AI代理正当红，但它们并没有宣传者所说的那么能干。

针对复杂工作的代理基准测试显示，这些系统通常还不够可靠，难以在没有密切监督的情况下运行。LiveBench 2.0显示，Claude Fable 5.2和ChatGPT-6 Astra分别在100项任务中完成了82.9项和75.6项；AI基础设施公司EON在模拟企业环境中测试代理时，表现最好的模型Claude Opus 4.8的任务准确率为76.8%。

现在，一家名为Plurai的初创公司希望用同样帮助自动驾驶汽车驶上街头的技术来提升这些数字：基于公司自身数字系统的合成数据仿真，旨在让模型为棘手的边缘情况做好准备。

联合创始人Ilan Kadar和Elad Levi此前都在开发自动驾驶技术的Nexar工作。Kadar曾与Waymo合作，模拟并评估其端到端深度学习驾驶软件。

Kadar对TechCrunch表示：“当我们看到AI代理浪潮时，我们看到了同样的模式：很容易做出一个演示，但要做出可靠且具成本效益的东西却很难。既然我们看到了同样的模式，我们的想法就是要构建这一仿真层。”

这家初创公司周三表示，已完成1300万美元种子轮融资，用于实现这一目标。本轮融资由Team8领投，U&I、Velocity和Mercer参投。

与训练汽车驾驶的端到端模型类似，AI代理也是在不可预测环境中运行的概率系统。当客户施压时，负责预订差旅的代理可能会无视支出政策；或者，当任务是查询一个数据库时，代理通常能给出可靠答案，但一旦需要整合多个数据集，系统往往就会出问题。与客服机器人进行长时间对话，也可能让代理因上下文过多而失控，走错方向。

为了解决这些问题，Plurai会为企业的电子系统创建一个数字孪生，其中包括代理在生产环境中可访问的知识库和工具。随后，公司会绘制出代理所有可能的流程路径，并利用这张图谱通过评估和修复来应对潜在的边缘情况。该平台可与Claude Code、Codex、Copilot和Cursor等现有代理工具配合使用。

不过，Kadar表示，公司真正的卖点在于利用收集到的数据，对针对单个客户需求定制的小型开源权重模型进行后训练。与Nvidia和Nebius合作进行的测试显示，该公司的模型以更低成本，表现优于中档前沿模型。

他说：“我们可以拿一个大语言模型，把任务通过仿真拆解成更小的任务，训练一个[开源权重]模型，然后再利用仿真验证其质量高于或接近前沿模型，同时把成本降低一个数量级甚至两个数量级。”

作为Plurai的天使投资人之一，Google DeepMind研究员Reah Miyara表示，该公司的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优模型。随着企业试图优化AI支出，Plurai的方法可能会成为真正的优势，因为IT负责人正在意识到，“前沿能力模型与我的特定数据分布并不匹配，而且从长期看，这些东西的成本不可持续，”Miyara说。

Plurai希望，AI代理在物理环境和数字环境中的类比能够被证明具有预测性：虽然强大的通用AI模型正在赋予机器人令人着迷的能力，但它们仍不足以被广泛部署。与此同时，使用为特定任务构建的AI模型驱动的机器人已经在现场工作，为客户服务并收集有价值的现实世界数据。

Kadar说：“我的看法是，无论OpenAI和Anthropic的模型会多么聪明——而且它们会聪明得多——它们都不会了解你的业务和你的政策。”