ИИ

У Kai-Fu Lee вышла книга AI native: mandate to transform your company (+ я постил интервью про это): Успешные CEO всяких бизнесов пробовали AI и ROI пока не видят, и спрашивают меня: чё делать? Ответ: строить AI native фирмы. AI революция будет и мощнее, и быстрее промышленных революций. GenAI дает миллионы опций, но выбирать - не умеет Гл.1 Щас всё иначе? Прошлые революции коммодитизировали энергию (за 100 лет с 1760г паровые машины выросли в 400 раз), compute, info. А щас время intelligence (но определения не дает). И диффузия идет быстрее, в тч тк цена падает экспоненциально 2 Мыслящие машины Сейчас нужно кормить нейронки данными - это дает агентам self-learning. А качество данных - это топливо современности (а вот алгоритмы все стали схожие, вот метрики моделей и конвергируются). И юзайте мультимодальность 3 Лестница агентов - От чатботов к точно указанным таскам, далее к co-pilots, и уровень 4 - полностью автономный агент кто фигачит complex goals (генеря самим себе feedback loops где они зафейлили) - Организациям нужна firm-wide memory (а не терять её внутри фирм как щас), нужны tools для коннекта агентов с внешним миром, и нужно contextual knowledge. А многоагентность поможет с галлюцинациями 4 Intelligence хочет свободы Корпорации почему-то пока все видят в AI оптимизацию костов, а не создание new value 5 Почему фэйлятся AI трансформации? а) Не увязка всех AI-пилотов в единую систему б) Отдать все CIO, а не прочим business leaders в) слишком полагаться на bottom-up инновации (а это всё слишком фрагментирует). Ну и earnings tests не юзают, а надо прямо сразу, а не пилоты ради пилотов 6 Чисто интеллекта мало - Фирмы не юзают свои dormant data. Условно, нужно не (причесанные) отчеты о встрече, а прямо её транскрипт. И так ваще во всём. Нужен enterprise AI decision layer: А) это и AI мозг Б) и онтология всех data в фирме / семантический граф / буквально карта фирмы от клиента до конца производства (для правильного decision making'а) В) и live GPS-данные Г) и поверх всего этого "операционная система": процедуры что и как тестится и как подсоединяется в корп.системы - Palantir создали большой бизнес, строя такой layer другим фирмам 7 AI-босс: сила управления с dormant data - И данные копятся слоями и к ним не возвращаются, и для CEO всё фильтруют отчетами, он слеп.. Ему боятся возражать. Поэтому у CEO должна быть своя personal agentic AI system но на всех data компании. А CTO трекает весь код. А CFO - каждый $ в фирме. Итд. Цель этих систем - выявлять не realistic / inflated / wrong things 8 Взлет DRI / directly responsible individuals - У СЕО будут кучи прямых подчиненных, каждый с тонной агентов вместо слоев менеджеров. Ищите внутри intrapreneurs и делайте из них DRI - проактивных микро-СЕО, отвечающих за end results. Такие люди и раньше были, но щас их роль взлетит - DRI - это атомы AI native бизнесов. 2 типа DRI: а) опытные про бизнес/отрасль, и б) кто умеет в агенты. Но уплощать структуру сложно - мир полон неудач - Поиск DRI идет через пробу на real tasks, и не имеет отношения к seniority людей. Давая ресурсы DRI, CEO приумножает их силу. И кстати механизмы компенсации изменятся, ведь DRI это же не просто сотрудники.. 9 Какая работа уцелеет? Автоматизация съест формальные функции, где и люди-то не нужны. Роли где people-to-people - останутся. Роли human-machine collaboration - тоже. Менеджеры - зависит от их адаптации: кто найдет коучей про AI - те успешно заюзают свою отраслевую экспертизу, смыкая её с AI. Растите свою cognitive openess 10 Мнения, вкус, смелость - После коммодитизации execution, analysis, coding, coordination лидеру остается знать: а ради чего это всё? Лидерство - это judgement про то, где нет данных: - У Chanel вкус: оценить красоту до того, как у неё появится название - У Джобса foresight: видеть большее, чем плавные изменения - У Безоса conviction: идти туда куда не идут / антиконсенсус - У Musk смелость Революцию НЕ зааутсорсить: сами лично юзайте AI, двигайте AI'ем важные именно вам метрики без оглядки на моды. И назначьте ваших первых DRI.. ** Кратко, клёво, спокойно

Я мигрировал Personal OS с git repo на server-side RAG с песочницей История экспериментов с Personal OS: (1) первый эксперимент с Git+Obsidian - 8 февраля 2026 (2) Описание структуры Personal OS - 27 февраля (3) сравнение с LLM Wiki Karpathy - 5 апреля (4) субличность Марка - 23 Мая Эксперимент 12. Yggdrasil В Personal OS набралось полторы тысячи документов. Вчера я почти все с диска и перенес на сервер. Новый сервер - это самописный файловый сервер с отслеживанием версий. Он выполняет почти все мои хотелки из прошлого (кроме типизированных документов, ибо больше не важно) Основные различия по сравнению с git + Obsidian: (1) не нужно чехарды с git командами при работе. (2) в отличие от Notion и аналогов - изменения глобально версионированы (а не по файлам отдельно). Можно откатить изменение агента, даже если он поменял тысячу файлов в разных workspaces одновременно (3) у всех участников поиск работает одинаково (4) оно сразу заточено под одновременную работу нескольких человек с их агентами над общими материалами. Под капотом - golang + SQLite + CAS + MCP API 2.0 + CLI (ставится сразу в системную папку для Codex-a) + Borg Backup на удаленный сервер. Первые впечатления - стало проще работать с файлами. Можно отправить агента завести себе workspace, не задумываясь про git push/pull итп. И можно не держать в голове текущее состояние git папок при работе. Если агент сказал, что сохранил транскрипт разговора с выжимкой, значит он уже лежит там и доступен всем. Про конфликты от одновременной работы можно не беспокоиться, откаты изменений есть. Но в минус - агенты находят документы быстрее, но стали дольше копошиться с их изменением. Оказывается, когда файлы лежат где-то там, их нельзя так просто взять и изменить. У Sol 6.1 уходило 6 c половиной минут на то, чтобы отработать такой запрос: > hey, capture that latest exchange with Aigiz into Bragi (continuing our last conversation)... (Под капотом Марк должен подключиться к серверу, найти нужный workspace, понять принципы организации capture/distill/arks, подшить куда надо, немного перелопачивая файл на 70kb, собрать изменение и смерджить его) Поэтому пришлось поставить ряд экспериментов в поиске tool calling интерфейса, который бы позволил кодексу решать эту RAG задачу быстрее. Самое забавное, что этот интерфейс оказался питоном. Вместо того, чтобы тягать файлы c сервера туда-сюда (удачи со случаем, когда мы делаем replace по папке), агент пишет маленький скрипт, который отправляется на сервер и в изолированной песочнице работает с изменениями в рамках сессии там. То есть не нужно мучаться с придумыванием оптимальных инструментов для MCP/API/CLI, когда можно сказать “писать питон вот сюда, вот тебе описание SDK”. В итоге теперь аналогичная задача выполняется Sol 6.1 без лишних танцев с бубнами за три с половиной минуты. Причем половина времени тратится на RAG задачи, а вторая - на написание текста. Заодно я смог выкинуть из MCP API и CLI все инструменты и команды кроме двух - start (начать новую сессию/commit и получить в контекст описание текущего SDK) и run (запустить питон на сервере). В общем, если у вас у какой-то AI Native системы получается сложный интерфейс с кучей API-шек и инструментов - попробуйте просто дать агентам Python, благо инструментов для этого есть море, от jails до Firecracker VM. Ваш, @llm_under_hood 🤗

Привет, это «Артифишл» Я Артём, техлид ML R&D. Шесть лет учу машины находить нужное в текстах на русском. Если вы собирали RAG или поиск по документам, возможно, вы уже пользовались нашей работой. С командой мы сделали эмбеддер FRIDA и бенчмарк ruMTEB, на котором сравнивают русскоязычные эмбеддеры. Сейчас делаем поискового агента SMITH и FRIDA-Decisions, модель, которая принимает решения по тексту без генерации. Все лежит в открытом доступе с лицензией MIT. Что здесь будет: — как устроены эмбеддинги, поиск и агенты, с честными минусами; — мои эксперименты с цифрами, включая неудачные; — тренды и обзоры новых технологий по моей теме; — кухня R&D: как делаются модели, которыми вы пользуетесь; — обсуждения с вами в комментариях: как вы применяете AI и чего вам не хватает. Последнее для меня самое важное. Напишите в комментариях, чем занимаетесь и что у вас сейчас не работает. Буду строить посты на ваших ответах.

GRACE Метод сжатия латентов от KAIST AI и Kakao Corp: сжимает видео-автоэнкодер так, что DiT работает на 8× меньшем числе токенов. Ускорение 11.1× при том же качестве по VBench. • Сжимает предобученный автоэнкодер #Wan21 без потери совместимости с DiT • Генерация видео с 8× меньшим числом латент-токенов • Качество на уровне полного пайплайна по VBench • Без переобучения DiT с нуля — легкая адаптация LoRA • Wan2.1-I2V-14B: 32.8k → 4.3k токенов • Ускорение 11.1× при 480×832, 15.5× при 736×1280 • Инференс 78 с против 863 с на A100 80GB • Асимметричный денойзинг: база чистится раньше остатка github.com/cvlab-kaist/GRACE huggingface.co/chimaharicox/GRACE #optimiozation #t2v #i2v MAX

ИИ нашёл лекарство от старения? На самом деле не совсем, но но за этой новостью скрывается другая - и вот там реально круто Недавно по многим tech-медиа и каналам прошла новость, будто "ИИ нашёл препарат, который омолаживает на 6 лет". Я решил копнуть, и там на самом деле сидят две разных истории. Сама история про старение интересная, но сомнительная, а вот другая - реально сильная. Сначала про саму компанию. Называется Insilico Medicine, её в 2014 основал Александр Жаворонков - биофизик, который ещё в 2010-х строил на нейросетях "часы старения" (это такие модели, которые смотрят на анализ крови и говорят "по паспорту вам 45, а организму все 52, бросай курить вставай на лыжи"). Сейчас Insilico - одна из главных компаний в ИИ-фарме. В декабре 2025 они вышли на IPO в Гонконге, якорными инвесторами стали Eli Lilly и Tencent, а основные исследования они ведут в Китае. Ядро бизнеса - платформа Pharma AI, которая состоит из двух частей. Одна модель ищет "мишени" - то есть белки, на которые завязана та или иная болезнь. А вторая генерит молекулы, которые по этим мишеням будут бить. Где именно такое изучать - в онкологии, ЦНС, фиброзе, разных воспалениях - им в целом пофиг, продукт тут не конкретное лекарство, а сама машинка, которая их ищет. И не только ищет, но и находит. Теперь про две обещанные истории: Первая про рентосертиб - препарат от фиброза лёгких. Фиброз - это когда ткань рубцуется, и человеку постепенно приходит трындец. ИИ здесь нашёл и мишень, и саму молекулу. Вторую фазу испытаний препарат уже прошёл: лёгкие у пациентов работали лучше, и причём чем выше доза - тем эффект сильнее. С июля стартовала третья фаза, и если она выстрелит - это будет первый в мире одобренный препарат, полностью созданный ИИ. Пока таких нету. А вот вторая история как раз про старение, и тут не всё так однозначно. Исследователи взяли сохранённую кровь 42 пациентов из той самой второй фазы рентосертиба и проверили её шестью разными "часами старения". Важно, что почти все модели сделала не Insilico, а сторонние научные группы (то есть, компания не мерила свой препарат своей же линейкой). И все шесть моделей показали, что у принимавших препарат биологический возраст снизился относительно контрольной группы с плацебо. В среднем на 3-4 года, максимум - на 6 лет. Но "звёздочек" тут много: - Все испытуемые были тяжело больны, а когда болезнь отступает, кровь сама по себе начинает выглядеть "моложе". - Выборка = 4 группы по 10-12 человек (ну, такое). - Пик эффекта был на четвёртой неделе, а дальше он затухал. - И главное: никто пока не доказал, что "сдвинутая стрелка на часах" означает лишние годы жизни. При этом новость часто подают так, будто эффект обнаружился случайно. Но это враньё - Insilico специально выбирала мишени, связанные и с болезнью, и со старением. Так что, "внезапное открытие" не такое уж внезапное. Короче, ИМХО тру-новость здесь первая, а не вторая про старение. Если рентосертиб реально пройдёт третью фазу (результаты будут где-то в конце 2027) - ИИ-фарма из "уже скоро вот-вот" превратится в настоящую индустрию. А со старением мутная история пока что. Дизраптор

Пора вводить рубрику лайфхаки для ChatGPT. Продуктовый дизайнер в OpenAI явно кодекс. И найти там что-то в настройках — это прям целый квест. Ну, во-первых, как и обещали, раскатали GPT-6 в чате, не в ворке, а именно в чате, по крайней мере для плюсового плана. Во-вторых, появилась мелкая, но приятная деталь. Теперь хоткей можно назначать не только с модификаторами Ctrl, Alt и так далее, а просто, например, F9, или, что самое удивительное, левый Shift, правый Shift. Например вы можете назначитьправый Shift для начала диктовки в любом месте Windows, не только в ChatGPT. Об этом я уже писал целый пост. Это жутко удобно. Нажали правый Shift, включается режим, грубо говоря, рации, вы наговариваете, и ChatGPT это транскрибирует и вставляет туда, откуда вы пришли в эту диктовку. Ну, например в телегу. Есть маленькая засада. Вот этот режим на диктовке в любом месте Windows работает стабильно только когда у вас включена английская раскладка клавиатуры. У меня, когда выбрана русская раскладка клавиатуры, это в принципе не работает. Он либо не вставляет, либо вставляет буковку V. Было найдено экспериментальным путем после убийства Punto Switcher и обвинения разных других программ. Нет, это просто не работает, когда включен не английский язык для ввода с клавиатуры. Но ChatGPT быстро мне написал скрипт для AutoHotkey, который просто переключается в английскую клавиатуру, потом включает режим рации, транскрибирует и переключается в тот язык, который был. Если вы используете AutoHotkey, это прям бомба софт. В-третьих, в ChatGPT появился новый режим, называется Apps Snapshot. Наверное, многие уже сталкивались с такой задачей, что надо постоянно бросать скриншоты в ChatGPT. Теперь, по идее, это делается в любом месте. Вы нажимаете два Altа или два Shiftа, и скриншот экрана сразу летит в ChatGPT и вставляется в строку ввода. Одна проблема. Это работает криво. Скриншот-то снимается, в ChatGPT залетает, но только не в текущий чат, как выбрано в настройках у меня, например, а всегда в новый чат и всегда почему-то не в режим чата, а в режим ворк. Это официальный баг, он уже задокументирован. Я жду апдейта. Ну, опять же, пока ChatGPT мне быстренько написал нужный скрипт для AutoHotkey, который я вообще назначил на боковую кнопку мыши. Он снимает скриншот, переключается в ChatGPT и вставляет туда этот скриншот. Так что либо ждите апдейта, либо можете попросить ChatGPT написать такой скриптик. @cgevent

#Yue2 / #minimaxMusic / #acestep15 github.com/jplenio/Plenio-Music-Production-System - Plenio 0.3: описание песни → локальная LLM пишет, YuE2/Minimax Music 3 исполняет, Plenio сводит/мастерит. Все в #ComfyUI, без облака. Редактор партитуры (пианолла, нотация, ABC), стемы с фейдерами и эффектами, графический EQ с матчингом референса, мастеринг до −14 LUFS. Шесть шаблонов, режим ревью. Refine и Stems пока экспериментальные github.com/Garionhk/GoKuk - Gokuk: портативное Windows-приложение для полных песен на YuE2 без ComfyUI. Чипы стиля, кавер с SheetSage2, редактор партитуры до генерации, библиотека. Windows 10/11, NVIDIA 12GB+, ~25GB диска. Лицензии CC BY-NC — только некоммерческое github.com/yeufonic/yeufonic - Yeufonic: веб-приложение вокруг ComfyUI/YuE2 без проводов, Docker или Windows-инсталлятор, локальный трейн LoRA github.com/HerkulesTerminator/comfyui-music-generator/tree/main - ACE-Step 1.0 + YuE2 - эйсстеп хорош креативно, прогоняем его ноты через YuE2 = хороший звук #workflow #LoRA huggingface.co/pduncan/YuE2_Deathmetalv1_lora -дэт-металл Обновления github.com/pytraveler/YuE2-ComfyUI/releases/tag/v0.12.0 - YuE2-ComfyUI 0.12.0: точнее распознавание слов (поле language — русский больше не переводится на английский; second_hearing: Whisper слушает второй раз, ошибки 9% вместо 15%). RTX 20xx/GTX 16: последняя стадия в FP16 — длинные песни доходят до конца. Фикс падения при отмене в первую секунду huggingface.co/deAPI-ai/minimax-music3-11b-int8 - MiniMax Music 3 ужат до ~12Gb (int8) #musicediting

Будете смеяться, но у нас новый видеогенератор.  Vidu бахнули Q4 Preview - генерация видео в 4K и с 10-битным цветом Главный акцент - качество картинки, управление персонажами, сложные сцены и пригодность материала для дальнейшего монтажа. Про качество у меня сразу много вопросов, ибо мне всё это напоминает позапрошлогодний клинг. По крайней мере в тех видео, где претензия на фотореал, лица и вот это вот всё. А вот для аниме-шманиме и анимации выглядит любопытно.  Что умеет:

Генерирует видео до 4K продолжительностью до 16 секунд. Поддерживает Image-to-Video и Reference-to-Video. Принимает до 15 изображений-референсов для сохранения персонажей, одежды, объектов и окружения. Использует до 3 аудиореференсов для воспроизведения голосов персонажей. Генерирует диалоги и звуковые эффекты с синхронизацией изображения и звука. Поддерживает несколько планов и переключение камеры внутри одного ролика. Улучшена работа с мимикой, эмоциями, движением, освещением, взрывами, дымом и другими VFX.

Самое интересное - 10-битный цвет. Но. Точные параметры экспорта, кодек, цветовое пространство и наличие HDR не раскрыты.  Само по себе 10-bit не означает HDR или более широкий цветовой охват. Берут ценами - сейчас этап сладкого превью.  Стартовая акция от $0.014/с и скидка 30% на Image-to-Video и Reference-to-Video до 30 ноября. Типа шестнадцатисекундный ролик за, внимание, 22 цента! Позиционирование - очень дешёвые итерации.  Где попробовать прямо сейчас: Vidu Q4 Preview уже доступна на официальном сайте.  Если залогинитесь Google, то вам дадут сгенерировать три ролика, причем 10 секунд. Один в 1080, второй в 720 и третий поменьше. То есть у вас есть три попытки.  Для разработчиков работает API с идентификатором viduq4-preview. Попробовать Vidu Q4: https://www.vidu.com/vidu-q4 API: https://platform.vidu.com/ Документация: https://platform.vidu.com/docs/api-reference/video-models/vidu-q4-preview/image-to-video @cgevent

Новости стартапов и венчурного рынка 28 сентября — 3 октября 2026 В связи с поездками я все никак не вернусь в регулярный режим публикации еженедельного обзора новостей про стартапы и венчурные инвестиции. На прошлой неделе я проанализировал ~100 новостей. Конечно было очень много новостей вокруг OpenAI, безопасности и регулирования. Но мое внимание остановилось на вот этих новостях. 1.OpenAI не видит смысла проводить IPO до того, как будет обеспечена безопасность нового поколения ИИ-решений, и привлекает $30B от частных инвесторов по оценке $1.4T. Это прям очень интересная новость. Сэм Альтман пока что не называет даты IPO, при этом переговоры о привлечении нового раунда инвестиций от частных инвесторов на сумму $30B в самом начале. Эту новость с одной стороны можно интерпретировать как высокий спрос и веру в компанию со стороны частных инвесторов. С другой стороны это напоминает бридж-финансирование, когда компания не дотянула до определенного майлстоуна, и нужно дополнительное финансирование, чтобы продлить runway.  Понятно, что непубличной компании проще вести бизнес, потому что она не обязана раскрывать всю информацию. Кроме того при размещении акций на бирже будет сложно конкурировать за деньги с Anthropic, который планирует выйти на биржу уже в ноябре 2026 года. Вообщем, после Нового года увидим, какая из двух гипотез будет правильной. 2. Shopify открыла кассу браузерным AI-агентам. Мы как раз обсуждали эту тему на нашей встрече в Лимассоле. Теперь агенты смогут самостоятельно делать за пользователей покупки в интернете. Я слежу с за развитием этой ниши с начала 2026 года. Несмотря на очевидную полезность этого решения, полгода назад этого рынка фактически не существовало, о чем мне рассказал один из знакомых венчурных фондов, который инвестировал в стартап, развивающий такие решения. Запуск решения от Shopify может дать новый импульс развитию рынка. Посмотрим, что будет дальше. 3. Индия инвестирует $11 млрд. в DeepTech. Правительство Индии утвердило программу Research, Development and Innovation (RDI) объёмом $11 млрд. на 6 лет. На первый финансовый год предусмотрено около $2 млрд. Среди приоритетных направлений — искусственный интеллект, квантовые технологии, робототехника, космос, биотехнологии, полупроводники и другие стратегические технологии. Признаюсь честно, я с замиранием сердца следил за полетом и посадкой индийского лунного космического аппарата. Мы даже сделали отдельно обзор индийского космического сектора (см. статью ниже). Очень воодушевляет прогресс страны в области DeepTech!  4. a16z: State of markets II. 30 сентября a16z опубликовала второй в этом году State of Markets. Ключевая мысль: AI-бум приводит к тому, что огромные прибыли крупнейших технологических компаний фактически превращаются в спрос на полупроводники, электричество, сети и другую инфраструктуру.  И финансируется это уже не только прибылью крупнейших технологических компаний, но всё чаще и за счет заемных средств. При этом всего 2% домохозяйств платят за ИИ всего $31 в месяц. Отдельно интересный факт про SaaS. Я помню, как в начале года многие писали о смерти этой бизнес-модели. Я тогда еще говорил, что не нужно спешить ее хоронить. Туман рассеялся. И действительно массовой замены SaaS навайбкоженными продуктами пока не происходит. Кроме того рекордные 75%+ SaaS компаний прибыльны, хотя и растут не так быстро. Ссылка на источники в первом комментарии.

Бизнес-модели в эпоху AI. Часть 2: оплата за потребление Клиенты сами попросили стартап брать деньги за место, а не за объём, потому что боятся, что счёт вырастет. Об этом написал Александр в комментариях под первой частью. Кажется, это главный вопрос всей темы: кто несёт риск непредсказуемого счёта? При оплате за места этот риск на нас: клиент пользуется больше, а маржа тает, как в истории Harvey. При оплате за потребление риск переходит к клиенту, и он, как видим, не всегда этому рад. В облаках оплата за потребление давно норма, так почему в AI с ней сложнее? Ответ в комментариях подсказал Дмитрий, который делает сервис Noteall: главный конкурент — не другие сервисы, а сами вендоры. Клиенты говорят:

Мы пользуемся Claude или ChatGPT за $20 в месяц, и нам норм

Любой наш счёт сравнивают с этой подпиской, а не с конкурентами. На этом фоне счёт, который непонятно сколько составит в конце месяца, проигрывает заранее. Поэтому многие ищут середину. В Noteall пришли к двухставочной схеме: фикс за собранный «пазл» из сервисов плюс собственные кредиты на потребление. Фикс считают как текущий средний чек плюс 20–30%, кредиты продают с такой же наценкой к себестоимости. Кредиты свои, а не токены вендора, потому что модели под разные задачи разные и меняются на лету. Василий в комментариях спрашивал, как такое показывать в счёте: построчно по моделям и токенам или в своих кредитах. Я за свои кредиты. Строчки вида «модель X, 300 тысяч токенов» клиенту ничего не говорят: что такое токен, почему у разных моделей разная цена, почему в этом месяце дороже, чем в прошлом? Свои кредиты, привязанные к понятному действию — обработанной встрече, готовому документу, — вызывают куда меньше вопросов. А если вендор поменяет цены, это останется нашей внутренней кухней, а не сюрпризом в счёте клиента. А что я вижу здесь как инвестор? Оплата за потребление мне нравится по той же причине, что и любая модель, где можно анализировать когорты, только здесь сигнал гораздо чувствительнее: места клиент покупает раз в год, а потребление меняется каждый месяц. Смотришь на клиентов, пришедших в одном месяце, и видишь, что происходит с их потреблением дальше. Если в когортах оно растёт или хотя бы не падает, стартап движется в правильном направлении: клиенты встраивают продукт в работу. А если потребление скачет — в одном месяце плюс 10%, в следующем минус 30%, — это настораживает, и хочется разобраться почему. Это может быть сезонность, а может быть, клиенты пробуют продукт и уходят, те самые «туристы» из первой части. Получается, у оплаты за потребление две стороны. Для инвестора это самая прозрачная модель: когорты не врут. Для клиента — самая страшная: счёт непредсказуем. Задача, похоже, в том, чтобы сохранить первое и снять второе: лимитами, пакетами кредитов, фиксированной частью. Этот пост, по сути, написали вы: половина мыслей в нём — из комментариев к части 1. Спасибо всем, кто подключился к дискуссии 🙏 Мне такой формат очень нравится, так что давайте продолжать. Если вы уже пробовали брать деньги за потребление или, наоборот, отказались от этой идеи — поделитесь в комментариях, это попадёт в разбор. Андрей Резинкин | Money For Startup