На этой неделе в фокусе оказались не только громкие модели, но и компании, которые пытаются сделать ИИ дешевле, полезнее и ближе к реальным задачам. Ниже — три проекта, за которыми стоит следить.

Inferact привлёк 150 млн долларов на коммерциализацию vLLM

TechCrunch пишет, что Inferact поднял посевной раунд на 150 млн долларов при оценке в 800 млн долларов, чтобы строить бизнес вокруг vLLM — одного из самых заметных открытых стеков для запуска моделей в рабочих системах. Это важный сигнал: деньги идут не только в новые модели, но и в инфраструктуру, которая помогает компаниям быстрее и дешевле обслуживать ИИ в реальных продуктах.

Gimlet Labs пытается убрать одно из главных узких мест в работе моделей

Gimlet Labs утверждает, что умеет ускорять работу моделей в 3–10 раз при тех же затратах и энергопотреблении, в том числе на смешанных наборах чипов. Если это подтверждается на практике, у разработчиков появляется редкая вещь: возможность не просто нарастить мощность, а заметно снизить стоимость работы ИИ и запускать тяжёлые сценарии там, где раньше экономика не сходилась.

Bloomy вышла на Hacker News с ИИ-обучением по принципу освоения навыка

Bloomy вышла на Launch HN как проект из YC S26 и делает ставку не на обычного ИИ-репетитора, а на обучение по принципу освоения навыка: сначала диагностика, потом движение по темам и переход дальше только после достижения примерно 90% усвоения. На фоне множества однотипных помощников для учёбы это выглядит интереснее, потому что продукт пытается продавать не разговор с ботом, а измеримый результат обучения.

Общий вывод простой: следующая волна ИИ-стартапов всё чаще строится не вокруг вау-демо, а вокруг экономики использования, качества внедрения и понятного результата для клиента.