BentoLabs AI

Om virksomheden

BentoLabs er overvågnings- og læringslaget til langvarige agenter. Vi opdager, når agenter fejler i stilhed eller glider væk fra brugerens mål, systemprompten eller værktøjskontrakterne, viser de berørte brugere og grundårsagen og foreslår rettelsen i prompten, skillen eller harnessen.

Efterhånden som flere teams sætter agenter i drift, bliver det forretningskritisk at holde dem pålidelige i produktion. Bento sidder direkte i produktionsloopet og giver teams den operationelle løftestang, der skal til for at skalere agentøkosystemer, uden at brandslukningen i hænderne på mennesker skal skaleres med. Resultatet er et system, der forvandler uigennemskuelige agenter til agenter, som løbende kan overvåges, debugges og forbedres.

Stifterne lærte problemet at kende hos Emergent (YC S24), hvor de byggede og drev kodeagenter i produktion, som bruges af over 5 mio. brugere. Abhinav var ansat nr. 1 og hjalp Emergent til førstepladsen på SWE-Bench og fra 0 til 100 mio. $ i ARR på blot otte måneder. Kaushik var ansat nr. 2, ledte full-stack-udviklingen hos Emergent og var central i opbygningen af den infrastruktur, der gjorde agenterne i produktion pålidelige, observerbare og mulige at debugge. Bentos selvlærende motor har desuden løftet ARC-AGI-3 (internt) med en faktor 2,6 og Terminal-Bench 2.0 (internt) fra 42,2 % til 52,4 % pass@1 med samme model, værktøjer og budget.

Emner