Американская компания BespokeLabs привлекла $40 млн на создание тренировочного полигона для ИИ-агентов

Репортаж от Wedoany，Стартап Bespoke Labs из Маунтин-Вью объявил о привлечении $40 млн финансирования для создания среды обучения и тестирования ИИ-агентов. Эти средства включают раунд серии A под руководством Wing VC и ранний посевной раунд под руководством 8VC. Среди инвесторов — бизнес-ангелы, работающие в Anthropic, OpenAI и Meta, а также Джефф Дин из Google DeepMind и Тристан Хэнди, руководитель dbt Labs.

Bespoke Labs создает симулированные версии реальных предприятий, включая крупные кодовые базы, микросервисы, журналы, заявки в службу поддержки, электронные письма и ветки Slack. Агенты обучаются в этих виртуальных мирах, осваивая длинные многошаговые рабочие процессы. Компания также помогает клиентам измерять и настраивать агентов, используя внутренний оптимизатор GEPA для более быстрого поиска лучших подсказок и стратегий вместо ручной настройки.

Компания была основана в 2024 году генеральным директором Махешем Сатьямурти и главным научным сотрудником Алексом Димакисом. Штат насчитывает около 40 человек, с уклоном в академический стиль. Bespoke Labs является ключевым участником Terminal-Bench — широко цитируемого теста навыков агентов. Компания также создала OpenThoughts — открытый набор данных для рассуждений, который был загружен более 500 000 раз лабораториями, включая Meta и Amazon. Bespoke Labs рассматривает создание среды как исследование, а не передает работу подрядчикам, и продает полученную в результате инфраструктуру.

Независимые тесты показывают, что длина задач, которые агенты могут надежно выполнять, удваивается примерно каждые семь месяцев, а некоторые аналитики считают, что этот цикл составляет около четырех месяцев. Конкуренты Bespoke Labs включают компании, занимающиеся самообучающимися агентами, компании, проводящие стресс-тестирование и бенчмаркинг перед запуском, а также компании, стремящиеся к экономической эффективности массового запуска агентов. Bespoke Labs делает ставку на тренировочный полигон, а не на модель.