Holo Engine (hiholo.ai) — разбор продукта

Лид: Кирилл Казаков · дал ссылку https://engine.hiholo.ai/mcp · замер 13.08.2026, 07:25 UTC · всё проверено живыми запросами, не по памяти

Первый факт: ссылка — не MCP-сервер, а форма заявки

POST /mcp (JSON-RPC initialize)

404 not_found

подключить как удалённый MCP нельзя

GET /mcp

HTML-страница

«Holo Engine — MCP Trial», форма на 14-дневный триал

Что реально дают

бинарь + license.holo

ссылка приходит на почту, кладётся в ~/.holo/, подключается к Claude Desktop

/health движка

healthy, v2.0.0

uptime 121 380 c (≈1,4 сут), RSS 146 МБ, nginx/Ubuntu

То есть MCP у них — локальный лицензируемый бинарь с привязкой к машине, а не публичный эндпоинт. Публичный REST живёт на api.hiholo.ai и без ключа отдаёт 401. Полная документация открыта на https://engine.hiholo.ai/ (SPA, 311 КБ, ~34 эндпоинта).

Что это за продукт

Детерминированный «движок-мозг» на одной структуре данных — Adelic Tree (гиперболическое дерево, модель Пуанкаре). Одна структура работает сразу как база, индекс, вектор-поиск, ML-рантайм и решатель. Позиционирование: «Physical AI infrastructure based on geometry of computation», бинарь <10 МБ, CPU-only, без GPU и без зависимостей, всё считается локально.

4 заявленных отличия

ноль галлюцинаций (детерминизм: тот же вход → тот же выход)
заменяет вектор-БД + эмбеддинг-модель + граф-БД
~10 МБ, любой CPU / микроконтроллер
white-box: формула и R² на каждый прогноз

6 слоёв цикла (~34 эндпоинта)

Sense seed, insert, feed_text, cognitive/observe
Understand query_text, search, nearest, discover, reason
Decide predict, solveCSP, geometry/graph/quantum_solve
Act holo_exec (Holo Language)
Verify evaluate, anomaly, missing, tree, get
Adapt feedback, learn

Holo Language

Тьюринг-полный язык с «человеческим» синтаксисом, исполняется на сервере одним вызовом /api/holo_exec, состояние живёт в дереве, есть сессии, HTTP-вызовы, функции, try/catch. Сделан явно под AI-агентов: агент описывает логику — сервер исполняет за один round-trip.

Модели поставки

MCP (лицензия на машину, device binding) · On-Prem сервер (enterprise) · IoT/Edge. Бесплатно для науки и образования. Цен нет — «by request», обещают опубликовать позже.

Заявленные бенчмарки (их цифры, наша оценка проверяемости)

Домен	Их цифра	С чем сравнивают	Насколько проверяемо
БД, 100K строк	point query 0,2 µs (40× SQLite); память 9,8 КБ против 6,9 МБ (700×); сжатие 2041:1	SQLite, ClickHouse	сравнение неравное: у них 49 узлов квантильных бакетов, а не 100K строк — это агрегат, а не хранение сырья. Сами признают, что ClickHouse выигрывает на PB-масштабе
Квантовая химия	медиана 33× быстрее PySCF, отклонение 0–0,02%	PySCF RHF, STO-3G	самая сильная позиция: результат сверяется с эталоном, воспроизводится независимо
ML-классификация	+2,7% F1 на prompt injection, +1,2% на PII; ничья на галлюцинациях; проигрыш LogReg на intent (−1,9%)	scikit-learn 1.8, 5-fold CV	честно показан и проигрыш — хороший знак, но N=400–500, это мало
Онлайн-обучение	0,96 точность при дрейфе; DT/RF падают в 0,00	переобучение DT/RF, NB	падение в ноль у RandomForest выглядит как кривая постановка baseline, а не как их победа
RAG без эмбеддингов	Recall@3 90% против 80% TF-IDF и 70% BM25	TF-IDF, BM25	200 чанков, 10 запросов — на такой выборке разница в 1–2 документа. Плюс latency 259 мс против <1 мс у baseline. Ни одного плотного ретривера (E5/bge) в сравнении нет
Символьная регрессия	R²=0,999999999995 на чистых данных, s-выражение вместо numpy-массива	LinearRegression, Lasso	на шуме математически равно sklearn; ценность = читаемая формула, не точность
FPGA phase core	~1600× при K=4096, 0 умножителей, ~130× энергия	1 ядро i9-9880H	сами помечают DERIVED/MODELED: синтез Yosys есть, платы и замера нет. Их же «honest read»: при малом K паритет с многоядерным CPU
Банковский кэшбэк (uplift)	Qini 563,9 · профит $13,8K · «верных» клиентов 2,48%	sklearn S-learner / T-learner	их же таблица: T-learner sklearn выигрывает (Qini 613,4, профит $14,7K). Кейс поставлен против себя

Юридический слой (из EULA от 07.07.2026) — важнее бенчмарков

Кто лицензиар

Кирилл Казаков, физлицо, торговое имя «Hi Holo». Юрлица нет: адрес, юрисдикция и арбитраж стоят заглушками «to be specified upon incorporation». Права «автоматически перейдут» будущей компании.

Ограничения

Нельзя реверсить, менять, перепродавать, обходить лицензию, использовать для создания конкурирующего продукта, применять в mission-critical / медицине / life-safety.

Обратная связь

Любой наш фидбек и идеи он вправе использовать без ограничений и обязательств. Своё ноу-хау в переписке не выкладываем.

Приватность

Заявлено: движок локальный, наружу ничего не шлёт. Не проверено — проверяется только на живом бинаре сниффером.

RECALL: что у нас уже было по Кириллу (найдено 17.08)

Правка к первой версии: здесь стояло «в волте его нет ни строкой» — неверно, поиск по волту тогда ещё не закончился. След есть, и большой.

CRM-лид

Platinum-CRM/leads/2026/kirill-kazakov.md · live-27645 · статус interested · founder · hiholo.ai · 1 звонок 12.08.2026

Карточка человека

Тбилиси (GMT+4) · ******ymaker@gmail.com · +*** *** ** ** ** · пришёл сам через Calendly 11.08 · есть вторая, укороченная карточка

Звонок

Транскрипт fireflies 12.08 (51 КБ) · группа для продолжения t.me/+Y2FWRxBXhW44YWU9

Договорённость дословно

«Тони протестирует продукт Кирилла» — приказ 17.08 «начни использовать» это закрытие обещания пятидневной давности, а не новая идея

Расхождение, которое стоит держать в голове. Антону он питчил payments / fintech / banking / web3 — fraud, compliance, KYC scoring, полный traceback для регулируемых рынков. А единственный витринный кейс из этой вертикали (банковский кэшбэк) их же цифрами проигрывает sklearn T-learner. В вертикали, которой он продаёт, публичное доказательство пока слабейшее. Цифры показаны честно — но вопрос про этот кейс становится главным.

⚠️ Расхождение внутри нашей CRM (не чинил, подсвечиваю): карточка человека пишет «состоялся ли звонок — не подтверждено, ФА не отправлен», а карточка лида содержит полный текст ФА и лог звонка. Одна из двух врёт.

Вердикт и что делать

Сторона	Что видим
Сильное	Инженерия настоящая: 34 задокументированных эндпоинта, свой язык, RTL на Verilog с синтезом, статья по EBM/JEPA-математике, живой сервис. Квантовая химия и символьная регрессия — проверяемые, воспроизводимые вещи. Локальность и 10 МБ — реальный аргумент для тех, кому нельзя в облако.
Слабое	Один человек без юрлица и без цен. Витрина смешивает измеренное с выведенным. Два ключевых для нас кейса (RAG и uplift) их же цифрами проигрывают baseline. «Заменяет вектор-БД» на 200 чанках не доказано. Соло-разработчик = риск поддержки.
Практически для нас	Как «детерминированный мозг рядом с LLM» — не заменяет наш RAG, а закрывает узкую нишу: точный CSP-решатель, детект аномалий и предсказание пропусков на табличных данных, читаемые формулы для аудита. Это ровно наш паттерн «детерминизм важнее LLM» (§6.1). Триал бесплатный, риск = 20 минут и почта.

Вопросы Кириллу (по одному факту в каждом)

MCP-бинарь: какой набор tools он отдаёт агенту — все 34 эндпоинта или урезанный tier 4?
RAG: сравнивались с TF-IDF и BM25; есть ли замер против плотного ретривера (e5/bge) и на корпусе от 10 тысяч документов?
Кэшбэк-кейс: в вашей же таблице sklearn T-learner выигрывает. Почему кейс оставлен на витрине?
Юрлицо и цены: на какой срок и в какой юрисдикции планируется инкорпорация — от этого зависит, можем ли мы ставить это в продакшн-контур.
Что происходит с лицензией и данными, если проект остановится: есть ли escrow исходников или бессрочный офлайн-ключ?

Собрано из живых ответов сервиса: engine.hiholo.ai/ (API Reference), /mcp, /health, /eula, /privacy, hiholo.ai, hiholo.ai/ebm, api.hiholo.ai (401). Ничего не отправлено, форма триала не заполнялась. Цифры бенчмарков — заявления вендора, нами не воспроизводились.