BentoLabs AI

Övervaknings- och inlärningslager för långvariga agenter

Om företaget

BentoLabs är övervaknings- och inlärningslagret för agenter som körs under lång tid. Vi upptäcker när agenter tyst misslyckas eller glider bort från användarens mål, systemprompten eller verktygskontrakten, visar vilka användare som påverkas och vad grundorsaken är, och föreslår hur prompten, skillen eller ramverket ska rättas.

När allt fler team driftsätter agenter blir det verksamhetskritiskt att hålla dem pålitliga i produktion. Bento sitter direkt i produktionsloopen och ger teamen den operativa hävstång som krävs för att skala agentekosystem utan att också behöva skala upp människor som släcker bränder. Resultatet är ett system som gör ogenomskinliga agenter till agenter som kan övervakas, felsökas och förbättras kontinuerligt.

Grundarna lärde känna problemet på Emergent (YC S24), där de byggde och drev kodagenter i produktion med över 5 miljoner användare. Abhinav var anställd nummer ett och hjälpte Emergent att nå förstaplatsen på SWE-Bench och att växa från 0 till 100 miljoner dollar i ARR på bara åtta månader. Kaushik var anställd nummer två, ledde fullstack-utvecklingen på Emergent och var central i att bygga den infrastruktur som gjorde agenterna i produktion pålitliga, observerbara och felsökningsbara. Bentos självlärande motor har dessutom höjt resultatet på ARC-AGI-3 (internt) 2,6 gånger och på Terminal-Bench 2.0 (internt) från 42,2 % till 52,4 % pass@1 – med samma modell, verktyg och budget.

Molninfrastruktur