Пять клиентов в вейтлисте - это актив или упущенная выручка? В пятницу в клубе MFS проводили разборы стартапов. Расскажу интересный кейс. Фаундер строит B2B-платформу для страхования ответственности AI агентов. Нашёл пять компаний, готовых подписаться, и держит их в вейтлисте — ждёт, пока команда разработки доделает продукт, чтобы не разочаровать клиента сырым решением. Ментором сессии был Стас Сучков, фаундер Evolve ($1.4M инвестиций). Он разнёс логику фаундера в пух и прах:

Скажи клиентам, что настройка занимает три месяца, подпиши договор сейчас, а деньги, если не справишься, верни.

Причина проста: пять подписанных контрактов — это не просто пять клиентов, это рычаг для всего остального. С ними легче собрать команду, потому что кандидат видит не идею, а спрос. С ними легче зайти в акселератор — вместо питча про потенциал ты показываешь договоры. С ними легче разговаривать с инвестором, потому что вопрос "а кто-то готов за это платить" закрыт фактом, а не прогнозом. Мы часто путаем два разных риска: репутационный и денежный. Кажется, что подписать контракт под недоделанный продукт — значит подставить себя, если не вывезешь. На деле репутация страдает не от того, что стартап не успел в срок. Она страдает, если стартап взял чужие деньги и просто их не вернул, когда не справился. А если деньги целы — можно честно сказать "не получилось, сорри" и остаться в нормальных отношениях с клиентом. Именно поэтому клиент, который в момент подписания видел сырой продукт, может через полгода-год сам вернуться и предложить пилот — если стартап ни разу не подвёл его с деньгами. А есть ситуации, когда вейтлист правда выгоднее подписанного договора? Если у вас был такой случай — расскажите в комментариях, интересно разобрать Андрей Резинкин | Money For Startup

Почему собеседования мертвы Словил себя на мысли, что часто преувеличиваю роль собеседований. Кажется, что задам правильные вопросы, получу на них какие-то ответы, потом попрошу сделать тестовое и пойму – ДА или НЕТ. На практике в 2026: – Мастера прохождений собеседований (люди годами оттачивают этот навык, проходят курсы, и т.д.) – Фейковый опыт – Серийные двойные удалёнщики – Курсы “Доведем до оффера” и "Работа за рубежом" – Читеры с ChatGPT и базами вопросов на собеседовании А на деле слабые когнитивные способности и низкое деливери. Получается, что чем сложнее у тебя воронка найма, тем меньше дойдет до реальной практики и испытательного, который снова становится главным фильтром, как в старые добрые. (Когда-то я собесил разрабов только через Live coding и работало збс) Короче, собеседование превратилось в театр. Все эти многочасовые интервью с пятью раундами и тестовыми заданиями на неделю – это просто трата времени обеих сторон. Все отрепетировано, все заучено, все идеально. Поэтому не надо стрелять себе в ноги, просто садимся и работаем вместе. Все будет понятно за месяц.

Нейросеть, обученная на подлинниках Рафаэля, вынесла вердикт по «Мадонне делла Роза» из мадридского Прадо, заключив, что лицо святого Иосифа писал, скорее всего, не сам мастер. Алгоритм разработал профессор Хасан Угайл из Брэдфордского университета, и на заведомо подлинных работах он давал 98% точности. Систему натаскали через трансферное обучение, когда уже обученную на смежной задаче модель адаптируют под новую цель, плюс подключили обнаружение границ для разбора техники мазка. Картину написали около 1517 года, и авторство Иосифа искусствоведы «грызли» ещё с середины 1800-х. Тогда Иоганн Давид Пассавант первым усомнился, что тут работал один Рафаэль, а не его мастерская. Целое полотно машина не осилила и единого вывода не выдала. Команда из университетов Ноттингема, Брэдфорда и Стэнфорда разрезала картину на фрагменты и прогнала их по отдельности, и только тогда Иосиф выпал из стиля мастера. Знатоки и раньше отмечали, что Иосиф написан слабее остальных фигур, будто добавлен в мастерской второпланово. Кандидатом на авторство лица называют Джулио Романо, ученика Рафаэля, — того же, на кого думали эксперты задолго до ИИ. Сами исследователи при этом осекли энтузиазм и напомнили, что нейросеть тут лишь один инструмент рядом со спектроскопией и историей владения картиной. Результаты вышли в журнале Heritage Science в декабре 2023 года.

Айтишникам не нужно сидеть в универе четыре года. Двух вполне достаточно, считает Сэм Альтман. На встрече с тех-стажёрами глава OpenAI вспомнил, что сам проучился в Стэнфорде всего два года, и назвал этот срок почти оптимальным. По его мнению, после этого отдача от классического университетского образования начинает заметно снижаться. Альтман также отметил, что знает много людей, которые вообще не окончили колледж, но при этом построили очень успешную карьеру. Звучит красиво, хотя здесь сложно не вспомнить про ошибку выжившего: истории тех, кто бросил университет и стал миллиардером, мы знаем отлично. Истории тех, кому такой сценарий не помог, обычно никто не цитирует. Интереснее другое: сколько инженеров в самой OpenAI действительно работают без законченного высшего образования.

Хорошо подмечено! Закину свои пару копеек. В любых линейных играх во главе угла стоит пейсинг. Если по-русски, то я бы его переводил и разбивал на "темп" и "разнообразие". Для поддержания таких вещей в дизайне существует множество инструментов планирования, в частности график интенсивности, который я даже даю в Нарраторике отдельной темой. Так вот. Боевые столкновения не могут запомниться, если игра состоит только из них. От паззлов не получится получить эврику, если игра постоянно ими душит. А любое перемещение надоест, если мы только и делаем, что ездим из одной точки в другую (я смотрю на вас, диалоги во время поездок в GTA). Поэтому стори-биты, где игрок полностью фокусируется на чём-то одном и/или тратит разное количество усилий просто необходимы. Красивая пробежка со взрывами в упомянутой миссии из Росомахи хорошо работает не в вакууме, а контексте боёв, которые идут до и после неё. Если говорить про сегмент с преследованием красного ниндзи и визуализацией пути, то тут пока менее понятно, но есть целых две версии, которые легко делают показанный геймплей когерентным. Версия №1: это не сюжетный фрагмент из испытаний, которые Росомаха получает в кошмарах. Кошмары подтверждены как отдельная активность, в которой игрок может проходить боевые и траверс-испытания. Версия №2: это запах третьего персонажа. Ниндзя бежит за ним по наводке, а Росомаха ориентируется по запаху. И не важно какая версия окажется правильной. Суть в том, что любое действие в игре можно сделать когерентным или выбивающим из погружения в зависимости от того, как его подали в рамках сеттинга. А с этим в Insomniac всё в порядке.

Поиск Яндекса поделился данными, что искали россияне с 10 по 13 августа. Выбрали самое интересное: 🟡«Солнечное затмение 12 августа 2026 года» — искали «во сколько» и «где будет видно», потому что пропустить нельзя. Следующее полное затмение у нас только 30 марта 2033 года, и то на Чукотке 🟡«Sterling point сериал» — вышел 5 августа на Amazon. 17-летняя героиня наследует от незнакомого дедушки целый остров в Канаде и находит там сестру, о которой не знала 🟡«Звездопад Персеиды 2026» — пик пришелся ровно на ту же ночь, а Луны на небе не было вообще: идеальные условия 🟡«ПСЖ Астон Вилла суперкубок» — 2:1, три сейва Сафонова и самый молодой гол в истории турнира от 17-летнего Маджо️ 🟡«Дом дракона 3 сезон 8 серия» — 10 августа вышел финал сезона, и все тут же пошли искать в поиске дату четвертого 🟡«Последний дом фильм 2026» — свежий триллер Netflix, который ищут вместе с отзывами: про семью, запертую в доме бесконечным дождем. Действие до самого финала не покидает четырех стен. 🟡«Колобок фильм 2026» — франшиза «Последний богатырь» дошла до стадии, когда главный герой — шар. Эти три дня получились крайне насыщенными 😳 @trends

ИИ научили сопровождать детей с хроническими заболеваниями Ассоциация детских ревматологов совместно с Центром технологий для общества Яндекса внедрили ИИ-ассистента в систему дистанционного мониторинга пациентов с юношеским артритом и другими детскими ревматическими заболеваниями. Он помогает отвечать на типовые вопросы, напоминает о приеме препаратов, объясняет результаты анализов и собирает информацию перед консультацией. При этом все медицинские рекомендации перед отправкой пациенту обязательно проверяет врач. В будущем аналогичные решения планируют использовать и для сопровождения пациентов с сердечно-сосудистыми и онкологическими заболеваниями.

comfyui-mcp MCP-сервер для комфи от подписчика @Aleks_101 Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально. • 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей • Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo • Запуск воркфлоу с прогрессом и отдачей результата • Скачивание моделей в нужные директории без ручной загрузки • Диагностика по логам ComfyUI и консоли браузера • Сборка воркфлоу с нуля или починка нерабочего графа • Перевод подписей графа на другой язык одним вызовом • Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp • Белый список хостов для загрузки моделей #comfyui #mcp

🌟 Cohere Labs выложила компактную зрительно-языковую модель North Micro Vision Модель на 2,4 млрд параметров стала самой маленькой в линейке VLM компании. От большинства таких моделей она отличается тем, что работает с изображением в исходном разрешении.

Обычно картинку перед подачей в модель сжимают, и мелкий текст, разметка таблицы и подписи на графике при этом теряются. Здесь пропорции сохраняются, а верхняя планка соответствует странице A4, отсканированной при 200 dpi.

Отсюда и заявленная область применения - документы, таблицы, графики, скриншоты, формы. Компактный размер удобен для дообучения под свою предметную область, а квантованные сборки, по словам Cohere, пойдут не только на сервере, но и на ноутбуке или устройстве мобильного класса. 🟡Архитектура Зрительный энкодер на 400 млн параметров вырос из SigLIP 2 и держит исходное разрешение за счёт двумерного RoPE вместе с обученными одномерными позиционными эмбеддингами. Языковая часть - собственная North Micro LLM на 2 млрд параметров, повторяющая архитектуру Command A+: три слоя внимания со скользящим окном и RoPE чередуются с одним глобальным слоем, который работает вообще без позиционных эмбеддингов.

Получается разделение труда - окна с RoPE держат локальный контекст, глобальный слой смотрит на всё сразу и в разметке позиций не нуждается.

Между ними проектор, и здесь изюминка. Вместо того чтобы отдать языковой модели один готовый набор признаков, Cohere подмешивает эмбеддинги патчей с нескольких уровней зрительного энкодера в соответствующие ранние слои языковой модели. Так модель видит картинку сразу на разных степенях обобщения. Принцип взят из DeepStack. 🟡Тесты Замеры проводили через VLMEvalKit, сравнивая с восемью моделями размером от 1,6 до 5,1 млрд параметров. Сильнее всего North Micro Vision выглядит там, куда её и целили.

На DocVQA 0,921, на ChartQA 0,808, на AI2D 0,775, на RefCOCO 0,732 (втрое выше, чем у Ministral и Qwen3-VL).

Общий язык и рассуждение даются слабее.

На MMMU 0,329, худший результат в таблице; на MMLU и MMLU-Pro модель тоже уступает большинству соседей.

📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель 🟡Демо @ai_machinelearning_big_data #AI #ML #VLM #NorthMicroVision #Cohere

когда я начал смотреть и изучать этот рынок, первым делом решил поискать других инвесторов, кто вкладывался на ранних стадиях в описанные выше компании. после небольшого рисёрча по базам я стал неожиданно часто натыкаться на японские имена в GP фондах. по работе в Японии у меня сложилось стойкое ощущение, что японца за границу не вытащишь; они сами туда не сильно стремятся, да и чувствуют себя одиноко. в общем, Африка была не тем местом, где я ожидал услышать приятное уху nihongo jouzu desu ne в ответ на свой почти полностью утраченный японский. короче, не знаю, где вам это может пригодится, но впереди пост про перепитии венчурных инвестиций в Японии. начнём с того, что японский бизнес в Африке представлен давно и плотно, особенно в автопроме. сбытовая сеть Toyota дотягивается до 53 африканских стран, а торговый дом группы Toyota Tsusho в середине десятых выкупил французский CFAO, крупнейшую дистрибуторскую сеть континента. да и японцы в африке всем нравятся. в политику особо не лезут (есть только военная база в Джибути), колониального прошлого за ними в Африке нет, а люди будут ездить на короллах при любом режиме. япония праворульная, поэтому японская бэушка активно осела в праворульные страны: кения, танзания, уганда, замбия, зимбабве, юар. японский венчурный капитал отличается от привычного американского, нацеленного на быстрый рост, рост оценки и классическую лестницу раундов. в штатах LP это эндаументы, пенс-фонды, фэмили-офисы, и иногда корпорации и мандат у них один: доходность. в японии LP это в большинстве корпорации, которым нужны и деньги, и «стратегическая ценность», то есть новые направления бизнеса. вместо того чтобы заказывать какую-то отписку от PwC про анализ рынка, легче проинвестировать в нескольких предпринимателей и иметь место в первом ряду. при этом японские корпораты в Африке спокойно ко-инвестируют мимо собственных фондов. один японский корпорат может одновременно быть LP в фонде, вести свой CVC, давать стартапу долг и подписывать с ним операционное партнёрство. например в series A у Moove сидит Verod-Kepple, японско-нигерийский фонд, рядом с ним MUFG. в MAX ещё в 2019 г. в Autochek и кенийском Fleetsimplify Mobility 54, CVC Toyota. лучшая иллюстрация того, зачем это всё, MUFG. банк вложился в Moove , а потом через свою сеть среди японских конгломератов организовал Moove партнёрство с Suzuki, по которому Suzuki стал основным поставщиком машин. вообще описанную выше модель vehicle finance очень полюбили японские корпорации. японская ставка, до недавнего времени была (сейчас 1%, была окулонулевая) едва ли не лучший экспортный товар страны после машин японский мфо Hakki, весь бизнес построил вокруг простого арбитража - занимать в японии и выдавать кенийским таксистам, где рынок привык к совсем другим цифрам. ставка получается на 25–35 процентных пунктов ниже конкурентов. посмотрел к посту, во что вкладывали японцы за это время. больше трети инвестиций это финтех - 59 компаний из 157. следом мобильность и логистика (27) и healthcare (23), дальше энергетика (13), e-com и маркетплейсы (13), и совсем немного агро (6). инвестиций по-крупному окупились в пять компаний: финтех Moniepoint (Kepple), Moove (Verod-Kepple и MUFG), кенийский M-KOPA (Sumitomo заходил дважды, в 2018 и 2023), платежка OPay и аналог TopTal Andela, в которые в 2021-м зашёл SoftBank (больше он никуда не заходил) ни одного крупного поглощения африканского стартапа японской корпорацией так и не случилось. зато Moove, купил японский автопарк, Tokyo Taxi. вообще: японцы в Африке не только инвестируют, но и строят сами. таких контор шесть. Wassha в танзании это pay-as-you-go-фонари через сеть киосков, на которую Yamaha и Daikin потом навесили доставку и подписку на кондиционеры. Dots for в Бенине, солнечные роутеры по деревням. Degas в Гане кредитует фермеров и смотрит на их поля со спутника. Dodai в эфиопии делает электробайки местной сборки, $13m в апреле, крупнейший раунд в истории эфиопских стартапов.