаю, надо придумывать новое слово — оптимизация в генеративных нейросетях. Чтобы, когда люди спрашивают у GPT-5, какой самый лучший AI-аудит, GPT-5 отвечал, что вот этот — самый лучший. Над этим надо работать: чтобы маркетолог тратил деньги на создание и публикацию контента. В том числе на это пойдут инвестиции.

Ведущий: Давай попробуем это закрыть. В трекшене SavantChat уже звучал протокол Lido, который сказал, что больше 50% находок SavantChat было пофикшено. Ещё какие-то имена, отзывы? Из больших имён — DeFi или нет, любых.

Игорь Гуламов: 1inch, Pessimistic, Gearbox, Oxorio. Я называю тех, кто твитил, поэтому могу об этом говорить — это публичная информация, а не под NDA. Есть ещё ряд крупных проектов, о которых я пока говорить не могу, потому что они не твитили.

Ведущий: То есть они часто используют NDA на сам факт использования?

Игорь Гуламов: Конечно, это стандартная процедура в информационной безопасности. Если они про нас твитят, то и я про них говорю.

Ведущий: В рамках увеличения раунда ты не упомянул расширение инженерной команды. Ты в принципе удовлетворён её размером?

Игорь Гуламов: Думаю, нужен баланс. Производительность инженерной команды можно наращивать вертикально — за счёт трат на AI-мощности. Да, мы можем больше делать через AI. У меня в Cursor выходит инференса больше чем на тысячу долларов в месяц — это немало. У нас три инженера. Может быть, более эффективные AI-инженеры будут тратить не тысячу долларов, а две-три — это инференс на разработку, естественно. И всё-таки хочется сохранять баланс. Сейчас у нас перекос в сторону инженеров. Нам нужно больше людей, чья деятельность направлена на увеличение продаж, — деятельность инженеров в эту сторону очень костная. Когда я увижу, что по этой части достигнут баланс, я смогу нанять ещё инженера. Пока у нас открыты слоты на неинженеров.

Ведущий: Последний вопрос про SavantChat от меня: откуда вообще произошло название?

Игорь Гуламов: «Синдром саванта» — это когда общий интеллект низкий, но есть отдельные островки гениальности. Почему так назвал? Потому что такие впечатления у меня были от работы с нейросетями в феврале 2025 года по информационной безопасности: они очень сильно тупили, но иногда приносили что-то полезное, а иногда удивляли.

Ведущий: Забавно. То есть это отсылка к тому, что «я всё ещё тупой, но иногда выдаю что-то классное».

Игорь Гуламов: Да. Правда, боюсь, через год это устареет, и придётся переименовываться. Ну что, двигаемся к завершению.

Ведущий: Мне хотелось бы получить какой-то общий обзор по миру AI. Может, скажешь, какие модели лучше решают разные задачи?

Игорь Гуламов: Да, конечно. Если что-то связано с наукой и математикой — это Gemini. Если с более гуманитарным творчеством или с программированием, которое не требует прямо тяжёлой математики и криптографии, — это Claude. Если это программирование с кучей констрейнтов, где можно всё обложить готовыми тестами, — это GPT-5 Codex. Если нужно сделать ресёрч данных в интернете с низкой креативностью, но хорошим качеством — это GPT. Если нужен wide-ресёрч, когда данных и запросов много, но проверять по ним нужно что-то совсем простое, — это Manus. Это, наверное, основное.

Ведущий: А кто лучше всего держит контекст, на твой взгляд?

Игорь Гуламов: Сейчас все держат контекст, но Gemini и Claude хороши с большими контекстами, да и GPT-5 в целом тоже неплох — может, чуть похуже, но именно что чуть. В целом при большом контексте у всех качество проседает не суперзначительно, но заметно. Поэтому в SavantChat мы не гоняем прямо 200 тысяч токенов контекста — гоняем меньше. Возможно, это ещё связано с тем, что у нас архитектура — это пайплайн обработки данных. У агентов это обычно выглядит как чат с историей, а у нас структура нетипичная: вместо истории — данные. И на каждом этапе с помощью промпт-инжиниринга мы стараемся дать модели оригинальный нарратив, без отсылки к тому, о чём она размышляла раньше. Мы даём ей результат и промпт, чтобы модель поняла, что нам от неё нужно, — и оно так работает. Обычно до 100 тысяч токенов контекста хватает. А там, где начинаются проблемы, они начинаются у всех, и в наших целях лучше до такого объёма не доводить. Контекст важен, если нужно делать простые вещи, когда модель сразу что-то находит и делает несложные выводы. Если модели дан кусочек кода, о котором она должна подумать 64 тысячи токенов, — этого и так хватает, это и так непросто. А если ей накидать ещё много всего отвлекающего, качество упадёт. Да, вспомнил ещё пару пунктов, которые нам говорят люди. Например, что мы «врапер над ChatGPT» и поэтому нас мало в чём. Но мы в меньшей степени врапер над ChatGPT, чем Cursor. Cursor — самостоятельный продукт, или мы?

Ведущий: Забавно. Можешь ещё что-то рассказать людям — на какие частые вопросы или заблуждения о продукте хотелось бы дать публичный ответ?

Игорь Гуламов: Например, что нам нужно обучать свои модели: собрать аудит-репорты и на них дообучить foundation-модель, чтобы она научилась аудировать. На самом деле модели общего назначения уже прочитали все публичные аудит-репорты. И если обучать свою модель, она будет не умная. Даже если дообучить какой-нибудь open-source state-of-the-art, он всё равно будет хуже коммерческого state-of-the-art. А аудит — это как раз та деятельность, где интеллект важнее всего, и многим можно пожертвовать ради максимально возможного интеллекта. Так что in-context learning полезен, база данных полезна, tools полезны. Мы сейчас ведём работу над объединением LLM и формальной верификации.

Ведущий 2: Почему?

Игорь Гуламов: Потому что state-of-the-art-модели добрались до того, чтобы нормально работать с языками формальной верификации. Мы берём смарт-контракт, берём Certora Prover и просим модель придумывать варианты преследования этого смарт-контракта на уязвимости, а с помощью Certora Prover проверяем, что эти варианты не нарушаются. Вот такой ресёрч мы сейчас делаем. В проде этого пока нет — есть отдельные куски, из которых можно собрать продукт. Как это работает? Модель видит смарт-контракт, но ей не нужно копать глубоко: она может на высоком уровне описать, что не должно происходить, — но этот высокий уровень выражен на языке формальной верификации какого-нибудь прувера. После этого запускается формальный прувер и находит аномалию. А если не находит — значит, всё в порядке. Мне кажется, объединение формальной верификации и нейросетей — это будущее. Это то, что появится уже в следующем году.

Ведущий: Даже в следующем году? Ничего себе.

Игорь Гуламов: Да, потому что мы сейчас видим множество релизов, которые целиком берут всё золото на международной математической олимпиаде именно за счёт сочетания LLM и формальной верификации.

Ведущий: Прикольно. Ещё один вопрос: сейчас, заходя на сайт SavantChat, при регистрации просят e-mail, и нельзя авторизоваться кошельком. Почему так — учитывая, что мы работаем в Web3? Будет ли это когда-то изменено на более привычный многим подход?

Игорь Гуламов: Более того, у нас есть KYC. Мы могли бы сделать верификацию по кошельку, но KYC оставим. Почему? Потому что хакеры могут пользоваться SavantChat, а мы не хотим, чтобы они им пользовались. Поэтому мы сделаем для них некомфортные условия.

Ведущий: Мне кажется, с KYC — не знаю, кто у вас AML-провайдер — сейчас довольно легко: рынок документов под разные AML-платформы достаточно развит.

Игорь Гуламов: Понятно, что KYC — не серебряная пуля, и мы ни в коем случае так не считаем. Но мы делаем множество разных способов сделать SavantChat неинтересным для хакера. Это только один из барьеров, который надо укреплять. Почему? Потому что нам не нужно, чтобы что-то аудировали хакеры.

Ведущий: Понятно, я даже об этом не задумался, честно. Я думал, это типичный подход, потому что ваш бизнес больше B2B, а B2B любит не логиниться кошельком, а иметь контакт. Я совсем не думал, что это барьер защиты от black hat'ов. Ну что, было интересно. Начнём потихоньку заканчивать. Хочу спросить из общих вопросов. Ты говоришь, что AGI не так далеко. А каким ты видишь мир крипты условно через три года — что произойдёт благодаря тому, что AI так сильно развивается, и насколько изменится крипта?

Игорь Гуламов: Сначала напомню контекст предыдущего вопроса: мы криптоанархисты, мы против бюрократии, но из-за наличия black hats вынуждены идти на некоторые непопулярные шаги. А как изменится крипта в следующие три года… Многие говорят про эпоху постправды. Постправда — это когда те артефакты, которые раньше были доказательством чего-либо в суде, в юриспруденции, — подписанные бумаги, аудиозаписи, видеозаписи, — перестанут ими быть. Потому что можно будет дать ручку роботу, и он всё подпишет; можно будет нарисовать любой звук, любое видео — причём такое, которое даже эксперты и экспертные нейросети не отличат от оригинала. И единственным, что останется источником правды, будет блокчейн. Вот недавно был скандал с китайскими роботами, которые ходят маршем: некоторые люди, в том числе с репутацией, засомневались, что это всё по-настоящему, а не рендер. И как компания ответила? Сняла этих роботов с дрона, отлетев подальше. Но те, кто сомневался, меньше сомневаться не стали — потому что если можно снять этот марш роботов с нескольких точек, то и с дрона можно.

Ведущий: Вот.

Игорь Гуламов: Как такое может решаться? Если на блокчейне происходит supply chain, то с помощью ZK — возможно, даже ZKML, это как раз кейс, где ZKML может помочь, — компания просто доказывает, что закупает материалы для строительства роботов, что продаёт роботов и что их у неё много. При этом компания не раскрывает свою подробную бизнес-информацию: всё зашифровано и под SNARK. Но SNARK доказывает, что это компания, способная производить по 10 роботов в день. И этот пруф компания может прикрепить к видео с роботами — и всё нормально, даже если видео отрендерено, как, скорее всего, и будет. Потому что зачем тратиться на оператора с камерой, если можно не тратиться?

Ведущий: Если дешевле сделать рендер. То есть, на твой взгляд — попробую быстро подытожить, — значимость блокчейна благодаря усилению AI только вырастет, потому что он чуть ли не станет единственным источником правды в будущем из-за усиленных возможностей AI. Так?

Игорь Гуламов: Да.

Ведущий: И в рамках последнего вопроса, который мне суперинтересен: поделись, пожалуйста, какой-нибудь литературой, которую ты рекомендуешь или сам читал. Даже лучше фикшн — интереснее, как рождаются идеи, как летит полёт фантазии. Может, любимых авторов или конкретную книгу.

Игорь Гуламов: «Гарри Поттер и методы рационального мышления».

Ведущий: Это, думаю, довольно популярный ответ среди многих. Класс. Мне кажется, мы всё довольно полно обсудили. Спасибо большое, Игорь, что был на подкасте. Если у соведущего есть что спросить, а у Игоря — что добавить, welcome.

Игорь Гуламов: Да, классно пообщались.

Ведущий 2: Думаю, всё обсудили сполна.

Игорь Гуламов: Спасибо, было очень интересно ответить на эти вопросы.

Ведущий: Спасибо большое, Игорь, что согласился уделить время. Было очень познавательно. Всем пока.

Игорь Гуламов: Спасибо.

Ведущий 2: Было интересно.

Игорь Гуламов: Всем пока.