Entire Привлекает Рекордные $60 Млн На Управление Кодом От Ии – Как Новый Инструмент Изменит Разработку

Ключевые выводы

• Стартап Entire получил рекордные $60 млн посевного финансирования при оценке в $300 млн
• Основатель – Томас Домке, экс-CEO GitHub, создавший Copilot
• Решение помогает контролировать код, сгенерированный ИИ-агентами
• Первый продукт Checkpoints отслеживает контекст генерации кода
• Проблема: до 40% pull-запросов в open-source содержат некачественный AI-код

Когда ИИ генерирует больше кода чем люди, теряется понимание как этот код работает. Entire хочет дать разработчикам контроль над "машинным творчеством". Вместе с инвесторами мы разобрались, почему это стало проблемой именно сейчас.

Рекордные инвестиции на старте

Фонд Felicis подтвердил крупнейший в истории seed-раунд для dev tools – $60 млн. При оценке стартапа Entire в $300 млн. Такой интерес объясним: основатель Томас Домке 4 года руководил GitHub, где запустил Copilot – сервис ИИ-кодирования с 1,3 млн пользователей.

Среди инвесторов Madrona, M12 (фонд Microsoft), Basis Set и создатель Datadog Оливье Помель. Их объединяет одно: все столкнулись с проблемой "AI slop" – низкокачественным кодом от нейросетей.

"Ручные системы разработки не рассчитаны на эру ИИ", – говорит Домке. Только за 2025 год GitHub получил 28 млн pull-запросов от ботов. Многие проекты вроде TensorFlow тратят до 70% времени на проверку автоматических правок.

Чем опасен код от ИИ

Типичная сцена: нейросеть генерирует функции, но разработчик не понимает как они работают. Нет истории изменений, тестов или документации. Это "чёрный ящик", который ломает сборку через месяцы.

Open Source Security Foundation в 2025 году подсчитала: 32% уязвимостей в Python-библиотеках появились из-за автосгенерированного кода. Проектам приходится замедлять релизы для ручной проверки.

Хуже всего масштабируемым системам. Например, devops-инженер AWS рассказал: их команда отклонила 81% AI-коммитов из-за конфликтов версий. ИИ не понимает архитектурный контекст.

Как Entire справляется с проблемой

Первым продуктом стал open-source инструмент Checkpoints. Его принцип работы:

1. Фиксирует контекст генерации – промпты, параметры модели, версии библиотек
2. Создает снимки (snapshots) для каждого изменения от ИИ
3. Индексирует код в git-совместимом хранилище

Это позволяет:

• Искать код по фразам вроде "обнови user auth для Django 5.0"
• Сравнивать версии агентов – какой ИИ дал лучший результат
• Откатывать изменения до рабочего состояния

Технологическая основа платформы

Entire строится на трёх компонентах:

Git-совместимая база данных

Хранит код ИИ-агентов с метаданными. Совместима с GitHub/GitLab, но добавляет слои:

• Версионирование моделей ИИ
• Сравнение производительности разных агентов
• Автоматическое документирование

Semantic Reasoning Layer

Нейросеть которая:

• Анализирует взаимосвязи между разными AI-агентами
• Тегирует код по архитектурным особенностям
• Предупреждает о конфликтах зависимостей

Интерфейс для коллаборации

Особенности:

• Визуализация потоков данных между людьми и ботами
• Чат для уточнения требований к ИИ
• Инструменты быстрого ревью (Approve/Reject)

Справка: ключевые участники истории

Томас Домке

Основатель Entire. Руководил GitHub с 2021 по 2025 год, где запустил Copilot – сервис ИИ-кодирования. Раньше основал HockeyApp (приобретен Microsoft в 2014). Живёт в Калифорнии, участвует в 15+ open-source проектах как контрибьютор.

GitHub Copilot

ИИ-помощник для программистов на базе OpenAI Codex. За 3 года обработал 30 млрд строк кода. Интегрирован в VS Code, JetBrains IDE. Исследование MIT показало: сокращает время разработки на 35% для типовых задач.

Felicis Ventures

Венчурный фонд ($3 млрд AUM) из Кремниевой Долины. Инвестировал в Shopify, Canva, Webflow. Специализируется на enterprise-решениях. Текущий фокус – AI/ML инструменты для разработчиков.

Madrona Venture Group

Ранний инвестор Amazon, Smartsheet. Управляет $2.4 млрд. Концентрируется на тихоокеанском северо-западе США. Активно поддерживает AI-стартапы на пре-посевной стадии.

Basis Set Ventures

Фонд ($725 млн) Лань Сюй из Сан-Франциско. Делает ставку на "машинное обучение 2.0" – системы которые обучаются с меньшими данными. В портфеле: Scale AI, Snorkel AI.

Entire – не просто ещё один dev tool. Это попытка сохранить человеческий контроль там, где машины генерируют код быстрее чем мы можем его осмыслить. Успех будет зависеть от простоты. Если разработчики начнут использовать Checkpoints также естественно как git commit – значит, Домке снова угадал тренд.