Новая AI-лаборатория Prentis, основанная Ридом Хоффманом и Марком Пинкусом, ведёт переговоры о раунде на $100 млн при оценке $1 млрд. Запустились в апреле 2026-го, уже подписали контракты на $50 млн — и заявляют, что их модель Hive-32B обходит GPT-5.4 и Claude Opus 4.6 на профильных бенчмарках, будучи при этом в 10 раз дешевле. Разбираем, что за этим стоит.
Представьте: страховой агент открывает 12 вкладок, три раза копирует один и тот же номер полиса и тратит 40 минут на то, что формально занимает две минуты. Именно этот сценарий — мишень Prentis. Стартап строит модели так называемого computer use: нейросеть видит экран, понимает интерфейс и сама выполняет рутину вместо человека. Не плагин, не скрипт — полноценный агент, который умеет работать с реальными Windows-приложениями.
Откуда деньги и кто за этим стоит
Prentis запустился в апреле 2026 года. Три со-основателя: Ританкар Дас (CEO, серийный предприниматель, в 18 лет стал самым молодым университетским медалистом в UC Berkeley за более чем столетие), Рид Хоффман (сооснователь LinkedIn, партнёр Greylock, ранний инвестор OpenAI) и Марк Пинкус (основатель Zynga). Для последних двух это, по сути, побочный проект — Хоффман сейчас занят Manas AI, а Пинкус недавно выпустил мемуары и управляет инвестфондом Reinvent Capital.
Дас — фигура неочевидная для широкой аудитории, но интересная. Его холдинг Titan строит и операционно ведёт AI-компании на собственные деньги от предыдущих выходов, без внешних LP — по аналогии с Berkshire Hathaway, как он сам это описывает. Через Titan уже вышли: Dascena (продана CirrusDx в 2022 году), Tala Health ($100 млн seed-раунд в 2025-м), Forta Health ($55 млн от Insight Partners в 2024-м). Prentis, судя по всему, следующая ставка в этой логике.
Что именно делает Hive-32B
Компания обучает модели на том, как офисные сотрудники проходят рутинные рабочие процессы — в документах, CRM, ERP, браузерах. Цель: агент, который умеет не просто отвечать на вопросы, а управлять компьютером. Уже есть конкретные кейсы: обработка страховых требований, автоматизация возврата таможенных пошлин — задачи, где сейчас человек буквально охотится за бумагами по нескольким системам. Именно здесь автоматизация офисных задач нейросеть перестаёт быть абстракцией и становится измеримой экономией.
По собственным данным Prentis, Hive-32B опережает конкурентов на двух бенчмарках: WindowsAgentArena (сквозное выполнение задач в реальных Windows-приложениях) и ScreenSpot-v2 (точность нахождения нужного элемента на экране). Соперники — OpenAI GPT-5.4 и Anthropic Claude Opus 4.6. Здесь стоит уточнить: TechCrunch, опубликовавший эту историю, прямо написал, что независимо не проверял эти результаты. Benchmark-войны в AI — жанр, где цифры нужно читать с осторожностью.
Главный козырь, по версии самой компании, не точность, а цена: стоимость одной задачи примерно в 10 раз ниже, чем при обращении к frontier API крупных игроков. Меньшая модель, дешевле в деплое — вот суть аргумента. Это важно: большинство корпоративных клиентов смотрят на unit economics, а не на benchmark.
Деньги на бумаге и деньги в кассе: читаем между строк
Контракты на $50 млн звучат внушительно. Но в питч-деке, который попал к TechCrunch, есть важная оговорка: прогнозируемый annualized run rate в $75 млн к третьему кварталу 2026 года рассчитан как аннуализированная стоимость, основанная на комиссии в 20% от реализованной экономии. Это не признанная выручка. Это performance-dependent — зависит от того, насколько реально сработает автоматизация у клиентов. Для инвестора это принципиально разные вещи.
Команда уже перевалила за 25 человек — среди найденных сотрудников есть выходцы из OpenAI, Google DeepMind, Meta, Tencent и Alibaba. Для четырёхмесячного стартапа это быстрый старт. Впрочем, с такими co-founders рекрутинговый трек понятен.
Если вам интересно, как выглядит практическое применение подобных агентов уже сегодня — посмотрите на создание ИИ-агентов для рутины в российском бизнес-контексте: задачи похожие, масштаб другой, но принцип тот же.
Конкуренция: рынок уже переполнен именами
Computer use — не голубой океан. Anthropic купила сиэтлский стартап Vercept в начале 2026 года (поглотила команду, продукт закрыла). OpenAI и Thinking Machines Lab Миры Мурати тоже работают в этом направлении. Рид Хоффман, кстати, входил в число со-основателей Inflection AI вместе с Мустафой Сулейманом до того, как Microsoft поглотил большую часть той команды в 2024-м. Так что тематически он в этом пространстве давно.
Автоматизация офисных задач нейросеть сейчас — это ставка на то, что рутинные рабочие процессы станут большим AI-рынком, чем написание кода. Prentis прямо говорит об этом в своих материалах. Спорить с этим тезисом сложно: кодеров в мире несколько десятков миллионов, офисных работников – в разы больше. Если агент научится надёжно выполнять задачи уровня «заполни форму, сверь данные, отправь отчёт» — addressable market действительно огромный.
Для компаний, которые уже сейчас хотят внедрить что-то похожее без ожидания следующего раунда Prentis, существуют AI-решения для бизнеса под заказ, адаптированные под конкретные рабочие процессы.
Почему это важно за пределами Silicon Valley
История Prentis интересна не только сама по себе. Она показывает, куда движутся деньги и внимание в AI прямо сейчас: от генерации текста к агентам, которые реально что-то делают в операционных системах и бизнес-приложениях. Это смена парадигмы. Раньше нейросеть отвечала на вопросы. Теперь она кликает мышкой, заполняет поля и отправляет файлы.
Для российских компаний это не абстрактный тренд. Готовые ИИ-автоматизации для офиса уже существуют — от чат-ботов и авто-рассылок до более сложных цепочек с ИИ-агентами. Разница с Prentis в том, что американский стартап целится в крупных корпоративных клиентов с enterprise-контрактами, тогда как доступные сегодня решения масштабируются и на малый, и на средний бизнес. А автоматизация отдела маркетинга — один из самых очевидных первых шагов для любой компании, которая хочет снять рутину с команды.
Что в итоге
Prentis — стартап с сильным составом основателей, быстрым стартом и амбициозными цифрами, которые пока не подтверждены независимо. Оценка в $1 млрд за четыре месяца работы отражает скорее вес имён и нарратив, чем зрелую бизнес-модель. Это не критика — это просто контекст для понимания, на каком этапе находится компания.
Интереснее другое: сам факт того, что Хоффман, Пинкус и серьёзная команда исследователей из DeepMind и OpenAI ставят на автоматизацию офисных задач нейросеть как на следующий большой рынок после кодинга — это сигнал. Не гарантия, но достаточно весомый сигнал, чтобы следить за развитием.
