AI代理目前非常流行,但它们的实际能力并不像宣传的那样强大。对执行复杂任务的AI代理进行的基准测试显示,它们通常不够可靠,无法在没有严格监督的情况下独立工作。LiveBench 2.0数据显示,Claude Fable 5.2和ChatGPT-6 Astra在100个任务中分别完成了82.9和75.6个任务,而AI基础设施公司EON在模拟企业环境中测试的最成功模型Claude Opus 4.8的任务准确率为76.8%。
一家名为Plurai的初创公司希望通过与自动驾驶汽车相同的技术手段来提升这些数字:利用基于企业自身数字系统的合成数据进行模拟,帮助模型准备应对复杂的边缘案例。
联合创始人Ilan Kadar和Elad Levi曾在开发自动驾驶技术的Nexar工作,Kadar还曾与Waymo合作模拟和评估其端到端深度学习驾驶软件。
Kadar向TechCrunch表示:“当我们看到AI代理的浪潮时,发现了同样的模式:构建演示很容易,但要做出可靠且成本有效的产品却很难。既然看到了相同的模式,我们的目标就是构建这个模拟层。”
周三,Plurai宣布完成1300万美元的种子轮融资,领投方为Team8,参与方包括U&I、Velocity和Mercer。
与训练自动驾驶汽车的端到端模型类似,AI代理是概率系统,在不可预测的环境中运行。客户要求下,负责预订旅行的代理可能会忽视支出政策;查询单一数据库时表现良好,但整合多个数据集时常出现问题;与客服机器人长时间对话可能导致代理因上下文过多而出错。
为解决这些问题,Plurai创建了企业电子系统的数字孪生,包括知识库和代理在生产环境中可访问的工具。它映射所有可能的代理流程,并利用该流程图对模型进行评估和修正,针对潜在边缘案例进行准备。该平台可与Claude Code、Codex、Copilot和Cursor等现有代理工具协同工作。

Kadar表示,公司真正的优势在于利用收集的数据对小型开源模型进行后期训练,针对客户需求进行定制。与Nvidia和Nebius合作的测试显示,Plurai的模型在成本更低的情况下,性能超过了中端前沿模型。
他说:“我们可以拿一个大型语言模型,将任务分解成更小的子任务,通过模拟训练开源模型,并利用模拟验证其质量达到或超过前沿模型,同时成本降低一个或两个数量级。”
作为Plurai的天使投资人,谷歌高管Reah Miyara表示,公司优势在于理解生产环境中的失败模式,并生成合成数据来调整模型。随着企业努力优化AI开支,Plurai的方法可能成为真正的优势,因为IT领导者发现“前沿模型与我的特定数据不匹配,且成本长期来看难以承受。”
Plurai希望AI代理在物理和数字环境中的类比能成为预测工具:虽然强大的通用AI模型赋予机器人令人惊叹的能力,但它们尚未足够可靠以广泛部署;而针对特定任务构建的AI模型驱动的机器人已在现场为客户工作,收集宝贵的真实数据。
Kadar总结道:“无论OpenAI和Anthropic的模型多么智能——它们会更聪明——但它们不了解你的业务和政策。”
(更正:本文最初错误报道了Miyara的工作单位,他在谷歌工作,而非谷歌DeepMind。)


