А это Евгений Хавтан - лидер группы Браво с этого же праздника. У Майи уже целая серия фоток с известными людьми 😀

Слушайте, я вот не понимаю одну вещь.

Команды платят $200 в месяц за Claude Max — и искренне верят, что это решает вопрос с лимитами. Я спрашиваю: а что именно вы получаете за эти деньги сверх бесплатного плана? В ответ обычно что-то про "приоритетный доступ и больше времени для работы". Контекстное окно при этом одинаковое на всех тарифах, гарантий по токенам никаких, и Anthropic нигде не объясняет разницу нормально.

На мой взгляд — это не баг, это фича. Большой брат не особо хочет, чтобы ты построил что-то, что сможет от него уйти. OpenClaw вот уже убедились — subscription закрыли вообще, просто потому что решили так.

Мы сейчас в Ai-zavod написали роутеры. Запросы гоняем по провайдерам в зависимости от задачи — простые на локальную модель, данные вообще не уходят наружу, сложные к Anthropic, OpenAI, Gemini, - смотря кто сейчас лучше по деньгам. Поменять провайдера — конфиг, не рефакторинг. А вообще крутое, что мне сильно нравится: умная модель запускает бесплатную, которая делает всю грязную работу, затем несколько платных по разной степени умности обрабатывают результат и снова отдают бесплатной на delivery. Оптимизация за задачу с $25 до $0.2!

Дело в том, что архитектурные решения типа этого не появляются сами по себе когда "просто пишешь код". Vibe coding даёт фичер. Понимание того, что будет, когда платформа поменяет правила — это уже другое.

P.S. Если у вас всё на одном провайдере — это нормально на старте, но чтобы продержаться хотя бы до половины дистанции нужно сделать еще очень много вычислительных архитектурных действий.

Сеголня параллельно прорабатывал архитектуру проекта для портфельных компаний VC и делал структуру презентации для ООН. Такой вторник

Запустил сегодня приложение. DrakeAI - трекер расходов, где ты просто пишешь "кофе 400р" или "coffee $4" и AI сам разбирается с категорией, валютой, всем остальным. Никаких форм, никаких 7 нажатий чтобы записать кофе. Работает на любом языке.

Собрал на тех же AI-агентах, которых использую на клиентских проектах. Наш полный стек с фронтом, бекендом, сообщениями, AI-агентом позволяет делать такие штуки очень быстро.

Я постоянно рассказываю что один человек с AI-агентами может заменить команду разработки. Решил просто показать вместо того чтобы об этом писать.

Тот же самый процесс, который я использую как fractional CTO - проектирую архитектуру, агенты пишут код, я ревьюю. Разница в том что клиентские проекты это 16-недельные платформы, а это был сайд-проект на выходные. Но подход одинаковый.

Бесплатно, без рекламы. Если трекаете расходы и ненавидите UX ввода в каждом другом приложении - попробуйте.

ios app
https://apps.apple.com/us/app/drakeai/id6762331893

android
https://play.google.com/store/apps/details?id=com.zavodit.drakeai

GPT-5.5 вышла. Читал бенчмарки весь вечер.

Вывод: мало что меняет в моей работе.

Claude все еще лучше правит код (SWE-Bench Pro: 64.3% vs 58.6%). GPT-5.5 сильно прыгнула в длинном контексте - 74% на 512K-1M токенов, было 36%.

Использую обе модели в одном проекте. GPT для архитектурного ревью всей кодовой базы, Claude для точечных фиксов. Модель - инструмент, не религия.

Интересное из анонса: 85% сотрудников OpenAI пользуются Codex каждую неделю. Крупнейшая AI-компания работает по модели "один человек + AI-агенты" внутри. Не как демо - как ежедневная реальность.

Я так работаю с клиентами уже год. Может скептиков наконец станет меньше.

Как выиграть в эпоху AI

Подписка за $200 дает тебе ~$10K интеллекта в месяц. Десять миллиардов токенов. Это как если бы тебе на год дали бесплатного senior-сотрудника - а ты его не нанял.

FOMO сейчас витает в воздухе как никогда. Я и мои коллеги по цеху работаем по 100 часов в неделю, выжимая из AI-подписок все до капли. И не просто так.

Представь: у тебя есть сутки, чтобы попросить у сверхразума что-то для себя. Что бы это было?

Вот что я бы делал (и делаю):

1. Не проходить мимо.
История любого дикого рынка одинаковая - сначала халява, потом регулятор. Claude и OpenAI вполне могут урезать мощность в 50 раз. Окно открыто сейчас. Не факт, что будет открыто завтра.

2. Строить AI-инструменты для бизнеса.
Компания без AI сегодня - это компания без сайта в 2005. Все понимают. Мало кто делает. Это передел рынка, и бронепоезд не пощадит никого.

3. Создавать то, чего тебе не хватает.
Эра вайбкодеров. Без знания инфраструктуры можно собрать бота, апп, сайт - лично для себя. 99% никогда не увидят свет. Но личный инструмент, заточенный под тебя - уже конкурентное преимущество.

4. Мультиплицировать себя.
Найди то, что у тебя получается лучше всего. Подключи AI как усилитель. Один человек с правильным рычагом сейчас опаснее команды из десяти.

5. Строить AI-системы.
Это то, чем занимаюсь я. AI-Zavod - 168 агентов, которые взаимодействуют, решают задачи, имеют разные роли. Не один бот. Система.

Если завтра розетку вырубят - у тебя останется то, что ты успел построить. Инструменты, которых нет у других.

Строй свечной заводик, пока дают.

Lovable оценили в $6.6B. $400M ARR. 200,000 новых проектов в день.

Большинство этих проектов останутся прототипами. Но некоторые получат traction. Реальных пользователей. Реальную выручку. И тогда они упрутся в стену.

Стена - это не проблема UI. С UI у Lovable все хорошо. Стена - это все, что за UI:

- Мультитенантность (enterprise-клиентам нужна изоляция данных)
- Комплаенс (SOC 2, HIPAA - enterprise-покупатели требуют)
- Кастомная бэкенд-логика (бизнес-правила не влезают в Supabase functions)
- Интеграции (HRIS, CRM, платежные системы, аналитика)
- Масштабирование за 100 пользователей без поломок

Я ревьюю такие переходы Lovable-to-production и паттерн стабильный. Фаундер доказал рынок. Прототип подтвердил спрос. Теперь нужна production-инфраструктура, и перед ним два варианта:

Вариант 1: Нанять команду. Бэкенд, фронтенд, QA, DevOps. Бюджет: $100-150K за 4-месячный MVP. Время до первого найма: 4-6 недель. Время до первого деплоя: еще 3-4 месяца.

Вариант 2: Работать с тем, кто строит с AI-агентами. Один человек управляет AI-агентами, которые делают разработку - бэкенд, фронтенд, тестирование. То же качество архитектуры, те же стандарты код-ревью. Бюджет: значительно меньше. Сроки: те же или быстрее, потому что нет overhead на координацию команды.

Два года назад варианта 2 не существовало. Сейчас он есть.

Фаундеры, которые это понимают, доходят до production в 2-3 раза дешевле конкурентов. Те, кто нет - либо прожигают seed-раунд на традиционную команду, либо застряли в прототипе в ожидании технического кофаундера, который может никогда не прийти.

Если вы собрали что-то в Lovable и упираетесь в лимиты - вопрос не в том, мигрировать ли. Вопрос - как и с кем.

Когда Claude упирается в 100% лимита, компания не должна останавливаться.

Я хочу выложить этот скрин не просто как "смотрите, потратили весь лимит".

Для меня это хороший пример реальной проблемы в AI-инфраструктуре.

Один провайдер уже на 100%.
Другой еще доступен.
Бесплатные и open-source модели тоже можно использовать.
Но если в системе нет роутера, все все равно выглядит так, будто "AI сломался".

И вот здесь начинается разница между "мы используем AI-инструменты" и "мы строим AI-систему".

Большинство людей до сих пор спрашивают:

"Какая модель лучше?"

Claude? GPT? Codex? Gemini? Llama? Mistral? Qwen?

Но в продакшене вопрос должен быть другим:

"Что произойдет, когда любимая модель станет недоступна?"

Потому что это обязательно произойдет.

Модель может упереться в лимит бюджета.
Может упереться в rate limit.
Может начать отвечать медленнее.
Может плохо справляться с конкретным типом задач.
У провайдера может быть outage.
Или просто окажется, что для этой нагрузки она слишком дорогая.

Если весь ваш AI workflow завязан на одного провайдера, лимит этого провайдера становится лимитом всей вашей компании.

Поэтому AI-системе нужен не просто выбор модели.

Ей нужен роутер.

Роутер должен решать:
- какой модели отдать конкретную задачу
- какая модель сейчас слишком дорогая для этого типа работы
- какой провайдер уже выбрал бюджет
- какая модель достаточно хороша для задачи
- когда можно использовать бесплатную или open-source модель
- когда нужно остановиться и спросить человека

Не каждая задача требует самой сильной модели.

Где-то действительно нужно глубокое рассуждение.
Где-то нужно редактирование кода.
Где-то нужен длинный контекст и планирование.
А где-то задача простая: классификация, extraction, очистка текста, суммаризация, первичный анализ логов, подготовка контекста.

Такие задачи часто можно отдавать более дешевым моделям или бесплатным open-source моделям.

А дорогие frontier-модели сохранять для тех случаев, где они реально дают разницу.

Это и есть переход от "AI assistant" к "AI workforce".

У одного ассистента может быть любимая модель.

Но у AI workforce должны быть:
- диспетчеризация
- бюджетирование
- fallback-правила
- проверка качества
- escalation path к человеку

Если Claude закончился - задача должна уйти в Codex.
Если Codex не подходит - в Gemini.
Если задача простая - в open-source модель.
Если уверенность низкая - к человеку.

Цель не в том, чтобы молиться на одну модель.

Цель в том, чтобы полезная работа продолжала двигаться, даже когда один из провайдеров уперся в лимит, стал дорогим или временно недоступен.

В 2026 году вопрос уже не "какая модель самая умная?"
@
Вопрос другой:

"Что делает ваша система, когда самая умная модель прямо сейчас недоступна?"

Провел сегодня презентацию для ООН по внедрению AI

Почему AI-пилоты проходят демо и разваливаются в продакшене.

В прошлом квартале я проверил пять стартапов, которые только что запустили AI-фичи. У четырёх из них была одна и та же история - демо работало идеально. Через две недели в продакшене всё сломалось.

Не модель. Не промпт. Всё вокруг них.

Retry-логика. Состояние сессий. Обработка частичного ответа. Rate limit спайки в 3 ночи. В демо этого не видно. Это проявляется когда реальные пользователи бьют в систему в реальных условиях.

Разрыв между демо и продакшеном в AI-системах шире, чем в любой другой категории, с которой я работал. Вот почему.

В демо:
- Ты контролируешь входные данные
- Один пользователь, чистое состояние, нет конкурентности
- Если что-то сломалось - перезапустил
- Никто не смотрит на стоимость

В продакшене:
- Входные данные непредсказуемы
- Состояние тянется через 50 сессий одновременно
- Поломка стоит тебе SLA и доверия, а не просто retry
- Токены масштабируются с каждым edge case, который ты не обработал

Три вещи, которые ломаются первыми:

1. Retry-логика. Ты вызвал модель. Она завалилась по таймауту. Что дальше? Большинство демо не имеют ответа. Продакшен обязан иметь.

2. Накопление контекста. Первая сессия выглядит чисто. 47-я тянет 40k токенов накопленного мусора из edge case, которые ты так и не почистил. Стоимость растёт линейно. Латентность тоже.

3. Обработка частичного успеха. Модель что-то вернула. Не совсем то. Что теперь? В демо - итерируешь. В продакшене - нужна стратегия fallback, определённая заранее.

Именно поэтому я делаю архитектурные ревью до того, как фаундеры строят AI-фичи - а не после того, как они уже выкатили в продакшен и получили первый инцидент на реальной нагрузке.

Если ваше AI-демо работает, но вы нервничаете насчёт продакшена - это правильное чувство. Ссылка на звонок в комментах.

В прошлом месяце я пришел к клиенту, когда у них было 38 человек. Когда начал консультировать - было 12. Все горело.

Код был нормальный. Продукт работал. Но три вещи сломались незаметно:

1. Знания о деплое жили в голове одного человека. Когда она ушла в отпуск, никто не деплоил 9 дней.

2. Две команды независимо написали одинаковый auth-flow, потому что Slack-каналы разделились на силосы, которые никто не поддерживал.

3. "Быстрый стендап" превратился в 45 минут с 22 людьми, и половина команды перестала приходить.

Ничего из этого не видно в кодовой базе. Ничего не вызывает алертов. Все накапливается.

На 10 человек можно починить что угодно разговором в коридоре. На 50 нужны системы, которые заменяют то, что раньше делали разговоры - обмен знаниями, дедупликация, маршрутизация решений.

Большинство фаундеров обнаруживают это на 40. К тому моменту рубцовая ткань - задублированные сервисы, незадокументированные племенные знания, митинги, которые существуют потому что никто не доверяет async - стоит дорого.

Что я проверяю в каждом аудите масштабирования: bus factor деплоя, топология коммуникаций vs оргструктура, стоимость митинга на одно решение.

Если вы между 15 и 40 - проверьте это сейчас. Дешевле, чем чинить на 50.

Фаундер попросила посмотреть расходы на Cursor. Маленькая команда, $14K за 8 месяцев, 90% от одного человека. Проект должен был занять 3 месяца, растянулся на 8.

Сумма сама по себе не дикая. Зацепило другое - каждый разработчик в своем Cursor, ноль общего контекста. AI переучивает кодовую базу с нуля по 50 раз в день.

Мы перешли на агентов когда мне надоело каждое утро объяснять Claude что происходит. 173 агента, $220/мес. Но фишка не в экономии - а в том что контекст накапливается, а не теряется.

Реальный вопрос который она хотела задать - не "дорого ли мы платим", а "мой CTO вообще на наш проект это тратит?" Напрямую не сказала. Фаундеры такое редко говорят вслух.

Честно, видел это слишком много раз. Стартап не берёт джунов - получает сеньоров, каждый из которых владеет целой подсистемой в одиночку, и больше никто к ней не прикасается. Потом один из них просит +40% - и у CEO нет никаких аргументов. Джуны - это не просто дешевле. Они вынуждают строить системы, которые может поддерживать не один человек.

За 2 недели DrakeAI зарегистрировали 175 человек. Из 25 стран. Без платной рекламы.

Полная картина:

61 человек активно ведут учет. 441 расход зафиксирован. Активация 35% - это число мы хотим увеличить.

Топ стран: США, Израиль, Украина, Молдова, Россия, Таиланд, Сингапур.

Что выпустили за 2 недели

- Периодические расходы - задайте аренду и подписки один раз, они записываются сами по расписанию
- Голосовой ввод - говоришь, приложение фиксирует (бесплатно - конкуренты берут за это деньги)
- Сканирование чеков - фото чека, AI читает остальное
- Голосование за фичи - пользователи сами говорят что строить дальше
- 40 валют с авто-определением
- Совместный учет для семьи и групп
- Сравнение расходов по месяцам

Что дальше

Уведомления о бюджете и еженедельный дайджест расходов - в топе голосования. Работаем по списку.

Ещё одно - мы только что запустили Telegram-бот (@drakeai_app_bot). Пишешь как другу: "кофе 150" - записано. Приложение открывать не нужно. Попробуйте.

Приложение бесплатное.

Как ведёте учёт расходов сейчас - и что обычно мешает делать это регулярно?

ios app
https://apps.apple.com/us/app/drakeai/id6762331893

android
https://play.google.com/store/apps/details?id=com.zavodit.drakeai

tg bot
https://t.me/drakeai_app_bot

website
https://drakeai.app/

Год как не употребляю алкоголь

Прошлый раз отмечал день радио после чего полностью завязал. до этого не пил также год, потом пил 5 месяцев.

В прошлый раз прямо ждал, когда год закончился, чтобы вернуть яркие ощущения эйфории, погружения в другую реальность, когда все трудности кажутся незначительными и всегда хорошее настроение. Или наоборот прочувствуешь каждый момент, даже мелкий, особенно глубоко.

Я алко-спортсмен, поэтому к тренировкам подходил максимально серьезно.

После «интересного» вечера Утро я уже начинал с бутылки белого вина, которая после второй к вечеру переходила в более серьезный напиток и так по кругу.

Как побочка вылетает весь следующий день, а часто и несколько дней, которые переходили в недели пьянства.


В этот раз возвращаться к стакану совсем не хочется, потому что в настоящей жизни гораздо больше всего интереснее и насыщеннее.

Спасибо Насте за поддержку, которая также отказалась от алкоголя.

А краски снова вернулись, находится много интереса в работе, которой я также занимаюсь запоем, но это уже другая история.

Мой первый маленький экзит

На днях у меня случился небольшой, но приятный экзит.

Уже какое-то время я инвестирую вместе с американским синдикатом. Суммы небольшие, но в этом году на одном активе получилось заработать больше 88% за год. Компанию называть не буду - не уверен насколько это публично, - но это была компания на AI-рынке. Кому тоже предлагал заходить, тот знает о чем речь.

Формально это не классическая венчурная история - там обычно ждёшь 5-7 лет и рассчитываешь на 10-20x. Здесь и возврат скромнее, и срок короче. Компанию выкупил более крупный игрок - стандартная история для AI-рынка прямо сейчас.

Но вот что интересно: появляется ощущение, что всё ускоряется. Венчурные сделки, которые раньше занимали годы, сейчас могут закрываться и приносить прибыль за год. В AI это особенно заметно - компании строятся и продаются быстро.

Параллельно мой фондовый портфель вырос на 51%. И если смотреть на всё это в сумме - синдикат, фондовый рынок, понимание как устроен AI-сектор изнутри, как работают технологии - начинает казаться, что я потихоньку нащупываю, как преумножать деньги именно на американском рынке. Не быстрые схемы, а просто правильные ставки в правильном месте.

Тема инвестиций меня всё больше затягивает - хочется погружаться глубже, может быть поработать с венчурным фондом или в private equity. Интересное направление, буду развиваться.