from:adam

Часто слышу, что дистрибуция или скорость и есть моат. a16z прямо так и пишет: в потребительском AI моатов нет, есть только momentum — набранный ход. Их партнёр Брайан Ким писал, что ждёт $2M ARR уже не за три месяца, а за десять дней, и называет momentum единственным моатом. И это неправда. Скорость и дистрибуция — это то, чем моат строят, а не сам моат. Под «дистрибуцией» обычно смешивают две разные вещи. Первая — владение защищённым и масштабируемым каналом. Gemini в Android и Meta AI в WhatsApp — это моат, потому что за каналом стоит либо cornered resource, как доступ Google к Android, либо network effects, которые WhatsApp собирал больше пятнадцати лет. Ни то, ни другое за раунд не купишь. Вторая — сам процесс дистрибуции: ты набираешь пользователей, быстро растёшь, заливаешь рынок. Вот это уже momentum. Пользователей конкурент может перекупить рекламой. Android — не может. Со скоростью примерно так же. Она даёт больше попыток за то же время, но сама по себе жизнь конкуренту сложнее не делает: с деньгами он за пару месяцев нанимает таких же людей и берёт те же инструменты. Ров же должен держать, даже когда ты перестал бежать, иначе это не защита, а фора. Сегодня вот прочитал хорошее эссе на тему. В нём как раз мысль, что momentum — это ресурс, который надо успеть конвертировать в защиту. Рост даёт пользователей, данные, масштаб. Но ров появляется только тогда, когда всё это превращается во что-то, что конкурент не сможет повторить даже с большими деньгами. Как только продукт начинает быстро расти, через несколько недель вокруг появляются хорошо профинансированные копии. И если считать, что сам рост и есть защита, довольно быстро обнаружишь, что кроме роста у тебя ничего и не было. С последними покупками Bending Spoons получилось почти наоборот. Miro, как писал в предыдущем посте, ушёл примерно за 2,26 выручки при $600M ARR, прибыльности и продукте, встроенном в процессы 250 тысяч организаций. Скопировать такой продукт можно, заменить его внутри большой компании уже сложнее, но темпы роста, судя по всему, не очень. То есть защита есть, а momentum закончился. И рынок оценивает такой бизнес примерно в два ARR. Momentum без моата догоняют конкуренты. Моат без momentum превращается в хороший, но переставший расти бизнес. По отдельности и то и другое стоит сильно дешевле. В эссе мне больше всего понравилась часть про 7 Powers в AI. Network effects были главным моатом интернет-эры, потому что интернет был технологией дистрибуции. AI в большей степени технология производства. Большинство AI-продуктов однопользовательские, и сеть туда задним числом не прикрутишь. Зато на первый план выходят data effects, которые Хелмер считал слабой разновидностью сетевых. Раньше данные быстро упирались в «достаточно»: условному поиску Amazon ещё миллион запросов мало что меняет. В AI эта граница заметно дальше. Но только при двух условиях. Данные должен генерировать сам продукт. Всё, что лежит снаружи, становится доступно всем. И они должны замыкаться в цикл улучшения продукта, как у Cursor, который учится на том, какие подсказки пользователь принимает, меняет или отклоняет. Switching costs AI тоже не уничтожил. Он снизил стоимость миграции, но не переучивания команды, перестройки процессов и риск трогать критичную часть бизнеса. Brand, мне кажется, в AI пока сильно переоценён. Tylenol после отравлений 1982 года вернул долю рынка за год и до сих пор продаётся заметно дороже идентичных дженериков. Вот это бренд. У AI-стартапа двух лет от роду ничего похожего нет. Его «бренд» — это в основном более дешёвое привлечение следующего пользователя, и считать его надо в CAC и retention, а не записывать отдельным пунктом в список моатов. Пока рынок молодой, momentum надо набирать максимально быстро: без роста до защиты можно не дожить. Но теория защиты должна быть с первого дня: во что именно ты этот momentum конвертируешь и приближает ли тебя к этому каждое сегодняшнее решение. Крайне простой ментальный тест: останется ли защита, если завтра конкурент поднимет миллиард на тот же продукт.

На этом фоне интересно посмотреть на другую сделку Bending Spoons. Пятью неделями раньше они объявили о покупке Airtable за $1,3 млрд. У Airtable около $480 млн ARR на июнь и рост больше 20% в год. Это чуть 2,68 годовых выручки. Miro купили за 2,26 - при большей выручке, прибыльности и $435 млн кэша на счетах. При этом темп роста Miro нигде не назвали. Ни в релизе, ни в комментариях. Хотя ARR, число платящих пользователей, долю энтерпрайза и остальные красивые цифры перечислили подробно. Обычно хорошие цифры не забывают и не скрывают. Так что продукт может быть сложно скопировать, клиенты могут держаться за него зубами, отток может быть почти нулевым - и этого всё равно недостаточно. Самая опасная ситуация не обязательно та, где тебя кто-то обогнал. Иногда всем всё нравится. Просто новых клиентов брать уже почти неоткуда.

Bending Spoons покупает Miro за $1,355 млрд. У этих ребят довольно понятная модель: купить подуставший сервис вроде Evernote, Vimeo или WeTransfer, порезать косты и поднять цены. И я думаю, что эту сделку сейчас немного неправильно считывают. Главный тейк, который я вижу: Miro стал коммодити, доску теперь можно навайбкодить за выходные, поэтому оценка и упала с $17,5 млрд в 2022-м до $1,4 млрд сейчас. Но проблема, по-моему, вообще не в этом. На момент продажи у Miro около $600 млн ARR. Почти 90% дают бизнес и энтерпрайз. Больше 750 клиентов платят свыше $100 тысяч в год, почти четыре миллиона платящих пользователей, компания прибыльна, на счетах $435 млн кэша. Коммодити обычно выглядит не так. Коммодити начинается в тот момент, когда за твою функцию перестают платить отдельно или перестают платить премию за нее. А Miro до сих пор покупают корпорации по годовым контрактам и не спешат никуда переезжать: SSO, интеграции, тысячи старых досок, настроенная админка, всё уже согласовано безопасниками, привычка и инертность юзеров. Сам вайтборд действительно можно навайбкодить за выходные. 250 тысяч организаций на нем уже гораздо сложнее. Но и крепкой позицию Miro я бы не называл. Если разложить по силам, про которые я писал раньше, картина тоже не особо радостная. Самая очевидная сила - switching costs: накопленные доски, интеграции, привычки команд и вся корпоративная обвязка вокруг продукта. Network effects у Miro тоже есть, но слабее, чем может показаться по размеру пользовательской базы. Чем больше коллег, клиентов и подрядчиков уже работают в Miro, тем удобнее использовать его следующим - плюс большая база пользователей притягивает интеграции и шаблоны. Но этот эффект в основном локальный и плохо запирает рынок. Компания с тысячами пользователей Miro почти никак не мешает соседней компании жить в FigJam, а подрядчик вполне может сегодня открыть доску Miro, завтра Figma, послезавтра что-то ещё. То есть текущая база клиентов помогает Miro удерживаться и распространяться внутри уже существующего графа между командами и компаниями, но не создаёт того маховика, при котором сам размер сети делает нового конкурента существенно хуже. Это скорее дополнительный слой защиты поверх switching costs, чем отдельная сила. И вот здесь коммодитизация действительно начинает бить по Miro. Только не потому, что компании внезапно начнут писать себе доски сами. Доску просто перестали покупать отдельно. Борда появилась в Figma, Canva, корпоративных пакетах Microsoft и куче других продуктов, которые у команды уже оплачены. Раньше новая команда с задачей “нам нужна доска” могла прийти в Miro. Теперь она часто открывает то, что уже есть в текущем наборе инструментов, и на этом вопрос закрыт. Старым клиентам от этого ни холодно ни жарко. А вот приток новых команд режется напрямую. Есть ещё одна проблема: Miro продаёт места. Можно списать это на AI и сокращение команд, но людей после ковидной эпохи ZIRP режут и без всякого AI. В продуктовых, дизайнерских и консалтинговых командах количество ситов больше не растёт прежними темпами. И получается неприятная штука: продукт может оставаться хорошим, retention высоким, клиенты довольными, но выручка всё равно зависит от переменной, которую сам продукт почти не контролирует. Третья проблема мне кажется самой интересной. Холст - это поверхность ввода. Состояние работы на нём обычно не живёт. В Miro люди обсуждают, раскладывают, рисуют, спорят, принимают решение. А потом результат уезжает дальше - в Jira, документ, дизайн, код. Пока решение рождалось группой людей на созвоне, такая поверхность была очень важной частью процесса. Miro это место заняла и долго отлично на нём зарабатывала. Но если значительную часть артефакта теперь собирает модель, центр ценности начинает смещаться туда, где уже лежит контекст и где потом происходит исполнение. А доска всё больше рискует превратиться в место, куда заходят посмотреть на уже собранный результат.

Тут осознал, что теперь, когда думаю, как решить задачу, первым делом думаю не о самом решении, а о том, как я опишу эту задачу ллмке. И в этом, неожиданно, есть плюс: ты сразу мыслишь так, чтобы об этом можно было внятно рассказать. Мне как человеку, которого обычно понимают не все, это сильно помогает. Обычный пайплайн — это переваривать инфу внутри оптимальным твоему мозгу способом, а как донести это до других, разбираться уже потом. Другое дело, когда ты сразу структурируешь мысль так, чтобы она была понятна другим людям. А учитывая, что ллмки порой тупят, описывать получается достаточно понятно

В общем, впечатления от Астры очень смешанные. С одной стороны, она реально не нейрослопит и очень круто пишет текст. В этом плане её диф даёт те же вайбы, что в своё время GPT-4.5. Может давать не самые очевидные инсайты, которые не дали другие LLM. С другой стороны, на своих инженерных и рабочих задачах я не увидел какой-то заметной разницы с Fable, иногда даже откровенно хуже было, и её очень мало даже в подписке за 200 баксов. В бенчах и прочих демках она оч хорошо показала, где надо возиться с 3D и визуальным пониманием. Я пока такое не тыкал, и задач таких не было. Кажется, что это крутая модель, которую можно юзать как финального редактора важных текстов и отдельного ревьюера при решении сложных задач в рамках обычной Pro подписки. Иначе value for money для меня пока в пользу Fable.

Как же надоел нейрослоп клода, сил моих больше нет. особенно вот эти выкрутасы:

Если «го», делаю прямо сейчас, займёт около часа с проверкой.

Какой нафиг час, голова ты кремниевая. Ты же просто баш скрипт запустишь с заменой двух строк текста. Час бы ты даже не проработал, потому что на этот нейрослоп все мои токен лимиты бы сожрал! Надежда вся на новую Астру, потому что по слухам она этим перестала страдать. И да, Сама, я тебе 200 баксов в месяц плачу, чтобы ты мне ролауты новых моделей с задержкой делал? 🔫

Заметил странную установку у многих руководителей: если ты сам нанял человека, а потом его уволил, значит, ты ошибся на найме. Отсюда достаточно быстро появляется неудобная ловушка. Чужого слабого сотрудника уволить проще. Своего - уже как будто признать: я сам его привёл, сам ошибся, теперь сам же увольняю. Ещё и со стороны обязательно кто-нибудь спросит: "Ты же сам его нанял. Что изменилось?" Ну, например, я увидел, как он работает. Найм - это всё-таки предикт того, как человек будет работать в будущем. Несколько часов собеседований, резюме, кейсы, референсы. По всему этому надо понять, как человек потом будет месяцами работать в конкретной команде, с конкретным руководителем и на конкретных задачах. Причём часть этих задач на момент найма может быть неизвестна даже тебе самому. И всё ещё лучший способ понять, как человек справится с работой, - поработать с ним. Можно делать этот прогноз сильно точнее, но у этого есть довольно очевидный предел. Собеседование никогда не даст столько информации о человеке, сколько несколько месяцев совместной работы. Поэтому меня немного удивляет сама идея, что хороший процесс найма должен приводить к нулю увольнений. Такое, наверное, можно устроить. Просто придётся задрать порог настолько, чтобы почти никого не нанимать. Причём ошибки такого процесса тяжело увидеть. Человека, которого ты нанял зря, видно всем. Человека, которого ты зря не нанял, обычно не видно вообще. При этом ошибка на найме, конечно, существует. Видел красный флаг и проигнорировал. Понимал, что критичного навыка нет, но очень хотелось закрыть позицию и убедил себя, что "пронесёт". А вот сценарий "нанял, посмотрел в работе, понял, что не справляется, расстался" - вполне нормальный. Гораздо страннее понять это и ещё полгода делать вид, что ничего не произошло, потому что увольнение будет выглядеть как признание собственной ошибки.

Есть асимметрия, которую постоянно наблюдаю в командах. Многим чужая работа часто кажется проще своей. Со стороны аналитик "написал запрос и нарисовал график", QA "прогнал кейсы и завёл баги", а ML-инженер "запустил обучение и посмотрел метрики", но спроси того же человека, почему его собственная задача едет уже третью неделю, и выяснится, что там легаси, зависимости, смежники, корнер кейсы и ещё десять подводных камней, которых снаружи не видно. Чужую работу мы видим по результату, свою - изнутри процесса. У аналитика снаружи остаётся график, а сырые данные не видно, регулярно ломающийся пайплайн скрыт от зрителя, о трёх неверных гипотезах и запросе, который пришлось переписать четыре раза, внешние признаки не говорят. В своей же работе именно из этого и состоит большая часть времени. Часто в этом винят actor-observer bias: своё поведение мы объясняем обстоятельствами, чужое - качествами человека. Популярная теория, которая не прошла проверку мета-анализами. Оказывается, это лучше обьясняется другими двумя эффектами. Первый - correspondence bias: по чужому видимому поведению мы слишком легко делаем вывод о самом человеке и недооцениваем ситуацию. "Задача простая, значит они просто медленные". Второй - self-serving bias: собственные неудачи мы гораздо охотнее объясняем внешними обстоятельствами. Достаточно удобная комбинация, где сложность своей работы мы знаем во всех деталях, а сложность чужой просто не наблюдаем. При этом собственные издержки кажутся следствием объективных проблем, а чужие следствием чужой неэффективности. Поэтому "да что там делать" - почти всегда плохой сигнал, говорящий нам о глубине собственного понимания этой задачи. Если работа других людей выглядит тривиальной, разумнее сначала предположить, что большая часть процесса тебе просто не видна. Лучшее лекарство - контекст, а за контекстом надо "на гембу". Несколько часов рядом с хорошим QA, аналитиком или инженером часто дают больше, чем лицезрение движения тикетов. Похожая история и со сроками. В одном эксперименте про planning fallacy студенты в среднем ожидали закончить диплом за 34 дня, хотя по факту тратили 55. Даже максимально драматичный и негативный сценарий оказался в оценках оптимистичнее реальности. Поэтому оценку чужой работы полезно дисконтировать так же, как реальность это регулярно делает с нашей.

Из этого следуют два практических вывода. • будущий ты не обязан считаться тем же самым человеком в строгом метафизическом смысле, чтобы его интересы имели значение. • курить, не спать, забивать на здоровье - значит жить за счет этого человека в будущем и пользоваться тем, что он не может сейчас ничего тебе возразить. Он не совсем ты сегодняшний, но связан с тобой теснее любого другого человека. Но и обратное тоже верно. Чем слабее эта связь, тем менее очевидно, что нынешний человек должен постоянно приносить себя в жертву ради далёкой будущей версии. Заботиться о ней рационально. Считать её интересы единственными, ради которых стоит жить сегодня, уже гораздо менее очевидно. В этом взгляде смерть тоже выглядит немного иначе. Если нет отдельной сущности "я", которая остаётся неизменной всю жизнь, то нет и одной вещи, которая в какой-то момент внезапно исчезает. Есть цепочка психологически связанных людей. Связь внутри неё постепенно меняется, слабеет и в какой-то момент обрывается. Телепорт просто делает это явление наглядным, чтобы его не заметить.

У Дерека Парфита есть такой мысленный эксперимент. Телепорт сканирует тебя на Земле, уничтожает и собирает точную копию на Марсе. Но в момент твоего сканирования он сломался, тебя не уничтожило, и твоя копия гуляет по Марсу и выходит с тобой на связь Зато сканер повредил сердце, и жить осталось пару дней. Вопрос: это ты сейчас умираешь на Земле или ты уже спокойно живёшь на Марсе? По форме это корабль Тесея, только мясной по наполнению. Корабль чинят доска за доской, через какое-то время ни одной старой не осталось, и непонятно, тот же это корабль или уже другой. У парадокса есть изящное решение. Корабль - рукотворная вещь, и вопрос о его тождестве определяется человеческой интенцией. Пока афиняне продолжают чинить именно корабль Тесея, воспринимают замену досок как его ремонт, а не строительство нового корабля, это и будет тот же корабль. Здесь нет какого-то дополнительного физического факта, который скрыт в досках. Что если решать парадокс телепорта тем же способом? Общество может договориться, что человек на Марсе - это ты. Он получит твой паспорт, долги, семью, имущество. Для всех остальных вокруг этого уже достаточно. Но не для тебя на Земле. Кораблю Тесея безразлично, считают его тем же кораблём или новым. Тебе - нет. Ты хочешь знать не кем тебя будут считать, а что произойдёт с тобой. Проснёшься ли ты на Марсе или через два дня умрёшь на Земле. И кажется, что у этого вопроса должен быть ответ независимо от любых договорённостей. У самого Парфита есть аргумент. Допустим, личная идентичность держится на непрерывности психики. Ты - это тот будущий человек, который помнит твою жизнь, сохраняет твой характер, намерения и продолжает твои дела. Пока это продолжение одно, всё выглядит тип топ. Именно это происходит в исправном телепорте, но в сломанном телепорте продолжений уже два. У обоих твоя память, твой характер и твои планы. Назвать обоих тобой трудно, поэтому приходится вводить дополнительное условие. Будущий человек считается тобой только в том случае, если такого продолжения не возникло больше нигде. И здесь начинается проблема. Получается, что ответ на вопрос "выжил ты или нет" зависит не только от того, что произошло с тобой, но и от существования второго человека где-то на Марсе. Если копия есть - это один ответ. Если по дороге она случайно погибла - другой. Хотя с человеком на Земле в обоих случаях произошло ровно одно и то же. Значит, сама постановка вопроса, скорее всего, требует от мира дополнительного аргумента. Мы как будто предполагаем, что поверх тела, памяти, характера и непрерывности опыта существует ещё что-то, что делает одного человека "настоящим тобой". Какая-то скрытая "метка" идентичности, которая должна быть у одной из версий тебя. Но если такой метки нет, вопрос "кто из них настоящий?" теряет смысл. Остаются два человека, каждый из которых одинаково хорошо продолжает тебя психологически. Искать среди них единственного носителя "истинного я" тогда примерно так же бессмысленно, как искать под новыми досками настоящий корабль Тесея. Сам Парфит приходит к выводу, что важно не то, остаёшься ли ты тем же человеком (personal identity), а можно ли провести строгую границу между "это всё ещё я" и "это уже другой человек". Насколько сохраняются психологические связи - память, характер, намерения, привязанности, проекты. В случае с телепортом они сохраняются сразу в двух людях. Телепорт здесь просто удобный способ довести проблему до предела. В обычной жизни происходит то же самое, только гораздо медленнее и незаметнее. Человек через тридцать лет будет связан с сегодняшним тобой непрерывной биографией, но психологически может отличаться очень сильно. Часть воспоминаний исчезнет, характер изменится, нынешние убеждения покажутся ему наивными. В итоге связь между тобой сейчас и тобой через тридцать лет может быть слабее, чем между тобой и марсианской копией через минуту после сканирования.

Есть тезис, который команды произносят с гордостью: стратегию не пишем, вместо этого быстро проверяем гипотезы. То есть между стратегией и скоростью выбрали скорость, потому что стратегия в этой картине мира что-то долгое и тяжёлое, что мешает бежать. Выбор мнимый. Хорошая стратегия вообще не про то, сколько её строили и сколько нужно строить. Она про то, понимаешь ли ты систему, в которой работаешь: какие в ней причинно-следственные связи, где узкие места, в какой точке небольшое усилие даёт непропорционально большой эффект. Такое понимание можно собрать за неделю, если знаешь, куда смотреть. Можно не собрать и за год. Я уже писал, что гипотеза в научном смысле описывает наблюдаемый феномен и требует экспериментальной проверки, а «сделаем X, получим Y» — это идея. В бэклоге команд, гордящихся скоростью, чаще лежит именно второе. Поэтому если этого самого понимания системы нет, быстрая проверка гипотез превращается в брутфорс идей в надежде, что какая-то стрельнёт. Скорость тут не спасает, ибо пространство вариантов огромное, а выигрышных в нём единицы. И даже когда идея стреляет, на следующем шаге это почти ничего не даёт. Гипотеза в стратегии живёт внутри связанного плана, где несколько линий бьют в один рычаг, поэтому её проверка даёт больше, чем ответ на один вопрос. Подтвердилась или нет, картина системы обновилась целиком. Соседние гипотезы стали сильнее или потеряли смысл. Появились новые данные, которые теперь надо объяснять, и следующий шаг выбирается уже из обновленный картины мира. Идея же ничего не объясняет. Проверил, получил плюс два процента к метрике, порадовался и пошёл к следующему, никак не связанному пункту бэклога. Почему сработало и куда копать дальше, непонятно. Знание не накапливается, и даже десяток удачных идей даёт десять локальных улучшений, которые не складываются в одно большое. Проверять нужно, но без понимания системы проверять нечего, остаётся перебирать идеи и гордо называть это «культурой экспериментов».

Почему карьерная лестница в большинстве компаний сломана? Типовой сценарий: человек зарекомендовал себя сильным IC, и компания повышает его до менеджера, потому что это единственная доступная ей форма награды за результат. Проблема в том, что быть сильным IC еще не значит быть сильным менеджером, чаще всего это вообще не одно и то же. Это даже не итерация той же роли, а банально другой опыт и другой майндсет: твой результат теперь складывается не из того, что сделал ты, а из того, что сделали другие благодаря тебе. Получается, что сильнейший индивидуал контрибьютор при таком повышении по смыслу не растёт, а меняет профессию — причём на ту, к которой его никто не готовил и предрасположенность к которой чаще всего никто не проверял. Поэтому повышать в менеджеры нужно не сильнейших IC, а тех, кто уже контрибьютором ведёт себя как будущий крутой менеджер: проявляет лидерство, делает людей вокруг себя сильнее и думает за общий результат, а не только за свой кусок. И оказывается, на эту тему есть исследования. На данных 40 тысяч продавцов из 131 компании показано, что фирмы раз за разом повышают лучших сейлзов, и именно эти люди оказываются худшими менеджерами. А лучше всего менеджерское качество предсказывал не личный перформанс, а опыт совместных сделок — умение делать результат вместе с другими, а не в одиночку. Ещё одно насчитало, что компании ошибаются с выбором менеджера в 82% случаев, а сами менеджеры на вопрос, за что их назначили, чаще всего называют успех в предыдущей, не менеджерской роли и выслугу лет.

Почему карьерная лестница в большинстве компаний сломана? Типовой сценарий: человек зарекомендовал себя сильным IC, и компания повышает его до менеджера, потому что это единственная доступная ей форма награды за результат. Проблема в том, что быть сильным IC еще не значит быть сильным менеджером, чаще всего это вообще не одно и то же. Это даже не итерация той же роли, а банально другой опыт и другой майндсет: твой результат теперь складывается не из того, что сделал ты, а из того, что сделали другие благодаря тебе. Получается, что сильнейший индивидуал контрибьютор при таком повышении по смыслу не растёт, а меняет профессию — причём на ту, к которой его никто не готовил и предрасположенность к которой чаще всего никто не проверял. Поэтому повышать в менеджеры нужно не сильнейших IC, а тех, кто уже контрибьютором ведёт себя как будущий крутой менеджер: проявляет лидерство, делает людей вокруг себя сильнее и думает за общий результат, а не только за свой кусок. И оказывается, на эту тему есть исследования. На данных 40 тысяч продавцов из 131 компании показано, что фирмы раз за разом повышают лучших сейлзов, и именно эти люди оказываются худшими менеджерами. А лучше всего менеджерское качество предсказывал не личный перформанс, а опыт совместных сделок — умение делать результат вместе с другими, а не в одиночку. Ещё одно насчитало, что компании ошибаются с выбором менеджера в 82% случаев, а сами менеджеры на вопрос, за что их назначили, чаще всего называют успех в предыдущей, не менеджерской роли и выслугу лет.

Stripe покупает OpenRouter за $7B+ при ARR вроде как около $140M. Это 50 годовых выручек, а оценка в 5,4 раза дороже раунда, который закрывали три месяца назад по $1.3B. Первая естественная реакция: «безумие». Но если подумать, то все логичнее. Это покупка не чужого бизнеса, а своего же. OpenRouter зарабатывает так же, как Stripe: не трогает цену товара (токены проходят по прайсу провайдера), а берёт 5,5% с пополнения баланса. Тупо эквайринг для инференса. При этом Stripe и есть его действующий процессинг: биллинг, налоги и антифрод OpenRouter крутятся на Stripe. Stripe покупает строчку из чужого COGS, в которой сидит сам. Take rate самого Stripe где-то 0,36% с платежа, а у OpenRouter 5,5%. Доллар потока через роутер приносит в пятнадцать раз больше, чем доллар через Stripe. Поток сейчас в размере порядка $2,5B в год, и он кратно растёт: объём токенов вырос в 5 раз за полгода, до 25 трлн в неделю. Поток при этом этот маржинальный: говорят, издержки у OpenRouter всего 28,5% выручки, то есть валовая маржа как у обычного софта. Правда, слабое место тут сам take rate. 5,5% за проксирование аномально много. Энтерпрайз выбивает договорные ставки или уходит на прямые контракты, гиперскейлеры уже отдают роутинг в довесок к облаку, а собственного моата у OpenRouter нет: его ценность в том, чтобы уничтожать switching costs при смене провайдера, то есть чужой же moat. Держать такую комиссию можно, только достроив собственные рвы. Switching costs: биллинг, spend management и комплаенс, вшитые в процессы клиента. Scale economies: платежи, антифрод и интеграции с провайдерами дешевеют на объёме, а $2,5B+ расходов в одних руках позволяют выбивать у провайдеров моделей скидки, недоступные мелким шлюзам. Оба скилла, на которых специализируется Stripe. Так что ставка хоть и агрессивная, но рациональная: покупают шлагбаум на трассе, по которой потенциально поедет весь траффик. Риск не в цене, а в скорости: успеть превратить позицию в моаты раньше, чем бигтех обнулит ценность самого роутинга.

Считаю большим упущением, что название канала Тёмы не "Артём базирует"

Я «отпилил» себе две ноги, чтобы стать senior tech manager’ом Мой руководитель в одном из интервью очень точно подметил динамику карьерного роста в корпорации: «чтобы перейти на новый уровень управления тебе нужно отпилить себе любимую ногу, которая тебя делает успешным на текущем уровне, и отрастить новую». Я очень люблю эту метафору именно за точность ощущений в процессе. В инженерных профессиях подавляющее большинство руководителей начинают линейными инженерами. Ты набираешь экспертизу, все ловчее справляешься со все более сложными проблемами, и вот однажды, тебе предлагают (или ты сам принимаешь решение) стать тимлидом. И в этот момент очень важно не обманывать себя: тебе предлагают много денег за то, что ты начнешь постепенно терять свою хардовую экспертизу, все больше погружаясь в организационные вопросы. Взамен ты получаешь проявленность в организации и больше власти. Худшее, что можно сделать в этой ситуации: это попытаться усидеть на двух стульях. Именно в таком сетапе рождаются микроменеджеры с пачкой джунов, которые «в соло держат небо на плечах». Не буду расписывать к чему это приводит, думаю вы и так таких ребят встречали. В крупных технологических компаниях это отлично понимают, и там есть понятие «терминального грейда», выше которого расти не обязательно - можно работать и заниматься любимым делом. А иногда и полезно вернуться на этот уровень из менеджмента, чтоб освежить тех скиллы (сам такое практиковал - жив здоров). Этот фазовый переход с отпиливанием инженерной ноги оканчивается примерно на уровне мидл-менеджмента, где ты уже ведешь группу команд. Ты уже окончательно попрощался с чисто-инженерными вопросами. Ты гораздо более силен в управлении людьми и проектам, становишься лицом крупных инициатив и на контакте с ключевыми бизнес лидерами. И после нескольких крупных побед в полный рост встает новая развилка. Выход в senior-level менеджмент предполагает очень важный сдвиг роли: тебе нужно уйти на вторые роли в конкретных проектах, и дать дорогу новому поколению лидеров. Теперь у тебя нет никакой возможности схватить штурвал инициативы и вытащить ее из канавы (потому что в это время на твоем уровне начнут решать вопросы без тебя). Твоя цель здесь - это сводить капитал с людьми, которые в состоянии его приумножить. Создавать для этого условия и управлять рисками. Уходить от ручного управления талантами в сторону создания систем, которые сами подымают талантливых людей вверх. Теперь нет никакого «твоего» успеха. Есть только успех твоих ребят. Это на самом деле очень сложная перестройка, от которой иногда нужно осознанно отказываться. Например, когда ты еще чувсьвуешь, что ты хочешь побыть на первых ролях в интересных тебе проектах ради опыта/портфолио. Или ты в принципе чувствуешь в себе драйв быть на острие классных продуктов и инициатив с возможностью сказать «я это сделал». Причин может быть много, но как и в прошлый раз попытка усидеть на двух стульях приведет к полному разочарованию. На мой взгляд правильная мотивация здесь - это искреннее желание поделиться опытом и взрастить людей, которые через какое-то время могли бы занять твою текущую позицию. Тогда новый уровень дохода поможет закрыть бытовые вопросы и даст больше уверенности в будущем, а сложности политики, стратегии и бюрократии будут понятной ценой, которую ты платишь, чтобы вырастить крутых лидеров.

Цифра ~50% почему-то часто не пугает людей, когда речь про AI-ассистентов. Каждый второй запрос в стену? Ну ок, бывает, докрутим. Это странно, ибо если переложить те же 50% на более классический продукт, который мы все умеем оценивать, отношение будет другим. К примеру, интернет-магазин, который не создаёт каждый второй заказ, никто «докручивать» не будет — его чинят в ночь, в дождь, вопреки, потому что всем очевидно, что он сломан. Но представим магазин хитрее: заказ создаётся, а дальше то не доставят, то привезут не то или не туда, то спишут другую сумму. При этом снаружи всё может выглядеть как успех с непоколебимым покерфейсом: корзина, чекаут, «спасибо за покупку». Ассистенты чаще ломаются именно так. Там, где классический софт падает с ошибкой, LLMки отвечают: «подписку отменил», а по факту ничего не отменил, «операция корректна», а она снесла прод-базу. Ровно тот самый идеальный покерфейс, и у пользователя обычно не хватает компетенций отличить правильный ответ от уверенного вранья. Отсюда и разница в обратной связи. Косячащий магазин закидают жалобами и единицами в отзывах за день: чтобы понять, что привезли не то, экспертиза не нужна. А к ассистенту человек приходит ровно потому, что сам не знает ответа. Отличить хороший результат от плохого ему часто нечем, так что уверенный бред спокойно собирает свои пятёрки, либо собирает негатив с большой задержкой, либо вовсе выглядит как падающий ретеншн. Откуда тогда спокойствие команд? Моя гипотеза: дело в лёгкости лицезрения. Метрики магазина дешёвые: доля созданных заказов, SLA доставки, возвраты. Собираются за день и орут с дашборда красными огнями. Если даже никто дашборд не построил, то быстро прибежит СЕО и заставит сделать сэппуку. Метрика качества ассистента дорогая, это тот самый бенчмарк и нудные месяцы работы. А пока бенчмарка нет — нет и дашборда, на котором могло бы загореться красное. А когда мы измеряем что-то, то часто это улучшаем. Если не измеряется, то «вроде работает» будет достаточно. Дешёвая метрика тычет тебя носом в провал, а дорогая разрешает жить в неведении и называть это оптимизмом. Так что если у команды ассистента нет бенчмарка и эвалов, это не значит, что у неё нет 50% фейлов. Это значит, что она узнает о них последней.

Понравилась мысль Кагана из свежего эссе. Он, как и многие, ждал, что AI станет уравнителем и обесценит преимущество компаний с сильными инженерами и продуктовой культурой. Но вышло наоборот — они увеличили отрыв. Преимущество сильных никогда не сидело в скорости производства. Оно сидело в способности выбрать, что производить: культура, стратегия, discovery. AI кратно ускорил первое и не тронул второе, то есть работает мультипликатором, а не уравнителем. По факту команды используют AI, чтобы быстрее производить артефакты проектной модели (бизнес-кейсы, роадмапы, PRD, код). Проблема проектной модели в том, что модель заточена на output, а не на outcome. Ускорение output при неизменном качестве суждения, что строить, даёт ровно ноль. Отсюда расслоение вместо уравнивания. По итогу строить стало так легко, что теперь легко бежать не туда в десять раз быстрее. У Atlassian в исследовании 89% руководителей говорят, что AI ускорил работу, и только 6% уверены, что могут показать конкретный ROI в масштабе организации. Скорость есть, результата нет. Правда, есть два нюанса. Первый — лаг. Ещё в 1987-м умные люди заметили, что компьютерный век виден везде, кроме цифр производительности, или моторы, которые были доступны с 1880-х, но прирост производительности пошёл только к 1920-м, когда заводы наконец перестали навешивать эти самые моторы на старую схему и перестроили цеха. Второй: если AI ускоряет всех симметрично, преимущества не получает никто, а выигрыш утекает к потребителю. Оба варианта дают то же самое «работаем быстрее, а метрики стоят». svpg.com/the-ai-productivity-paradox

Дарио Амодей несколько лет ходит по Вашингтону с одной просьбой: дайте государству право выключать опасные AI-модели. Этим летом государство наконец согласилось и первым делом выключило модели самого Дарио. К примеру, эссе с авиационной аналогией — несертифицированный самолёт в небо не выпускают. Минторг очень проникся и, когда нашёлся джейлбрейк в свежем Fable 5 (неважно, насколько серьёзный), посадил модель вместе с Mythos по всему миру, у всех, включая тех, кто ни про какой джейлбрейк не слышал. Anthropic, естественно, подчинилась и обиделась: называет происходящее недоразумением и замечает, что если так подходить ко всем, релизов больше не будет ни у кого. То есть авиационный регулятор нужен, но чтобы сажал чужие самолёты. Тем временем OpenAI рапортует, что его агенты на тестах сбежали из песочницы и взломали Hugging Face. Жертва в восторге («It's quite mind-blowing!»), взломщик горд. Половина твиттера, к счастью, считает происходящее скоординированным пиаром, ибо уж больно все довольны для истории про взлом. Хотя для механики неважно, постановка или нет. Даже если инцидент настоящий, произвели, раскрыли и красиво упаковали его сами участники. «Наша модель настолько опасна, что мы сами её боимся» давно перестало быть предупреждением и стало уже отдельным видом рекламного спорта, и продаёт лучше бенчмарков. Умберто Эко всё это уже написал. В «Маятнике Фуко» трое редакторов выдумывают всемирный заговор ради интеллектуальной игры, одержимые принимают План всерьёз, и выдумка убивает своих создателей. Лабы годами производили нарратив «мы строим нечто страшное»: эссе про биориски, модели «слишком мощные для публики», отчёты о том, как Claude шантажирует инженеров. Это отлично работало на найм, оценки и статус пророков. Проблема в том, что чиновники не различают маркетинговый хоррор и реальную угрозу. Они прочитали всё буквально и достали единственный знакомый инструмент. Самосбывающееся пророчество в чистом виде: хотели, чтобы к угрозам относились серьёзнее? Отнеслись. К вам. Письмом из Минторга нельзя выключить модель в Ханчжоу. Давление на Китай вообще даёт обратный эффект: экспортный контроль на чипы подарил Huawei защищённый рынок, Nvidia оттуда выдавили, и топовые китайские модели теперь тренируются на собственном железе. Чем сильнее жмёшь, тем быстрее у них растёт свой стек. Регулятор, которого так просили, дотягивается ровно до одной категории игроков — до тех, кто его просил.

T-Search - наша открытая AgenticRAG модель 👽 Выкладываем специализированную 35B-A3B Agentic search модель, заточенную на multi-hop ретрив контекста из классических поисковых индексов. Выкладываем вместе с харнессом, который несложно прикрутить к вашему существующему поиску. Модель на базе Qwen3.6 влазит в H100, а собирает контекст частно круче, чем взрослые диприсеч модели. Drop-in replacement вашего ретривала в раге с качеством ретрива уровня диприсеч+ по цене в пять раз ниже, чем у моделей-бегемотов. Не привязан к определенному алгоритму ретрива: будет работать и с bm25 и с эмбедами не теряя в качестве. Пробенчить такую способность модели оказалась не менее интересная задача: помимо стандартных BrowseComp и SealQA мы собрали свой бенч TRuST. И выкладываем его тоже. Фронтирные опенсорс модельки уже достаточно классно справляются с бизнесовыми задачами, если собрать им правильный контекст, и T-Search это наша попытка уйти от ручного context-engineering’а в сторону автоматического и эффективного по костам решения. И если хотите узнать подробности, приходите завтра на турбомл послушать/поспрашивать ребят непосредственно. А если не получится дойти ногами, то скоро скинем подробный отчет на хабру.