AI11 lis 2026, 17:01 UTC·2 min czytania

Plurai pozyskuje 13 mln dolarów na symulacje dla agentów AI

Plurai, założone przez byłych inżynierów Nexar, przenosi testy znane z aut autonomicznych do agentów AI. Start-up zebrał 13 mln dolarów w rundzie seed.

Illustration of an AI agent being tested in a simulated digital environment modeled on a company's systems, with a self-driving car motif. — Zdjęcie: TechCrunch

Start-up Plurai ogłosił w środę, że zebrał 13 mln dolarów w rundzie seed. Firma chce poprawić niezawodność agentów AI metodami, które pomogły wyprowadzić samochody autonomiczne na drogi: symulacjami opartymi na danych syntetycznych. Rundę poprowadził fundusz Team8, a udział wzięły także U&I, Velocity i Mercer.

Agenci wciąż wymagają nadzoru

Agenci AI są obecnie na fali, ale testy pokazują ich ograniczenia. W LiveBench 2.0 Claude Fable 5.2 i ChatGPT-6 Astra wykonały poprawnie odpowiednio 82,9 i 75,6 zadania na 100. Z kolei firma EON, testując agentów w symulowanym środowisku korporacyjnym, odnotowała dla najlepszego modelu, Claude Opus 4.8, skuteczność 76,8%.

Współzałożyciele Ilan Kadar i Elad Levi pracowali wcześniej w Nexar, firmie rozwijającej technologie jazdy autonomicznej. Kadar współpracował z Waymo przy symulacji i ocenie jego systemu jazdy opartego na uczeniu głębokim typu end-to-end. Jak mówi, wzorzec jest podobny: łatwo zbudować demo, trudniej stworzyć rozwiązanie niezawodne i opłacalne.

Plurai tworzy cyfrowego bliźniaka systemów firmy, w tym bazy wiedzy i narzędzi dostępnych agentowi w produkcji. Następnie mapuje wszystkie możliwe przepływy działań agenta i na tej podstawie przygotowuje model za pomocą testów oraz poprawek na przypadki brzegowe. Platforma współpracuje z narzędziami takimi jak Claude Code, Codex, Copilot i Cursor.

Mniejsze modele, niższe koszty

Według Kadara największym atutem jest wykorzystanie zebranych danych do dotrenowania małych modeli open-weight, dopasowanych do potrzeb klienta. Testy przeprowadzone z Nvidią i Nebius wykazały, że modele Plurai przewyższają średniej klasy modele frontier przy niższych kosztach. Kadar mówi o obniżce kosztów o jeden lub dwa rzędy wielkości przy porównywalnej lub wyższej jakości.

Reah Miyara, badacz z Google DeepMind i anioł biznesu w Plurai, wskazuje, że przewagą firmy jest rozumienie błędów w produkcji i generowanie danych syntetycznych. Jego zdaniem szefowie IT dostrzegają, że modele frontier nie pasują do ich danych, a koszty nie są długofalowo do utrzymania.

„Niezależnie od tego, jak inteligentne będą modele OpenAI i Anthropic, nie będą znały twojego biznesu ani twoich zasad” – podkreśla Kadar.