Plurai 押注以氛圍訓練的小模型取代 LLM 評審來守護代理安全

Plurai 販售 AI 代理信任平台：團隊以自然語言描述代理應該做與不該做的事，平台便會產生訓練資料、加以驗證，並在數分鐘內部署客製化的小模型評估器與防護欄。

押注生產環境中的代理應由氛圍訓練的小模型守護，而非 LLM 評審——合成資料加上多代理辯論，能打造更便宜、更快速的客製化防護欄。

一輪種子輪募資，據報導約 1,000 萬美元，來自 Team8、Mercer Ventures 與 U&I Ventures，並指名 NVIDIA 為策略夥伴（narku 分析，2026 年 6 月）。

Ilan Kadar 與 Elad Levi 是 AI 研究員，曾多年投入自動駕駛領域的高風險評估——Kadar 在 Cortica 帶領深度學習後，於 Nexar 擔任 AI 副總裁——兩人於 2025 年創立 Plurai，以彌補他們所見的可靠性落差：AI 代理在展示中可行，卻在生產環境中因不可預測的真實世界輸入而失靈。

Plurai 於 2026-04-28 在 arXiv 發表 BARRED 框架（arXiv:2604.25203），報告指出以其合成資料微調的小模型，在四項客製化政策任務上勝過最先進的專有 LLM 與專用防護欄模型。其 2026-04-29 的 Product Hunt 發布以 673 票拿下當日產品第一名，接著拿下單週第一、單月第四；發布頁面宣稱防護欄延遲低於 100ms、成本比 GPT 作為評審低 8 倍、失敗率減少 43%。大約同時，該公司結束隱身模式，據報導獲得約 1,000 萬美元種子輪，來自 Team8、Mercer Ventures 與 U&I Ventures，並與 NVIDIA 建立合作。

截至 2026 年 9 月仍屬早期且已上線：Plurai 的平台鎖定運行生產代理的企業團隊，並以 NVIDIA 為策略夥伴，但其公開足跡仍小——一份分析指出其 2026 年 6 月每月網站流量約 6,740 次造訪，而競爭對手 Maxim AI 約為 102,390 次。

成本結構：以尖端 LLM 評估每一次互動，成本會隨代理量線性成長；客製化小模型則能以一小部分成本讓防護欄持續開啟。

冷啟動解方：氛圍訓練以自然語言政策描述取代標註資料集與標註流程，移除評估工具最大的採用障礙。

以發表建立可信度：在 arXiv 發布 BARRED 並公開程式碼，讓一支小團隊在充斥大型平台的市場中擁有站得住腳的技術故事。

創辦人契合度：兩位創辦人都來自自動駕駛評估領域，在該領域模擬與邊緣案例就是產品本身，而非事後補救。

Plurai 的切入點在於經濟性：持續開啟、經氛圍訓練的小模型讓代理評估變得可負擔，而在 arXiv 發表 BARRED 則讓一支小型種子團隊獲得任何預算都買不到的可信度。

截至 2026-09-02，Plurai 已上線：一個鎖定運行生產 AI 代理之企業的平台，提供模擬驅動的評估、即時防護欄與合成資料產生，並以 NVIDIA 為策略夥伴，且已有早期設計夥伴。其公開足跡仍屬溫和——2026 年 6 月每月網站造訪約 6,740 次，而 Maxim AI 約為 102,390 次（narku）——同時 Maxim、Langfuse 與 LangSmith 等競爭對手已涵蓋代理評估。Plurai 的優勢在於小模型路線：更便宜的持續開啟防護欄，而非 LLM 作為評審；創辦人主張，隨著代理量成長，這一點將具決定性。