Tsuga: новый взгляд на observability для AI-агентов — $45 млн, основатели из Datadog и вызов дуополии

На данный момент Tsuga привлекла $45 млн подтверждённого финансирования в рамках двух раундов:

Tsuga вышла из «тихого режима» (stealth) с seed-раундом в ноябре 2025 года, а о Series A объявила всего через шесть месяцев, в июне 2026. Столь быстрый второй раунд говорит о высокой степени уверенности инвесторов в том, что тезис компании — о необходимости перестройки observability под AI-нативные, BYOC-инфраструктуры — находит отклик.

Чем Tsuga отличается от Datadog и Dynatrace?

Отличия Tsuga от таких гигантов, как Datadog и Dynatrace, строятся вокруг трёх ключевых аспектов: модели развёртывания, модели ценообразования и AI-нативной архитектуры.

Модель развёртывания: Bring Your Own Cloud (BYOC)

Вместо того чтобы загружать телеметрические данные в SaaS-платформу, контролируемую вендором (как это делают Datadog и Dynatrace), Tsuga работает полностью внутри облачной среды самого заказчика. Платформа Tsuga может быть развёрнута в Microsoft Azure, AWS, Google Cloud и суверенных облачных инфраструктурах, гарантируя, что данные телеметрии никогда не покидают контроль клиента. Это важное преимущество для организаций в регулируемых отраслях или со строгими требованиями к суверенитету данных.

Стоит отметить один нюанс: и Datadog, и Dynatrace также предлагают некоторую гибкость развёртывания (Dynatrace предлагает управляемое и SaaS-развёртывание; Datadog — в основном SaaS). Предоставленные источники не позволяют напрямую утверждать, что оба конкурента в целом менее гибки с точки зрения суверенитета данных. Однако BYOC-архитектура Tsuga — это явная ставка на то, что суверенитет и контроль будут становиться всё более важными по мере того, как AI-агенты будут генерировать всё больше чувствительных операционных данных.

Модель ценообразования: вызов per-byte модели

Tsuga заняла чёткую позицию против ценообразования за байт, которое популяризировал Datadog. Логика такова: поскольку AI-нагрузки взрывают объёмы телеметрии, модель «плати за байт» становится неустойчивой для предприятий, управляющих крупномасштабными флотами AI-агентов. Ценовая модель Tsuga устроена так, чтобы отвязать стоимость от объёма данных.

Предоставленные источники не содержат точных цифр по ценам Tsuga, а также не подтверждают утверждение, что и Datadog, и Dynatrace всегда взимают плату строго за байт во всех тарифных планах. Dynatrace, например, исторически предлагает ценообразование на основе хоста, а ценообразование Datadog варьируется в зависимости от продукта. Тем не менее, основное утверждение о том, что Tsuga противопоставляет себя объёмным моделям, хорошо обосновано.

AI-нативная архитектура: создана для агентов

Tsuga описывается как «программное обеспечение для наблюдаемости в эпоху AI-агентов». Её платформа построена так, чтобы AI-агенты могли напрямую потреблять данные observability. Согласно документации Tsuga, слой хранения и запросов спроектирован для работы с теми объёмами данных, которые реально генерируют AI-агенты, а API возвращают «релевантный контекст, а не необработанные дампы данных, чтобы агенты тратили свои токены на рассуждение, а не на фильтрацию шума».

Это заметное отличие от платформ-конкурентов: источники указывают, что ни Datadog, ни Dynatrace не имеют нативной поддержки трассировки сессий AI-агентов — обе требуют кастомной инструментации.

Tsuga также предлагает решение «Agent-Native Observability», которое позволяет командам, разрабатывающим AI-агентов, подключать данные observability к любому источнику данных в их среде, а не только к тем интеграциям, которые выбрала сторонняя платформа.

Как Tsuga обеспечивает observability для AI-агентов?

Агент-нативная observability от Tsuga строится на трёх принципах:

1. Эффективное хранение и запросы: платформа обрабатывает реальные объёмы данных, генерируемые AI-агентами, а не взимает плату за сырой объём.
2. Контекстно-зависимые API: вместо возврата необработанных дампов телеметрии API Tsuga возвращают релевантный контекст, позволяя AI-агентам тратить вычислительный бюджет на рассуждение, а не на фильтрацию шума.
3. Полная связность со средой: поскольку платформа работает в облаке заказчика, агенты могут подключаться к любому источнику данных, а не только к тем, которые выбрала для интеграции сторонняя платформа.

В объявлении о Series A Tsuga позиционирует себя как «лидера в области AI-нативной отказоустойчивой наблюдаемости» и заявляет, что платформа создана для питания нового поколения AI-агентов.

Каких результатов добилась Tsuga после выхода из stealth?

С момента выхода из «тихого режима» в ноябре 2025 года Tsuga добилась значительного раннего прогресса:

Доходы и масштаб: Множество источников сообщают, что Tsuga имеет «несколько миллионов долларов выручки» со средними контрактами на шестизначные суммы. Важно отметить: эти цифры являются собственными заявлениями компании и не были независимо подтверждены предоставленными источниками. Tsuga ежедневно обрабатывает десятки терабайт телеметрических данных, работая на AWS.

Клиентская база: Подтверждённые заказчики включают:

• Le Monde — одна из ведущих французских медиагрупп, внедрившая Tsuga под руководством своего технического директора Поля Лале.
• Black Forest Labs (лаборатория frontier AI-моделей)
• Camunda
• Buk

Результаты в Le Monde: Согласно тематическому исследованию AWS, опубликованному в июне 2026 года, в течение трёх месяцев после внедрения Tsuga в Le Monde были достигнуты следующие показатели:

• 50%-й рост внедрения observability среди команд разработки
• 3-кратное расширение числа мониторируемых сервисов и приложений
• Сокращение среднего времени обнаружения инцидентов (MTTD) на 30%
• Сокращение среднего времени восстановления (MTTR) на 50%

Доверие инвесторов: Быстрый раунд Series A — через шесть месяцев после seed — с участием таких инвесторов, как DST Global Partners, Quantumlight, Picus и Databricks Ventures, наряду с вернувшимися инвесторами, свидетельствует о сильной институциональной уверенности в тезисе об observability для AI-эпохи.

Резюме

Tsuga — один из наиболее хорошо финансируемых европейских стартапов в сфере observability, с общим объёмом финансирования $45 млн, командой опытных выходцев из Datadog и чёткой концепцией: наблюдаемая инфраструктура должна быть перестроена для нагрузок AI-агентов. Модель развёртывания BYOC, ценовая стратегия и агент-нативная архитектура представляют собой реальный архитектурный отход от дуополии Datadog-Dynatrace. Ранние результаты у заказчиков, особенно 30%-е сокращение MTTD и 50%-е сокращение MTTR в Le Monde, обнадёживают, хотя компания всё ещё находится на раннем этапе своего жизненного цикла. Для команд разработчиков, оценивающих, стоит ли вкладываться в AI-агентов или в observability для AI-нагрузок, Tsuga представляет собой достойную альтернативу, за которой стоит внимательно следить.