BentoLabs AI

Om selskapet

BentoLabs er overvåkings- og læringslaget for agenter som kjører over lang tid. Vi oppdager når agenter stille feiler eller glir bort fra brukerens mål, systemprompten eller verktøykontraktene, viser hvilke brukere som er berørt og hva som er rotårsaken, og foreslår rettelsen i prompten, ferdigheten eller rammeverket.

Etter hvert som flere team tar i bruk agenter, blir det forretningskritisk å holde dem pålitelige i produksjon. Bento sitter direkte i produksjonssløyfen og gir teamene den operative slagkraften som trengs for å skalere agentøkosystemer uten at behovet for menneskelig brannslukking vokser i takt. Resultatet er et system som gjør ugjennomsiktige agenter om til agenter som kan overvåkes, feilsøkes og forbedres kontinuerlig.

Grunnleggerne lærte problemet å kjenne i Emergent (YC S24), der de bygget og drev kodeagenter i produksjon med over 5 millioner brukere. Abhinav var ansatt nummer 1 og hjalp Emergent til førsteplassen på SWE-Bench og fra 0 til 100 millioner dollar i ARR på bare åtte måneder. Kaushik var ansatt nummer 2, ledet fullstack-utviklingen i Emergent og var sentral i å bygge infrastrukturen som gjorde agentene i produksjon pålitelige, observerbare og mulige å feilsøke. Bentos selvlærende motor har også løftet ARC-AGI-3 (internt) med 2,6 ganger og Terminal-Bench 2.0 (internt) fra 42,2 % til 52,4 % pass@1 med samme modell, verktøy og budsjett.

Emner