Plurai haalt $13 miljoen aan startkapitaal op en stelt simulatieplatform voor AI-agents open

Plurai maakte op 11 november 2026 de financiering en lancering bekend en onthulde dat het $13 miljoen aan startkapitaal had opgehaald en dat zijn simulatieplatform voor AI-agents algemeen beschikbaar was. Team8 leidde de financieringsronde. Tegelijk introduceerde het bedrijf een gratis versie van een product dat voorheen alleen beschikbaar was voor geselecteerde partners en klanten.

Ook U&I, Velocity en Mercer namen deel, samen met meer dan 20 angelinvesteerders en leiders uit de sector. Onder hen waren CyberArk-oprichter Udi Mokady en Reah Miyara, senior directeur van Google Models bij Google Cloud en voormalig hoofd modelbeoordeling bij OpenAI. Eyal Carmi, CTO van Microsoft 365 Copilot, trad toe tot de adviesraad van Plurai.

Aviad Harell, managing partner bij Team8, zei dat Plurai de infrastructuur biedt die nodig is om vertrouwen op te bouwen voordat agents klanten bereiken en om ze in productie te blijven verbeteren. Hij voegde eraan toe: “Simulatie wordt net zo fundamenteel voor de agentstack als CI/CD voor software.”

Zo werkt het simulatieplatform

Plurai bouwt op basis van de kennisbank, tools en beleidsregels van de klant een digital twin, oftewel een softwarematige replica, van een agent en diens werkomgeving. Vervolgens stelt het de agent in een sandbox bloot aan realistische en vijandige gesimuleerde gebruikers. Daarbij wordt gezocht naar beleidsovertredingen, hallucinaties, onjuiste acties, defecte toolaanroepen, mislukte taken en lekken van gevoelige gegevens, voordat klanten ermee te maken krijgen.

De productpagina beschrijft geïsoleerde sandboxomgevingen waarin services, documenten en de toestand van de omgeving kunnen worden nagebootst en tussen runs kunnen worden teruggezet. Productietraces kunnen daarbij input leveren voor latere scenario’s. Plurai traceert fouten naar het bijbehorende bewijs en de exacte codeposities, genereert oplossingen en valideert die aan de hand van een regressieset om te controleren of de ene reparatie geen nieuwe fout veroorzaakt.

Simulatiegegevens leveren ook voorbeelden voor vervolgtraining: aanvullende training van kleine taalmodellen voor specifieke taken. Die modellen kunnen de agent aansturen of functioneren als continue beoordelaars en beveiligingsmechanismen, terwijl nieuw ontdekte productiefouten worden teruggekoppeld naar de simulatie. Ontwikkelaars kunnen beginnen met Claude Code, Codex of GitHub Copilot, en teams kunnen het platform gebruiken met agents die zijn gebouwd op Salesforce Agentforce.

Resultaten volgens het bedrijf

Volgens Plurai brachten designpartners de ontwikkelcycli voor agents terug van maanden naar uren, verminderden ze het aantal fouten dat echte gebruikers bereikte met 82% en verlaagden ze de kosten voor het inzetten van betrouwbare agents met 97%. De resultaten kwamen van een geselecteerde groep bedrijven uit AI-native en sterk gereguleerde sectoren, waaronder Fortune 500-bedrijven en grote financiële ondernemingen, voordat het platform voor een bredere gebruikersgroep werd opengesteld.

Een klantcase uit 2026, gepubliceerd op 15 augustus, geeft een gedetailleerd beeld van één implementatie. Plurai zei dat een niet bij naam genoemde Amerikaanse aanbieder van beheerde IT-diensten voor bedrijven zijn eerste aangepaste model in 20 minuten en binnen twee weken meer dan 100 modellen bouwde. Voor de in de case onderzochte beslissing over het routeren van portalverzoeken verwerkte het aangepaste model 89% van de verzoeken, tegenover 69% voor de bestaande Claude Haiku-configuratie zonder redeneervermogen. De latentie daalde van 1,0 seconde naar 0,15 seconde en de inferentiekosten van $2,87 naar $0,076 per 1.000 aanroepen.

Een afzonderlijke case uit 2026, gepubliceerd op 21 oktober, beschrijft de samenwerking met NVIDIA en Nebius voor een internationale zakelijke klant. Plurai meldt dat het NVIDIA Nemotron 3.5 Lightning verder heeft getraind met een trainingsset van 3.722 gesprekken, gelabeld door een geavanceerd teacher-model. Het resulterende model behaalde een kwaliteitsscore van 88,8 op 100 bij echte productiegesprekken, tegenover 78,4 voor Claude Haiku-5.5 en 88,6 voor GPT-6 Luna.

Achtergrond in autonoom rijden en synthetische data

CEO Ilan Kadar en CTO Elad Levi richtten Plurai op na hun werk bij Nexar, waar Kadar vicepresident AI was en Levi AI-architect. Kadar vergeleek de aanpak van Plurai met de validatie van autonome voertuigen en verwees daarbij naar de meer dan 20 miljard gesimuleerde mijlen van Waymo, die volgens hem ongeveer 100 keer zoveel waren als de werkelijk gereden afstand.

BARRED, een preprint die op 28 april 2026 door Arnon Mazza en Levi werd ingediend, vormt de basis voor de methode voor synthetische data achter deze pijplijn. De methode deelt een domein op in dimensies en gebruikt debat tussen meerdere agents om labels te controleren. Daarvoor zijn alleen een taakbeschrijving en een kleine set ongelabelde voorbeelden nodig. Plurai zegt dat de methode is geaccepteerd voor ICML 2026.

Met de startfinanciering en de gratis versie verruimt Plurai zijn aanpak van geselecteerde designpartnerschappen naar een bredere zelfbedieningstest. De centrale vraag voor de volgende fase is of de gerapporteerde winst in betrouwbaarheid en kosten ook standhoudt wanneer meer teams de volledige cyclus van simulatie, geautomatiseerde oplossingen en gespecialiseerde modellen gaan gebruiken.