BentoLabs AI

Informazioni

BentoLabs è il livello di monitoraggio e apprendimento per gli agenti a lunga esecuzione. Rileviamo quando gli agenti falliscono in silenzio o si allontanano dall'obiettivo dell'utente, dal system prompt o dai contratti degli strumenti, mostriamo gli utenti coinvolti e la causa principale e suggeriamo la correzione del prompt, della skill o dell'harness.

Man mano che sempre più team mettono in campo agenti, mantenerli affidabili in produzione diventa cruciale. Bento si inserisce direttamente nel ciclo di produzione e dà ai team la leva operativa necessaria per far crescere gli ecosistemi di agenti senza dover far crescere di pari passo le persone impegnate a spegnere incendi. Il risultato è un sistema che trasforma agenti opachi in agenti monitorabili, di cui si può fare il debug e che si possono migliorare continuamente.

I founder hanno conosciuto questo problema in Emergent (YC S24), dove hanno costruito e gestito agenti di coding in produzione usati da oltre 5 milioni di utenti. Abhinav è stato il primo assunto e ha aiutato Emergent a conquistare il primo posto su SWE-Bench e a passare da 0 a 100 milioni di dollari di ARR in soli 8 mesi. Kaushik è stato il secondo assunto, ha guidato l'engineering full-stack di Emergent ed è stato decisivo nel costruire l'infrastruttura che ha reso gli agenti in produzione affidabili, osservabili e debuggabili. Il motore di autoapprendimento di Bento ha inoltre migliorato di 2,6 volte il punteggio su ARC-AGI-3 (interno) e portato Terminal-Bench 2.0 (interno) dal 42,2% al 52,4% di pass@1 con lo stesso modello, gli stessi strumenti e lo stesso budget.

Temi