BentoLabs AI

Acerca de

BentoLabs es la capa de monitorización y aprendizaje para agentes de larga duración. Detectamos cuándo los agentes fallan en silencio o se desvían del objetivo del usuario, del prompt de sistema o de los contratos de sus herramientas, mostramos a qué usuarios afecta y cuál es la causa raíz, y proponemos la corrección del prompt, de la skill o del harness.

A medida que más equipos despliegan agentes, mantenerlos fiables en producción se vuelve crítico. Bento se sitúa directamente en el bucle de producción y da a los equipos la palanca operativa que necesitan para escalar sus ecosistemas de agentes sin tener que escalar también a la gente que apaga fuegos. El resultado es un sistema que convierte agentes opacos en agentes que se pueden monitorizar, depurar y mejorar de forma continua.

Los fundadores conocieron este problema en Emergent (YC S24), donde crearon y operaron agentes de programación en producción usados por más de 5 millones de usuarios. Abhinav fue la primera contratación y ayudó a Emergent a alcanzar el n.º 1 en SWE-Bench y a pasar de 0 a 100 millones de dólares de ARR en solo 8 meses. Kaushik fue la segunda contratación, dirigió la ingeniería full-stack en Emergent y fue clave en la construcción de la infraestructura que hizo que los agentes en producción fueran fiables, observables y depurables. El motor de autoaprendizaje de Bento también ha multiplicado por 2,6 el resultado en ARC-AGI-3 (interno) y ha subido Terminal-Bench 2.0 (interno) del 42,2% al 52,4% de pass@1 con el mismo modelo, las mismas herramientas y el mismo presupuesto.

Temas