Я теперь ангел-инвестор в Kodacode

В последнее время много общаюсь со стартапами и фондами. Хочется помогать небольшим компаниям расти и развиваться.

На этой неделе вошел в Kodacode как инвестор и советник.

Kodacode - AI-копилот разработчика для крупных компаний. Такой российский Cursor, но с прицелом на энтерпрайз.

Казалось бы, зачем, есть же Cursor? Рассказываю.

1. Для крупного энтерпрайза текущие "легкие" решения не подходят. И Cursor, и Claude Code перестают работать на больших корпоративных проектах. Тебе нужно иметь карты проектов и зависимостей, уметь вытаскивать правильные куски кода из большой кодовой базы, уметь соблюдать корпоративные политики. Не говоря уж об использовании внешних моделей.

2. Большой энтерпрайз это про сложную интеграцию. Например, кодовую базу нужно правильно обогатить для конкретного кодинг инструмента. Это всегда проще делать с локальным игроком который рядом, а пока границы закрыты иначе уж точно не получится. Кто займет рынок – тот останется надолго.

3. На таких рынках выигрывают команды с сильными технологиями и техническим бэкграундом. Команда Kodacode - одна из самых технически сильных на рынке. Не как обычно вайбкод тяп-ляп.

И вообще – просто круто что есть смелые ребята в технологически сложных стартапах, считаю это надо всячески поддерживать.

Буду помогать советом. Ребята, удачи!

Kodacode | Kodacode TG | Хабр

Перевел для вас потрясающую пасту с x про внедрение копилотов

В прошлом квартале я выкатил Microsoft Copilot на 4 000 сотрудников.

$30 за место в месяц.

$1,4 млн в год.

Я назвал это «цифровой трансформацией».

Совет директоров обожает такие слова.

Они утвердили всё за одиннадцать минут.

Никто не спросил, что именно это будет делать.

Включая меня.

Я всем сказал, что это «увеличит продуктивность в 10 раз».

Это не настоящее число.

Но звучит как настоящее.

HR спросили, как мы будем измерять эти 10x.

Я сказал, что «подключим аналитические дашборды».

Они перестали спрашивать.

Через три месяца я заглянул в отчёты по использованию.

Copilot открыли 47 человек.

12 пользовались больше одного раза.

Один из них — я.

Я использовал его, чтобы пересказать письмо, которое мог прочитать за 30 секунд.

Это заняло 45 секунд.

Плюс время на исправление галлюцинаций.

Но я назвал это «успешным пилотом».

Успех — это когда пилот заметно не провалился.

CFO спросил про ROI.

Я показал ему график.

График рос вверх и вправо.

Он измерял «AI enablement».

Я придумал эту метрику на месте.

Он одобрительно кивнул.

Теперь мы «AI-enabled».

Я не знаю, что это значит.

Но это есть в нашем инвесторском деке.

Сеньор-разработчик спросил, почему мы не взяли Claude или ChatGPT.

Я сказал, что нам нужна «enterprise-grade security».

Он спросил, что это значит.

Я сказал: «комплаенс».

Он спросил: какой именно комплаенс.

Я сказал: «весь».

Он посмотрел скептически.

Я поставил ему «разговор про карьерное развитие».

Он перестал задавать вопросы.

Microsoft прислали команду для кейс-стади.

Они хотели сделать из нас историю успеха.

Я сказал, что мы «сэкономили 40 000 часов».

Я посчитал это, умножив число сотрудников на число, которое придумал.

Они не проверяли.

Они никогда не проверяют.

Теперь мы на сайте Microsoft.

«Глобальная корпорация получила 40 000 часов прироста продуктивности с Copilot».

CEO запостил это в LinkedIn.

Собрал 3 000 лайков.

Он ни разу не пользовался Copilot.

Никто из руководителей не пользовался.

У нас есть исключение.

«Стратегический фокус требует минимальных цифровых отвлечений».

Эту политику написал я.

Лицензии продлеваются в следующем месяце.

Я запрашиваю расширение.

Ещё 5 000 мест.

Мы не использовали первые 4 000.

Но в этот раз мы «продавим адопшен».

Адопшен — это обязательное обучение.

Обучение — это 45-минутный вебинар, который никто не смотрит.

Но прохождение будет трекаться.

Прохождение — это метрика.

Метрики живут в дашбордах.

Дашборды идут в презентации для совета директоров.

Презентации для совета директоров приносят мне повышение.

К Q3 я буду SVP.

Я всё ещё не знаю, что именно делает Copilot.

Но я знаю, зачем он нужен.

Он нужен, чтобы показать, что мы «инвестируем в AI».

Инвестиции — это траты.

Траты — это приверженность.

Приверженность — значит, мы серьёзно относимся к будущему.

Будущее — это то, что я скажу, что оно такое.

Главное, чтобы график шёл вверх и вправо.

Выложили пэйпер про T-pro 2.0

До-тренировка опенсорса на другой язык дает лучше результат на этом языке и значительно эффективней в инференсе за счет локального токенизатора и оптимизированного спекулятивного декодера.

Все расписали в репорте: архитектура, датамикс, подход к обучению, токенизации и прочее.

Если вы захотите повторить наш опыт, можете пользоваться рецептом.

Поставьте нам лайкосов на Hugging Face 🤗

HF | arXiv

🎄 T-Pro 2.1 и T-Lite 2.1

Дарим вам на новый год апдейт наших открытых моделей.

В реальных системах задачи отличаются от решения текстовых задач. Мы строим наши модели как хорошие инженерные кубики для реальных систем.

Мы значимо улучшили качество на двух задачах: Instruction Following и Tool Calling. Теперь модели стабильней себя ведут на сложных инструкциях вроде чёткого формата ответа и при вызове тулов. Последнее особенно важно для построение агентских систем.

Пользуйтесь!
И почитайте оч крутой репорт о проделанной работе на Хабре

Hugging Face | Хабр

Знаете, как моя дочь называет DeepSeek?

Глубокая Болезнь

В продолжение темы автономных систем решающих сложные задачи.

Хороший подход для измерения вопроса предлагает бенчмарк METR

Ребята взяли задачи для которых известно сколько времени тратит на них профессионал. И дальше замеряют какой длины задачи могут стабильно решать AI-системы. Задачи в-основном про разработку и ML.

Так вот, длительность стабильно решаемых задач удваивается в среднем каждые 7 месяцев. И это довольно старый тренд, ещё с 2020 года.

В новостях про этот бенчмарк часто пишут что "Claude Opus 4.5 пробил уже 4 часа", но это результат с вероятностью 50%. Это так себе инженер 🤡 Если взять 80% успеха, то Opus 4.5 пробил только 27 минут. И вот это похоже на честный текущий максимум: задачи человеческой сложностью в полчаса модели решают достаточно надежно сами.

Однако, тренд это не отменяет. Если тренд продолжится, через 3-5 лет задачи уровня написания браузера будут решаться автономно. Так же как и задачи уровня "построить маркетплейс", "создать банковское приложение", you name it.

Trust the trendline

Почитать можно тут

ClickHouse поднял $400M и купил Langfuse

Я надеюсь, все знают что такое ClickHouse. Это самая быстрая аналитическая база данных.

ClickHouse – важная часть моей личной истории. Зарождался он буквально рядом со мной на соседних креслах в Яндексе, внутри Яндекс.Метрики. Название идет от clickstream – сленговое название для данных веб-аналитики. Домик кликов 🏠

Большую часть кода тогда написал гениальный Лёша Миловидов. Лёша сейчас CTO проекта и до сих пор является top-1 контрибьютором.

Я был первым реальным пользователем ClickHouse – писал API запросов для Метрики, помогал составлять язык запросов, помогал правильно хранить и складывать данные. Наверное, можно сказать, что долгое время я был продактом и ключевым пользователем.

Когда мы запускали новую Метрику на ClickHouse, я уже Метрикой руководил. Так появилась Яндекс.Метрика с текущими фильтрами и сегментами. Затем уже ClickHouse пополз по Яндексу, и ещё позже – в опенсорс.

Первое видео на YouTube про Clickhouse - это я прыгаю на сцене Highload++ и объясняю что это за зверь в 2016 году. Позже мы гоняли на пару с Лёшей Миловидовым в калифорнию и показывали её во всякие большие компании.

Сейчас это сильная самостоятельная европейская компания с гигантской оценкой в 15 миллардов долларов и HQ в Амстердаме. Редкая история, где гениальная инженерия привела к большому успеху.

Очень рад за ребят и стараюсь заходить к ним в офис каждый раз когда там бываю. ClickHouse GO 🚀🚀🚀

ClickHouse, Langfuse и LLM-трейсы

Теперь немного про покупку Langfuse.

Langfuse – observability-платформа для LLM систем поверх ClickHouse. На простом языке – штука для хранения логов и отслеживания метрик в AI-мире. Так зачем их покупать?

ClickHouse долгое время был просто "скоростной базой данных для любых логов". Это конечно круто, но бизнесово не так перспективно и не использует текущую AI-волну.

Сегодня ClickHouse стремится стать логирующей, аналитической, трейсирующей платформой для нового AI мира. Это точно нужный кубик – систем становится больше, их логов становится больше, задачи там специфические из-за недетерминированности систем.

И в отличие от всяких рискованных Anthropic, Perplexity и Lovable, эти кирки и лопаты нужны всем.

Про Oracle слышали? Top-20 по капитализации в мире. Так вот, ClickHouse - это такой новый Oracle в AI-мире.

Реклама ClickHouse в метро в Сингапуре