Mento VC под управлением Александра Журавлева вложился в американский стартап VideoGen. В посевном раунде на $3,3 млн участвовали Y Combinator, Rebel Fund, Lobster Capital, Stretford End Capital, Pioneer Fund и Decacorn VC. VideoGen был создан в 2023 году. Стартап разработал платформу для создания видео с помощью искусственного интеллекта. Пользователь может ввести текст, вставить ссылку на статью или загрузить готовый сценарий, а нейросеть анализирует текст и генерирует готовый видеоролик. Также платформа автоматически подбирает подходящие по смыслу лицензионные видео и изображения из встроенной библиотеки, добавляя их в ролики. Сейчас у VideoGen порядка 5 млн пользователей из более чем в 190 стран. Mento VC был запущен в 2023 году. Управляющим партнером является бывший портфельный директор AltaIR Capital Александр Журавлев. Фонд инвестирует в глобальные стартапы из США, Израиля, Великобритании и Европы. Фокус сделан на такие сферы как: Productivity Tools, Future of work, B2B SaaS Enterprise, Fintech и HRTech. Фонд предпочитает работать с командами, разрабатывающими программные решения и сервисы, ориентированные на корпоративный сектор и массовый рынок. В 2025 году стало известно, что в Mento VC вложился Игорь Рябенький. Он стал партнером [non-managing] в управляющей компании и одним из якорных инвесторов фонда. @rusven

🤖 В Германии полиция задержала робота за домогательства к девушке! В Кёльне два подростка устроили весьма сомнительное шоу с участием красно-золотого робота ростом 120 см. По данным полиции, робот подъехал к 16-летней девушке, схватил её за ягодицы и начал совершать непристойные движения. Девушка закричала и отошла. 📱 При этом 16-летний владелец робота и его 19-летний приятель, предположительно, транслировали происходящее в соцсетях и комментировали свои действия. Полиция быстро нашла парней, а самого робота конфисковала. Теперь обстоятельства происшествия расследуют правоохранители. 🔥 Роботы ещё не успели массово выйти на улицы, а у них уже первые проблемы с законом! Правда, в данном случае вопросы явно не к искусственному интеллекту, а к естественном 🤗 ————————— 🤖Подписывайтесь на лучший канал PRO Роботов 📲Мы в MAX

Траты US-компаний на AI стагнируют Снова сводки кириллика о реальном рынке AI! По последним данным Ramp (считают реальные траты US-бизнесов на AI) бурно растет расход токенов, но траты на них и AI продукты стагнирует. Уже два месяца почти без роста трат. Напомню, что медианный бизнес, который что-то платит за AI, тратит всего $16-18/мес на сотрудника. Что не выглядит революцией. Еще любопытно, что компании все чаще готовы менять модели, и это подтверждает тезис многих аналитиков о том, что switching costs у AI не высоки, а значит у многих AI бизнесов, включая AI лабы, не такой уж сильный moat. Проще говоря, многим бизнесам уже достаточно не самых дорогих моделей. Соответственно два столпа всей AI индустрии, OpenAI и Anthropic, становятся менее устойчивы, со своими чудовищными тратами на обучение новых моделей. Мир начинает задаваться вопросом, как окупится $2 трлн AI капекс. А мы начинаем лучше видеть, что главный рынок AI - это написание кода. И это безусловно огромный рынок, где еще расти и расти. Однако становятся менее популярными идеи о том, что AI будет делать много офисной работы лучше человека или тем более придет AGI. @kyrillic

Делаем пульт ДУ с генератором. Нет, не ядерным. Но… :-) Сидишь перед телевизором, начинается реклама, и руки так и тянутся что-нибудь покрутить. Спиннер, например. А что, если вместо него катать по столу пульт ДУ, одновременно вырабатывая электричество? Тогда и о батарейках можно забыть. Ну, по крайней мере, таков план. :-) Вообще, идея ручного генератора далеко не нова. Вспомнить хотя бы советский фонарик «Жучок», который загорался от нажатий на рычаг. Но пульту требуется всего около 3 В, так что сложную механику можно попробовать заменить чем-нибудь попроще. Из домашних запасов электронных компонентов и деталей, напечатанных на 3D-принтере, получился первый прототип. По расчётам, 1-2 секунды вращения генератора хватит на целый вечер — примерно 50-60 нажатий. А 10 секунд могут обеспечить несколько дней работы. Правда, в процессе обнаружились технические нюансы.

Как работать с AI, чтобы он не заменил тебя, а ускорил / Ультимативный курс по AI Мы собрали полный курс по AI для айтишников: от базы, которая нужна каждому, до отдельных глав для бэкенда, фронта, мобилок, QA и аналитиков. Почти 6 часов практики без воды 👇 https://youtu.be/1XIuYoHev-Y https://youtu.be/1XIuYoHev-Y https://youtu.be/1XIuYoHev-Y ✔️ ChatGPT, Claude, Gemini, Perplexity и DeepSeek: чем они отличаются и какую брать под конкретную задачу ✔️ как ставить задачи нейросети, чтобы получать рабочий код с первого раза, без переписки на 40 сообщений ✔️ где AI реально ускоряет бэкенд и фронт, а где начинает уверенно ошибаться ✔️ агенты, MCP и Cursor: как автоматизировать разработку и тесты уже сейчас ✔️ генерация тест-кейсов, SQL и прототипов для QA и аналитиков, плюс что из этого обязательно проверять руками ✔️ что нельзя отдавать нейросети ни при каких условиях и чем опасны полностью автономные агенты Смотри главу под свое направление и пробуй на рабочих задачах. И забирай полную расшифровку, домашки и материалы по AI забирай.

Вышел урок про ИИ-агентов простыми словами. Коротко: чат-бот отвечает, агент делает. Сам ищет, открывает сайты, заполняет таблицы и проверяет результат, круг за кругом, пока не дойдёт до цели. Что разбираю в видео: • из чего состоит агент: модель, инструменты, цель и цикл • как он работает внутри на примере таблицы цен 10 конкурентов • что такое MCP и почему его сравнивают с USB • где агенты уже работают: код, офис, поддержка, личные агенты • когда агент не нужен и хватит обычного сценария • три способа собрать своего: без кода, в n8n и кодом • пять правил безопасности, чтобы агент не наделал дел https://www.youtube.com/@baldfrombrowser

У вас есть ощущение, что сейчас у большинства научных статей происходит кризис осмысленности? Приведу несколько примеров. Наверное, вы помните, что пару месяцев назад я делал интервью с Глебом на тему World Models. Глеб проводил целую серию семинаров о том, а вообще имеют ли смысл World Models, где в них искать преимущества и в чём их профит. И это была очень ценная, на мой взгляд, и важная серия семинаров. Есть масса работ, поддержанных NVIDIA и другими компаниями, в которых проделана огромная и сложнейшая работа по тому, как обучить World Model, как получить дополнительные проценты на каком-то бенчмарке при таком подходе и прочее, и прочее. Но при этом нет ни одной внятной демонстрации и чёткого ответа на вопрос, как именно это помогает. И чтобы разобраться с этим, нужно привлекать достаточно умных людей, которые глубоко в теме, причём не один раз. И мне кажется, что это огромная проблема современной науки и современных статей. Я вот полчаса назад сходил на небольшой семинар одного из авторов модели D-Robotics Uranus, который проводила сама D-Robotics. Я абсолютно случайно оказался в их Discord-канале, когда они прислали мне плату на тестирование. Наверное, вы помните видео про RDK S100. Они параллельно занимаются тем, что обучают World Models. Автор рассказал доклад. Явно написанный чатом гпт. Здоровый человек не говорит в таких формулировках. Я спросил автора, смогли ли они сделать какой-нибудь простой тест на новом роботе в новом environment и сравнить результат с каким-нибудь ACT. Или сделать любой ablation study. Мой вопрос был единственным. Автор решил что лучший ответ - отключить камеру и перестал отвечать на что либо. 🤣🤣🤣 Мне кажется, это очень показательно. Когда я смотрю на реальные стартапы, которые что-то делают, они очень часто не используют вообще никакие технологии, появившиеся за последние три-четыре года. Потому что ещё не произошло осмысления того, что было сделано за это время, и того, как это применять в реальности. И абсолютно не факт, что значительная часть этих технологий вообще дойдёт до реального применения. Мне это кажется катастрофическим разрывом с тем, как всё было 20 лет назад. Когда практически по любой статье, которая появлялась, с автором можно было очень долго разговаривать о том, где это можно использовать, какие проблемы это в реальности может решать. И авторы были супер открыты к тому, чтобы обсуждать, что да, им кажется, что это, конечно, не общий метод, но вот тут, тут и тут он может значительно усилить существующие алгоритмы. Сейчас же авторы живут в каком-то своём воображаемом замке, который очень плохо маппится на реальность.