Plurai gọi vốn 13 triệu USD để huấn luyện AI agents bằng mô phỏng

Tóm tắt nhanh

• Plurai vừa gọi được 13 triệu USD seed funding để phát triển nền tảng mô phỏng giúp AI agents hoạt động đáng tin cậy hơn. Vòng này do Team8 dẫn dắt, với sự tham gia của U&I, Velocity và Mercer.
• Startup này muốn áp dụng cách làm từng giúp xe tự lái lên đường: tạo simulation bằng synthetic data dựa trên hệ thống số của chính doanh nghiệp. Mục tiêu là chuẩn bị cho model xử lý các tình huống khó và edge case trước khi triển khai.
• Theo TechCrunch, các benchmark gần đây cho thấy AI agents vẫn chưa đủ ổn định cho công việc phức tạp nếu không có giám sát chặt. LiveBench 2.0 ghi nhận Claude Fable 5.2 đạt 82.9/100 nhiệm vụ, còn ChatGPT-6 Astra đạt 75.6/100.
• Trong một thử nghiệm của EON với môi trường doanh nghiệp mô phỏng, model thành công nhất là Claude Opus 4.8 cũng chỉ đạt 76.8% độ chính xác. Điều này cho thấy khoảng cách giữa demo và khả năng vận hành thực tế vẫn còn lớn.
• Đồng sáng lập Ilan Kadar và Elad Levi đều từng làm tại Nexar, công ty phát triển công nghệ xe tự hành. Kadar trước đây cũng từng làm với Waymo để mô phỏng và đánh giá phần mềm driving end-to-end deep learning.
• Plurai tạo một digital twin của hệ thống điện tử trong doanh nghiệp, gồm knowledge base và các tool mà agent sẽ dùng khi chạy thật. Hệ thống sau đó map các luồng có thể xảy ra và dùng graph đó để kiểm tra, sửa lỗi cho các edge case.
• Nền tảng của Plurai hoạt động cùng các công cụ agentic hiện có như Claude Code, Codex, Copilot và Cursor. Tuy vậy, Kadar nói tham vọng lớn nhất là dùng dữ liệu thu được để post-train các model nhỏ, open-weight cho từng khách hàng.
• Theo Kadar, các bài test phối hợp với Nvidia và Nebius cho thấy model của Plurai vượt các frontier model tầm trung nhưng với chi phí thấp hơn. Ông nói cách này có thể giữ chất lượng tương đương hoặc cao hơn trong khi giảm chi phí xuống một hoặc hai bậc độ lớn.
• Reah Miyara, một nhà nghiên cứu của Google DeepMind đồng thời là angel investor của Plurai, cho rằng lợi thế của công ty nằm ở việc hiểu failure modes trong production và tạo synthetic data để tinh chỉnh model. Bà nói frontier-capable models thường không khớp với dữ liệu riêng của doanh nghiệp và chi phí lâu dài không bền vững.

Tóm tắt tự động bằng AI từ bài gốc, có thể có sai sót. Hãy kiểm chứng ở bài gốc.