惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Google DeepMind News
Google DeepMind News
博客园_首页
aimingoo的专栏
aimingoo的专栏
IT之家
IT之家
美团技术团队
GbyAI
GbyAI
博客园 - 司徒正美
Recent Commits to openclaw:main
Recent Commits to openclaw:main
www.infosecurity-magazine.com
www.infosecurity-magazine.com
S
Security @ Cisco Blogs
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Jina AI
Jina AI
The Cloudflare Blog
O
OpenAI News
雷峰网
雷峰网
P
Proofpoint News Feed
Google DeepMind News
Google DeepMind News
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
F
Fortinet All Blogs
量子位
C
CERT Recently Published Vulnerability Notes
V
V2EX
J
Java Code Geeks
H
Help Net Security
小众软件
小众软件
H
Hacker News: Front Page
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
T
Tor Project blog
Y
Y Combinator Blog
Spread Privacy
Spread Privacy
Martin Fowler
Martin Fowler
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Scott Helme
Scott Helme
N
News | PayPal Newsroom
Vercel News
Vercel News
爱范儿
爱范儿
TaoSecurity Blog
TaoSecurity Blog
Webroot Blog
Webroot Blog
博客园 - 叶小钗
T
Threat Research - Cisco Blogs
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
N
Netflix TechBlog - Medium
宝玉的分享
宝玉的分享
G
GRAHAM CLULEY
MyScale Blog
MyScale Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
L
Lohrmann on Cybersecurity
阮一峰的网络日志
阮一峰的网络日志
V
Visual Studio Blog
S
Schneier on Security

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Chrome без спроса скачивает 4 гб модель. В масштабе миллиардов устройств это уже заметный удар по климату
achekalin · 2026-05-07 · via Все публикации подряд на Хабре

Две недели назад я писал про Anthropic: Claude Desktop тихо регистрирует софтинку Native Messaging сразу в семи браузерах на базе Chromium на машине пользователя. Схема простая как пять копеек: запускаешь прогу, а она без спроса прописывает себя в настройки других установленных тобой программ. То есть спокойно перелезает через некие «границы доверия» между вендорами. Ни окна согласия, ни понятного отказа в интерфейсе. Удаляешь вручную — при следующем запуске все появляется снова.

Теперь та же история всплыла у Google. Chrome без спроса кладет на диск файл локальной ИИ‑модели размером 4 ГБ. Это weights.bin в каталоге OptGuideOnDeviceModel. По сути, это веса Gemini Nano, локальной языковой модели Google. Браузер не спрашивает разрешения, никак не показывает пользователю, что сделал, а если файл удалить — просто скачивает его снова.

С юридической стороны история очень похожа на кейс Anthropic. Но у Google добавляется еще одна вещь: масштаб. Когда такой файл разъезжается по гигантской аудитории Chrome, экологическая цена уже вполне материальна. В зависимости от числа устройств речь идет примерно о 6–60 тыс. тонн CO2‑эквивалента за одну такую волну загрузок. То есть одна компания просто решает, что браузер по умолчанию для миллиардов людей раскатает по их машинам 4 ГБ бинарных данных, которых никто не просил.

Если говорить сухо, здесь сразу несколько проблем: возможное нарушение статьи 5(3) Директивы 2002/58/EC (ePrivacy Directive), принципов законности, добросовестности и прозрачности из статьи 5(1) GDPR, обязательства по защите данных на уровне архитектуры из статьи 25 GDPR, плюс экологический ущерб такого масштаба, который для компании, подпадающей под CSRD, уже сложно назвать мелочью.

Что именно Chrome кладет на диск и как это туда попадает

На машине с установленным Chrome в пользовательском профиле может появиться каталог OptGuideOnDeviceModel. Внутри лежит файл weights.bin размером около 4 ГБ. Это веса Gemini Nano. Chrome использует их для функций, которые Google продает под вывесками вроде «Help me write», локального антискама и других ИИ‑возможностей браузера.

Файл прилетает без какого‑либо вопроса. В настройках Chrome нет чекбокса «скачать ИИ‑модель размером 4 ГБ». Загрузка срабатывает, когда активны ИИ‑функции Chrome, а в свежих версиях они включены по умолчанию. Если железо проходит по требованиям, Chrome считает машину подходящей и сохраняет в профиль файл модели.

Цикл «удалил — скачалось снова» задокументирован в нескольких независимых сообщениях от пользователей Windows (Pure Infotech, Vishwam Dhavale, WinAero, AIBase): пользователь удаляет файл, Chrome скачивает его заново; удаляет еще раз, Chrome снова скачивает. Надежно остановить это можно только через отключение ИИ‑функций Chrome в chrome://flags, через корпоративные политики, до которых у домашнего пользователя обычно нет доступа, или полным удалением Chrome. На macOS файл создается с правами 600 и принадлежит пользователю, так что удалить его можно. Но после записи байтов Chrome сохраняет состояние установки в Local State, и как только variations‑сервер снова говорит браузеру, что профиль подходит под раскатку, загрузка стартует заново. Архитектура та же, отличаются только права на файл.

Как я это проверил на свежем профиле Apple Silicon

Большинство уже опубликованных историй про это поведение пришло от пользователей Windows, которые просто заметили, что у них внезапно заканчивается место на диске. Это полезно, но Google при желании всегда может отмахнуться и назвать такие случаи частными историями на странных конфигурациях. Поэтому я искал чистый и воспроизводимый сценарий на другой платформе.

И тут очень кстати оказалась сама macOS. Ядро системы ведет журнал событий файловой системы .fseventsd: там на уровне ОС фиксируются создание, изменение и удаление файлов вне зависимости от логов конкретного приложения. Chrome не может этот журнал подправить, Google не может до него дотянуться удаленно, а сами страницы журнала сохраняются даже после удаления файлов, к которым они относятся.

23 апреля 2026 года я создал отдельный каталог user-data для Chrome и использовал его в автоматизированном аудите — это была одна из 100-сайтовых проверок приватности WebSentinel. Драйвер аудита работает через Chrome DevTools Protocol: открывает страницу, ждет пять минут без пользовательского ввода, фиксирует события, закрывает Chrome между сайтами. За все время существования профиля человек не сделал в нем ни одного действия с клавиатуры или мышью. Ни один экран, связанный с AI Mode, не открывался. Интерфейс Chrome вообще не использовался: драйвер общается только с документом через CDP и до омнибокса просто не доходит. К 29 апреля в профиле уже лежали 4 ГБ весов OptGuideOnDeviceModel, и всплыло это во время обычной уборки по du -sh.

После этого я вернулся к .fseventsd, чтобы понять, когда именно на диск свалились эти 4 ГБ. macOS дала очень точный ответ — буквально по байтам — в трех последовательных страницах журнала:

  • 24 апреля 2026 года, 16:38:54 CEST (14:38:54 UTC) — Chrome создает каталог OptGuideOnDeviceModel в аудиторском профиле (страница 0000000003f7f339).

  • 24 апреля 2026 года, 16:47:22 CEST (14:47:22 UTC) — три параллельных подпроцесса распаковки создают временные каталоги в /private/var/folders/.../com.google.Chrome.chrome_chrome_Unpacker_BeginUnzipping.*/. Один из них (5xzqPo) записывает weights.bin, manifest.json, metadata/verifiedcontents.json и on_device_model_execution_config.pb. Второй пишет обновление списка отозванных сертификатов. Третий — обновление браузерных предзагруженных данных. То есть Chrome в одно и то же окно простоя запихнул обновление безопасности, обновление предзагруженных данных и 4-гигабайтную ИИ‑модель, как будто это вещи одного порядка (страница 00000000040c8855).

  • 24 апреля 2026 года, 16:53:22 CEST (14:53:22 UTC) — распакованный weights.bin переезжает на постоянное место: OptGuideOnDeviceModel/2025.8.8.1141/weights.bin вместе с adapter_cache.bin, encoder_cache.bin, metadata/verifiedcontents.json и конфигурацией исполнения. Одновременно еще четыре модельные цели, обозначенные в перечислении optimization-guide Chrome номерами 40, 49, 51 и 59, получают новые записи в optimization_guide_model_store. Это более компактные модели для безопасной обработки текста и маршрутизации промптов, которые работают в связке с большой языковой моделью. До этого момента в профиле их не было (страница 00000000040d0f9c).

Итого: от создания каталога до финального перемещения файла прошло 14 минут 28 секунд. Человеческих действий с профилем за это время было ноль. В этот момент драйвер либо просто держал открытой главную страницу стороннего сайта, либо переходил между сайтами. Распаковщик сработал в фоне, пока вкладка тупо ждала истечения пятиминутного таймера.

Самая показательная деталь тут, пожалуй, имя временного каталога в fseventsd: com.google.Chrome.chrome_chrome_Unpacker_BeginUnzipping.5xzqPo. Префикс com.google.Chrome.chrome_chrome_* соответствует bundle ID и схеме именования подпроцессов самого Google Chrome. Это не com.google.GoogleUpdater.* и не com.google.GoogleSoftwareUpdate.*. Иными словами, запись на диск выполнял именно Chrome — тот самый браузер, которому пользователь доверяет открывать веб‑страницы. И именно он по собственной инициативе кладет в файловую систему 4-гигабайтный бинарник с моделью машинного обучения, пока активная вкладка занята вообще чем‑то другим.

Есть и еще три независимых подтверждения на той же машине:

  1. Собственный Local State Chrome для этого профиля содержит блок optimization_guide.on_device с model_validation_result: { attempt_count: 1, result: 2, component_version: "2025.8.8.1141" }. Это значит, что Chrome модель валидировал и запускал. Значение component_version совпадает с версией, которая фигурирует в путях в событиях fseventsd. Два независимых источника, один и тот же артефакт. В том же блоке есть performance_class: 6, vram_mb: "36864" — Chrome профилировал мое железо, считал характеристики GPU и общий объем объединенной памяти, чтобы решить, подхожу ли я под раскатку модели, еще до того, как пользователю вообще показали какую‑либо ИИ‑функцию.

  2. Состояние ChromeFeatureState для этого профиля перечисляет OnDeviceModelBackgroundDownload<OnDeviceModelBackgroundDownload и ShowOnDeviceAiSettings<OnDeviceModelBackgroundDownload в блоке enable-features. Первый флаг запускает тихую фоновую загрузку. Второй открывает в chrome://settings раздел про локальный ИИ. Оба завязаны на один и тот же флаг раскатки. То есть по собственной логике Chrome установка начинается раньше, чем у пользователя появляется хоть какой‑то интерфейс, где можно от нее отказаться. Страница настроек, из которой вообще можно узнать о существовании этой функции, включается синхронно с установкой. Это не случайность, а устройство системы.

  3. Логи GoogleUpdater показывают загрузку управляющего локального компонента модели (appid {44fc7fe2-65ce-487c-93f4-edee46eeaaab}) по адресу http://edgedl.me.gvt1.com/edgedl/diffgen-puffin/%7B44fc7fe2-65ce-487c-93f4-edee46eeaaab%7D/... — это сжатый контрольный файл размером 7 МБ, который пришел 20 апреля 2026 года, за три дня до создания рассматриваемого аудиторского профиля. Это верхний управляющий контур: он не зависит от профиля, запускается автоматически через LaunchAgent, который срабатывает каждый час, и ходит по обычному HTTP. Целостность обеспечивается не транспортом, а подписью CRX-3 внутри пакета. Этот управляющий компонент передает Chrome манифест с указанием на реальные веса, а дальше уже встроенный OnDeviceModelComponentInstaller внутри Chrome — отдельный кодовый путь, не связанный с GoogleUpdater, — тянет многогигабайтные веса напрямую с CDN Google.

Итого цепочка такая: события файловой системы ядра macOS, внутреннее состояние профиля Chrome, флаги запуска Chrome и журналы обновления компонентов от Google. Все четыре источника показывают одно и то же поведение: на пользовательский диск без согласия и без уведомления прилетает 4-гигабайтная ИИ‑модель; происходит это в профиле, где не было вообще никакого человеческого ввода; весь процесс занимает 14 минут 28 секунд во второй половине дня вторника.

Про каталог OptGuideOnDeviceModel и файл weights.bin на форумах пишут уже больше года. Новое тут не сам факт, а масштаб и воспроизводимость. Доля Chrome на мировом рынке, по StatCounter, держится выше 64%, а аудиторию браузера в 2026 году DemandSage оценивает в 3,45–3,83 млрд человек. Google при этом все агрессивнее вкручивает Gemini‑функции прямо в Chrome. Это уже не история про небольшую группу энтузиастов на редкой платформе. Речь идет о сотнях миллионов устройств на всех настольных ОС, под которые Chrome вообще выходит.

С Anthropic здесь один и тот же прием

По сути это тот же самый набор темных паттернов. Я повторю классификацию из статьи про Claude Desktop, потому что совпадает не частность, а сама логика.

  1. Вмешательство за пределами своего продукта. Anthropic устанавливает Claude Desktop, а потом без спроса меняет конфигурацию установленных у пользователя Brave, Edge, Arc, Vivaldi, Opera и Chromium. Google устанавливает Chrome, а потом без разрешения кладет в каталог пользовательского профиля файл ИИ‑модели на 4 ГБ. Этот бинарник не является самим Chrome. Это отдельно обученная модель машинного обучения со своей задачей, своим профилем обработки данных и своим отдельным контуром согласия.

  2. По умолчанию и без вопроса. Нет диалога при первом запуске. Нет чекбокса в настройках. Модель скачивается, а пользователь узнает об этом через месяцы, когда на диске заканчивается место (Pure Infotech, Vishwam Dhavale, WinAero).

  3. Снести сложнее, чем поставить. Чтобы файл появился, не нужно ни одного клика. Чтобы убрать его, нужно: а) понять, что он вообще существует; б) разобраться, что это такое; в) добраться до скрытого пути внутри пользовательского профиля; г) удалить файл, а на Windows еще и снять атрибут read‑only; д) принять, что Chrome тихо скачает его заново при следующем подходящем окне, если пользователь дополнительно не полезет в chrome://flags, корпоративные политики или платформенные инструменты конфигурации, чтобы отключить соответствующую ИИ‑функцию Chrome. Ничего из этого не задокументировано там, где обычно смотрит нормальный пользователь. Более того, интерфейс Chrome на это даже не намекает.

  4. Пользователю заранее подсовывают то, о чем он не просил. Модель Nano лежит на диске заранее, чтобы функции Chrome могли стартовать мгновенно, когда пользователь когда‑нибудь до них доберется. Пользователь эти функции не вызывал. Но 4 ГБ уже заняты.

  5. Масштаб прячут за невнятным именем. OptGuideOnDeviceModel — это внутренний жаргон Chrome для «хранилище локальной модели OptimizationGuide». Пользователь, даже если примерно понимает, на что смотрит в анализаторе диска, вряд ли свяжет OptGuideOnDeviceModel/weights.bin с весами Gemini Nano. Если бы имя было честным, каталог назывался бы как‑нибудь вроде GeminiNanoLLM/weights.bin. Google выбрал гораздо менее понятный вариант.

  6. Модель приезжает независимо от действий пользователя. Пользователь, который ни разу не открывал ИИ‑функции Chrome, все равно получает модель. Пользователь, который однажды их посмотрел и решил, что они ему не нужны, тоже получает модель. Наличие файла отвязано от реального использования функций, которые он должен обслуживать.

  7. Пользовательская документация обходит это стороной. В документации Google по ИИ‑функциям Chrome нигде не сказано с той заметностью, которую заслуживает тихая загрузка на 4 ГБ, что цена «доступности» этих функций — файл такого размера на устройстве. Это можно раскопать в местах, до которых доберется любопытный администратор. Но не там, где смотрит обычный пользователь перед установкой Chrome или перед тем, как Chrome решает скачать модель.

  8. Удаление не уважается. Та же логика, что и у Claude Desktop. Удалили файл — Chrome создает его снова. Удаление со стороны пользователя трактуется как временное отклонение, которое надо исправить, а не как решение, которое надо уважать.

  9. Будущее согласие не оправдывает прошлую тихую установку. Если Google когда‑нибудь начнет спрашивать «хотите ли вы, чтобы Chrome скачал 4-гигабайтную ИИ‑модель», это не узаконит задним числом уже выполненные установки на сотнях миллионов устройств. Ущерб доверию уже нанесен. Файлы уже приехали. Выбросы уже случились.

  10. Это не эксперимент, а стабильный релиз. Речь не о странной тестовой сборке. Это обычный стабильный релиз Chrome.

Плашка AI Mode в адресной строке только усугубляет картину

Вот тут начинается совсем неприятное. Когда Chrome 147 запускается с подходящим профилем, в омнибоксе — то есть прямо в самой заметной части браузера — справа от адресной строки появляется плашка AI Mode. Обычный пользователь видит ее, знает, что у Chrome есть локальные языковые модели и что на диске уже лежит 4-гигабайтный бинарник Gemini Nano, и делает вполне естественный вывод: наверное, вот эта штука и работает локально. Логика нормальная. Но вывод неверный.

На деле AI Mode — это облачный режим Search Generative Experience. Все запросы, которые пользователь туда вводит, уходят на серверы Google и обрабатываются уже там. Локальная Nano‑модель в этом сценарии вообще не участвует. То есть самая заметная ИИ‑функция браузера не использует ту локальную модель, которую браузер молча скачал на диск. А функции, которые локальную модель действительно используют — например, Help‑Me‑Write в <textarea>, ИИ‑подсказки для групп вкладок, smart paste или сводка страницы, — спрятаны заметно глубже и большинству пользователей, скорее всего, вообще не попадутся.

И вот в этом месте вся конструкция начинает выглядеть совсем криво. Пользователь платит местом на диске и трафиком, но видимая «флагманская» ИИ‑функция не дает ему никакого локального преимущества: запросы все равно уходят в Google. Если бы компания честно говорила: да, мы скачали локальную модель, зато ваши запросы в AI Mode остаются на устройстве, это хотя бы было предметом спора. Но тут выходит иначе: диск и канал тратятся у пользователя, а витринная ИИ‑функция все равно работает через облако. Получается, локальная модель нужна в первую очередь Google как задел на будущее, а не пользователю как прозрачная и понятная возможность.

Если переводить это на язык EDPB 03/2022, тут сразу несколько категорий обманных паттернов интерфейса. Есть misleading information, потому что надпись AI Mode создает у пользователя ложное впечатление о том, где именно происходит обработка. Есть skipping, потому что пользователю не дают отдельного выбора между локальными и облачными ИИ‑функциями — все включается одним и тем же механизмом раскатки. И есть hindering, потому что отключение AI Mode не удаляет локальную модель, а удаление локальной модели не выключает AI Mode. То есть даже управление этими вещами специально разведено так, чтобы пользователь не мог быстро понять, что именно у него вообще включено.

Короче, проблема не только в тихой установке. Проблема еще и в том, что эта тихая установка соседствует с облачной функцией, которая выглядит локальной, но по факту таковой не является. Вместе это делает историю только хуже.

Почему это незаконно в ЕЭЗ и Великобритании

Если говорить по‑простому, в ЕЭЗ и Британии здесь сразу несколько неприятных моментов.

Статья 5(3) Директивы 2002/58/EC (ePrivacy Directive) по сути запрещает что‑то сохранять на устройстве пользователя или получать доступ к тому, что там уже хранится, без предварительного, свободно данного, конкретного и информированного согласия — если только это не строго необходимо для сервиса, который пользователь сам явно запросил. 4-гигабайтный файл весов Gemini Nano — это как раз такая запись на устройство. Согласия не было. Строгой необходимости тоже нет: Chrome прекрасно работает и без этого файла. Поэтому с точки зрения статьи 5(3) проблема здесь выглядит довольно прямой.

Статья 5(1) GDPR требует, чтобы обработка персональных данных была законной, добросовестной и прозрачной для субъекта данных. Если Chrome профилирует железо пользователя, чтобы решить, попадает ли устройство под раскатку модели, если события установки логируются на серверах Google и если локальные функции на этой модели обрабатывают пользовательские промпты, то вся эта конструкция должна быть хотя бы внятно объяснена пользователю. Этого не происходит.

Статья 25 GDPR требует, чтобы по умолчанию обрабатывались только те персональные данные, которые действительно нужны для конкретной цели. Предварительно выкладывать на диск пользователя 4-гигабайтную ИИ‑модель на случай, если он когда‑нибудь потом вызовет ИИ‑функцию, — это прямо противоположно идее минимизации по умолчанию. Профилирование устройства для решения вопроса о раскатке тоже не висит в вакууме: если система оценивает характеристики конкретной машины и конкретного пользователя, это уже часть обработки данных, а не нейтральная техническая мелочь.

Для UK GDPR и Privacy and Electronic Communications Regulations 2003 вывод будет примерно тем же. А если смотреть с позиции California Consumer Privacy Act, то отсутствие notice at collection, которое бы прямо покрывало такой тип предустановленного программного артефакта, тоже выглядит плохо.

Ну и дальше уже начинается разговор о возможных нарушениях национального законодательства о несанкционированном вмешательстве в компьютерные системы. Это отдельная большая тема, но отмахнуться от нее тоже не получится.

ESG: климатическая цена тихой раскатки

В истории с Anthropic, о которой я писал раньше, десктопное приложение раскидывало по каталогам JSON‑манифест на 350 байт. На фоне всей аудитории Claude Desktop это почти ничто. У Chrome масштаб совсем другой: 4 ГБ на сотни миллионов устройств. Здесь это уже не фигура речи, а вполне считаемый экологический след.

Я считаю его по той же методике, которую платформа WebSentinel использует для экологической оценки сайтов:

  • Энергоемкость сетевой передачи данных: 0,06 кВт·ч на 1 ГБ. Это середина диапазона из работы Environmental impact assessment of online advertising Пярссинена и соавторов, Science of The Total Environment. В статье приводится диапазон 0,04–0,10 кВт·ч/ГБ в зависимости от доли fixed‑line и mobile‑трафика и от учета энергопотребления конечных устройств. Значение 0,06 выглядит разумной серединой.

  • Коэффициент выбросов энергосистемы: 0,25 кг CO2e на 1 кВт·ч, то есть композитный показатель для ЕС-27 по данным EEA для отчетности за 2024 год. В мире показатель гуляет примерно от 0,10 кг/кВт·ч в энергосистемах с высокой долей ВИЭ до более чем 0,70 кг/кВт·ч в странах с угольной генерацией. 0,25 — нормальная средняя оценка для глобальной раскатки; именно ее WebSentinel использует по умолчанию.

Цена одной раскатки Nano на одно устройство

  • Трафик: 4 ГБ

  • Энергия: 4 × 0,06 = 0,24 кВт·ч на устройство за одну раскатку

  • CO2: 0,24 × 0,25 = 0,06 кг CO2e на устройство за одну раскатку

Это цена на одно устройство за одну доставку модели. Здесь не учтены повторные скачивания, если пользователь пытается удалить файл и у него это не получается. Не учтены будущие обновления модели. Не учтены энергозатраты на локальный запуск самой модели. Это только разовая доставка на одно устройство.

Совокупная стоимость на масштабе раскатки

Google не публикует, сколько устройств получают Nano. Критерии допуска к раскатке, которые Chrome вычисляет по характеристикам CPU, GPU, объему RAM и доступной VRAM, обычно отсекают только совсем слабые машины. На Apple Silicon это, как правило, около 16 ГБ объединенной памяти и выше; на Windows и Linux — около 16 ГБ RAM плюс дискретный или интегрированный GPU с достаточным объемом видеопамяти. Но даже после этого подходящая аудитория остается огромной. Ниже — три сценария, чтобы читатель сам прикинул, какой ближе к реальности. Ни один из них не выглядит фантастическим для функции, которая приходит в Chrome по умолчанию.

Устройства, получившие раскатку

Объем переданных данных

Энергия

Выбросы CO2e

100 млн (нижняя оценка: ~3% пользователей)

400 петабайт

24 ГВт·ч

6 000 тонн CO2e

500 млн (средняя оценка: ~15% пользователей)

2 эксабайта

120 ГВт·ч

30 000 тонн CO2e

1 млрд (верхняя оценка: ~30% пользователей)

4 эксабайта

240 ГВт·ч

60 000 тонн CO2e

Чтобы понимать масштаб, если считать по данным Ofgem и European Environment Agency:

  • 24 ГВт·ч в нижнем сценарии — это примерно годовое потребление электроэнергии 7 000 средних домохозяйств Великобритании.

  • 120 ГВт·ч в среднем сценарии — это примерно годовое потребление 36 000 средних британских домохозяйств или годовая выработка 14-мегаваттной ветряной турбины при типичном для Великобритании коэффициенте использования мощности.

  • 240 ГВт·ч в верхнем сценарии — это примерно годовое потребление 72 000 средних британских домохозяйств или годовая выработка примерно 28 МВт установленной ветровой мощности.

  • 6 000 тонн CO2e в нижнем сценарии — это примерно годовые выбросы 1 300 средних легковых автомобилей в ЕС.

  • 30 000 тонн CO2e в среднем сценарии — это примерно годовые выбросы 6 500 автомобилей или один перелет Лондон — Сидней — Лондон примерно для 8 000 пассажиров экономкласса.

  • 60 000 тонн CO2e в верхнем сценарии — это примерно годовые выбросы 13 000 автомобилей.

И это только доставка. В расчет включен один проход байтов по сети. Здесь не учтено следующее:

  • Постоянная нагрузка на пользовательские накопители: примерно 4 ГБ × N устройств. Для SSD удельный embodied carbon в статье The dirty secret of SSDs: embodied carbon оценивается примерно в 0,16 кг CO2e на 1 ГБ произведенного NAND. Для 1 млрд устройств × 4 ГБ это около 640 000 тонн CO2e, связанных с произведенными SSD‑ресурсами, отнесенными на сценарий, на который пользователь согласия не давал. Это разовый производственный след, но хранить эти данные в итоге приходится пользовательским устройствам, которые могли бы использовать это место под собственные данные.

  • Энергозатраты на локальный запуск Nano. На одну операцию они невелики. При 2 млрд активных пользователей Chrome в день перестают быть мелочью.

  • Повторные скачивания для пользователей, которые пытаются удалить файл. Каждое повторное скачивание — это еще 4 ГБ × 0,06 кВт·ч × 0,25 кг = 0,06 кг CO2e на устройство.

  • Будущие обновления модели. Gemini Nano — не одноразовый артефакт, а живая модель, для которой будут приходить новые веса. Каждое обновление повторяет тот же расчет.

В терминах ESG‑отчетности текущая разовая раскатка модели — это выброс Scope 3 Category 11 («use of sold products»), который разумно относить к Google как к поставщику бесплатного продукта, распространяющего на пользовательские устройства бинарник, который пользователь не запрашивал. В логике CSRD это уже не та история, которую можно просто не замечать.

Почему важен сам по себе трафик

Помимо углеродного следа, стоимость этого трафика платят провайдеры, мобильные операторы, пользователи с лимитированными тарифами и вся инфраструктура, которая тащит нежелательные 4 ГБ туда, где их никто не просил. По работе Pärssinen около 50% энергозатрат такой доставки приходится на сеть доступа и пограничную CDN‑инфраструктуру, около 30% — на пользовательское оборудование вроде роутера, модема и сетевого интерфейса, а остальное — на магистральную сеть. Ни один из этих уровней не бесплатен. Каждый байт, который Chrome проталкивает по сети, конкурирует с байтами, которые пользователь действительно хотел получить.

Для пользователей с лимитированными мобильными тарифами, особенно в регионах, где смартфон часто остается единственным интернет‑доступом — например, во многих странах Африки, Южной и Юго‑Восточной Азии и значительной части Латинской Америки, — 4 ГБ незапрошенной загрузки могут означать месячный лимит трафика, который Chrome потратил вместо пользователя. Насколько мне известно, Google не публиковал анализа того, как это сказывается на людях, у которых интернет реально тарифицируется по жесткому лимиту.

Важно помнить и другое: мобильные тарифы 4G и 5G нередко используются целыми домохозяйствами, у которых нет доступа к оптоволокну, кабельному интернету или ADSL, причем не только для смартфонов, но и для настольных устройств. Поэтому аргумент «Google же не будет раскатывать это на мобильные устройства» не выглядит убедительным. Во‑первых, у меня нет официальных подтверждений такой оговорки. Во‑вторых, даже если бы она существовала, она не снимала бы проблему для домашних устройств, которые сидят на мобильном канале.

Что Google стоило бы сделать

Список тут довольно простой. По сути, это те же шаги, которые я предлагал Anthropic в тексте про Claude Desktop, только применительно к Google.

  1. Спросить. В тот момент, когда Chrome собирается впервые скачать Nano, нужно показать диалог: «Chrome хочет скачать на ваше устройство ИИ‑модель размером 4 ГБ для следующих функций. Разрешить или пропустить и решить позже». Две кнопки, и этого уже достаточно.

  2. Скачивать после действия пользователя, а не заранее. Модель должна приезжать после первого реального вызова ИИ‑функции, а не предустанавливаться «на всякий случай».

  3. Показывать это в интерфейсе. В chrome://settings/ нужно перечислять загруженные ИИ‑модели, их размер, функции, которые они обслуживают, и давать кнопку «Удалить и больше не скачивать» для каждой модели. Удаление должно быть постоянным решением пользователя, а не временным состоянием, которое браузер исправит на следующем запуске.

  4. Нормально документировать. На странице загрузки Chrome, в установщике и в описании Chrome в Microsoft Store нужно прямо писать, что на поддерживаемом железе браузер может скачивать дополнительные модельные файлы заметного объема. Сейчас для обычного пользователя это по сути скрыто.

  5. Уважать удаление. Если пользователь удалил weights.bin, Chrome не должен создавать его заново. Если у пользователя есть четкое решение о том, что хранится на его диске, приложение не должно его переигрывать просто потому, что так удобнее разработчику.

  6. Раскрывать масштаб. В годовом ESG‑отчете Google должна публиковаться суммарная нагрузка по трафику и углеродному следу всех раскаток ИИ‑моделей на устройства пользователей, с разбивкой по регионам. Это и есть Scope 3 Category 11, и учитывать это нужно.

  7. Сообщить задним числом. Пользователям, которые уже получили модель без согласия, при следующем запуске Chrome нужно объяснить, что произошло, показать файл и дать возможность одним действием отменить решение и удалить установку. Такой же ретроспективный шаг, кстати, стоило бы сделать и Anthropic.

Вывод

Если отбросить детали, в обеих историях логика одна и та же. И в случае с манифестом Claude Desktop, и в случае с раскаткой Gemini Nano через Chrome инженерная команда крупной ИИ‑компании решила, что пользовательская машина — это просто удобная площадка для развертывания, которую можно оптимизировать под свою продуктовую стратегию, а не персональное устройство, где последнее слово вообще‑то должно быть у владельца.

У Anthropic речь шла о предварительной авторизации браузерной автоматизации примерно на трех миллионах устройств с Claude Desktop, если брать доступные на тот момент оценки install base. У Google — о 4 ГБ весов модели на, по моей средней оценке, примерно 500 млн устройств пользователей Chrome. Отсюда и совсем другой масштаб рисков — и по ePrivacy, и по GDPR, и по экологии.

Обе компании любят говорить о безопасности, этике и ответственном ИИ. Но если смотреть на описанные здесь тихие установки, получается, что базовый принцип согласия у них очень быстро заканчивается там, где начинается продуктовая выгода. То, что это «ИИ‑байты», не выводит их из‑под действия закона, который регулирует любой другой случай записи данных на устройство пользователя без разрешения. И то, что эти байты по отдельности «не такие уж большие», не отменяет их суммарного, вполне измеримого климатического ущерба.

Если в следующем обновлении Chrome Google тихо уберет уже сделанные установки без согласия и заменит их на нормальное явное согласие пользователя, можно будет сказать, что компания хотя бы услышала претензию. Если нет, значит, все красивые разговоры про ответственный ИИ и устойчивое развитие стоят ровно столько, сколько стоят.

На фоне того, что все это все чаще становится поведением по умолчанию, остается очень простой вопрос: когда регуляторы и прокуроры наконец начнут применять закон, который действует с 2002 года, или глобальные технокорпорации и правда живут в каком‑то отдельном правовом режиме?

Только зарегистрированные пользователи могут участвовать в опросе. Войдите, пожалуйста.

28.89%Наплевать. 4 Гб не жалко, хотя и не пользуюсь13

2.22%А вдруг пригодится? Раз уж она всё равно скачалась, может, однажды и воспользуюсь1

60%Думал, полезно, но из поста узнал, что эту модель ещё не так просто использовать — а место и трафик уже потрачены!27

8.89%Супер! Давно думал о таком, а Гугл так помог4

Проголосовали 45 пользователей. Воздержались 26 пользователей.