Приватные нейросети без цензуры принесли Venice AI $70 млн выручки и статус единорога
Venice AI продвигает идею приватных нейросетей без цензуры и фильтров, и инвесторы только что оценили эту идею в миллиард долларов, хотя споры о безопасности ИИ-чатботов не утихают ни на день.

Впервые стартап, построенный на отказе от модерации и слежки за пользователями, получил статус единорога (компания с оценкой от миллиарда долларов) с подтверждённой прибыльностью, а не на обещаниях.
Тема приватных нейросетей раскалывает рынок на два лагеря. Одни считают, что ИИ без ограничений опасен: случаи ИИ-психозов, харассмента и дезинформации заставляют крупных разработчиков ужесточать фильтры. Другие уверены, что взрослые пользователи имеют право на инструмент без цензуры и без слежки. Venice AI поставила на вторую позицию и, судя по цифрам, попала в точку спроса. Разберём, что стоит за этим раундом и насколько модель жизнеспособна.
Что произошло?
Venice AI, платформа с доступом к более чем 200 ИИ-моделям, в среду объявила о привлечении 65 млн долларов в раунде Series A при оценке в 1 млрд долларов, по данным TechCrunch. Это первое внешнее привлечение компании. Раунд возглавила криптовенчурная фирма Dragonfly, среди участников Coinbase Ventures, North Island Ventures и другие.
Стартапу два года. За это время он набрал более 850 000 уникальных посетителей сайта, обслуживает более 3 млн активных пользователей и обрабатывает в среднем 1,7 млн запросов к API (программному интерфейсу, через который приложения обращаются к моделям) в день.
Компания уже прибыльна: годовая выручка по текущему темпу (annualized run-rate) превышает 70 млн долларов, сообщил CEO Эрик Вурхис в интервью TechCrunch.
Как устроены приватные нейросети Venice?
Стартап размещает на собственных дата-центрах открытые модели (open-source) без цензурных ограничений, а запросы к закрытым моделям (closed-source), например от OpenAI или Anthropic, маршрутизирует через внешние прокси-серверы.
Ключевой принцип: все данные пользователя шифруются и расшифровываются на стороне клиента. На серверах Venice ничего не хранится. Для подписчиков платного тарифа доступно сквозное шифрование (end-to-end encryption, когда данные не может прочитать никто, кроме отправителя и получателя) на некоторых моделях.
Пользователи выбирают из моделей для генерации текста, изображений, аудио и видео. Компания также предлагает настраиваемых ИИ-персонажей для чата и открыто позиционирует платформу как «нецензурированную».
Вурхис рассказал, что команда дорабатывает системные промпты (system prompt, скрытая инструкция, задающая поведение модели) некоторых открытых моделей, чтобы те отвечали свободнее, но не добавляет к моделям никаких ограничений.
Аргументы за: почему рынку нужны приватные нейросети?
-
Спрос реален и подтверждён деньгами. 70 млн долларов годовой выручки и прибыльность без единого внешнего раунда до сих пор показывают, что пользователи готовы платить за отсутствие слежки.
-
Разрыв между ChatGPT и независимыми платформами сокращается. Вурхис признал, что на старте Venice сильно уступала ChatGPT по возможностям, но люди приходили ради приватности. Сейчас функциональный разрыв почти закрыт, и это делает платформу «всё более убедительной альтернативой», по его словам.
-
Философия свободного инструмента. Вурхис сравнивает подход Venice с принципом работы биткоина: нейтральный протокол работает одинаково для всех. По его мнению, тотальная слежка за пользователями ИИ опаснее, чем отдельные спорные запросы.
Аргументы против: где уязвимость модели?
-
Безопасность не абстрактна. Случаи ИИ-психозов, генерации дипфейков и автоматизированного харассмента реальны. Крупные разработчики вводят фильтры не из прихоти, а после конкретных инцидентов. Платформа без ограничений берёт на себя риск стать инструментом для причинения вреда.
-
Крипто-связка вызывает вопросы. Venice выпустила два токена: VVV (январь) и DIEM (август прошлого года). Пользователи покупают VVV, «стейкают» его (замораживают в системе для получения вознаграждений) и получают DIEM, дающий ИИ-кредиты на 1 доллар в день. Однако, по данным Вурхиса, только около 8% пользователей платят криптовалютой. Токены помогли привлечь аудиторию, но создают регуляторные риски, особенно на фоне того, что ранее Вурхис основал криптобиржу ShapeShift, которую Wall Street Journal обвинял в обработке подозрительных средств.
-
Прибыльность хрупкая. Компания арендует GPU (графические процессоры, на которых работают нейросети). Привлечённые 65 млн долларов пойдут на покупку собственных GPU и строительство дата-центров, чтобы увеличить валовую маржу. Пока этот переход не завершён, зависимость от арендованных мощностей давит на экономику.
«Мы оптимизируемся ради свободы и на деле уважаем пользователей как взрослых людей, что, я думаю, сейчас редкость.» : Эрик Вурхис, CEO Venice AI
Venice AI попала в настоящий нерв рынка. Люди устали от того, что модели отказываются выполнять легальные запросы, а корпорации видят каждый промпт. Но «свобода без цензуры» на практике означает, что модерация ложится на самого пользователя. Для профессионала это нормально. Для уязвимого подростка или человека в кризисе это может быть опасно.
Для авторов Дзена и маркетологов из РФ Venice интересна как рабочий инструмент, где можно тестировать промпты без ограничений. Платформа доступна через веб и API, подписка платная для сквозного шифрования. В России аналогов по модели «приватные нейросети без логирования» пока нет: YandexGPT и GigaChat работают в другой парадигме с модерацией и хранением данных.
Если вам нужна именно приватность, попробуйте Venice на простых задачах и оцените качество ответов сами. Но помните: отсутствие фильтров не равно отсутствию ответственности за то, как вы используете результат.
Чего ждать дальше?
Ближайший вызов Venice AI не конкуренция с ChatGPT, а строительство собственной инфраструктуры. Переход с арендованных GPU на свои дата-центры определит, останется ли компания прибыльной при масштабировании. Если удастся, рынок получит живое доказательство того, что приватные нейросети без цензуры могут быть бизнесом, а не манифестом. Если нет, останется дорогой эксперимент с красивым раундом.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Graph RAG позволил моделям с 2 млрд параметров решить задачу, которую без графа не решила ни одна
Graph RAG (граф знаний для поиска по документам, дополняющий генерацию) позволяет даже компактным моделям с 2-8 миллиардами параметров решать сложные…

LLM-конвейер молча теряет записи: три бага, которые не видны в сводке
Конвейеры на базе больших языковых моделей (LLM, от англ. Large Language Model) часто теряют записи так, что итоговые проверки показывают успех, а пользователь…
Профи.ру встроил LLM поверх Elasticsearch: 150 000 запросов в час без замены движка
Дмитрий, лид отдела семантики в Профи.ру, рассказал, как команда встроила языковую модель в поиск услуг поверх Elasticsearch, не выбрасывая классический…
Комментарии