Plurai привлекает $13 млн на посевном раунде и открывает платформу симуляции ИИ-агентов

11 ноября 2026 года Plurai объявила о привлечении средств и запуске: компания сообщила о получении $13 млн посевного финансирования и о том, что её платформа симуляции ИИ-агентов стала общедоступной. Раунд возглавила Team8. Одновременно компания представила бесплатный тариф для продукта, ранее доступного только отдельным партнёрам и клиентам.

В раунде также участвовали U&I, Velocity и Mercer, а к ним присоединились более 20 бизнес-ангелов и лидеров отрасли. Среди них были основатель CyberArk Уди Мокади и Реа Мияра — старший директор по моделям Google в Google Cloud, ранее руководившая оценкой моделей в OpenAI. Эяль Карми, технический директор Microsoft 365 Copilot, вошёл в консультативный совет Plurai.

Управляющий партнёр Team8 Авиад Харелл сказал, что Plurai создаёт инфраструктуру, необходимую для формирования доверия до того, как агенты начнут взаимодействовать с клиентами, и для их постоянного совершенствования в рабочей среде. Он добавил: «Симуляция станет такой же фундаментальной частью стека агентных систем, как CI/CD — разработки программного обеспечения».

Как работает платформа симуляции

На основе базы знаний, инструментов и политик клиента Plurai создаёт цифрового двойника — программную копию агента и среды, в которой он работает. Затем в изолированной песочнице агент проходит реалистичные симуляции с участием обычных и враждебно настроенных пользователей. Система выявляет нарушения политик, галлюцинации, неверные действия, сбои при вызове инструментов, невыполненные задачи и утечки конфиденциальных данных до того, как с ними столкнутся клиенты.

На странице продукта описаны изолированные песочницы, в которых можно имитировать сервисы, документы и состояние среды, а между запусками возвращать их к исходному состоянию. Данные о работе в реальной среде могут использоваться для создания последующих сценариев. Plurai связывает сбои с подтверждающими их данными и конкретными участками кода, генерирует исправления и проверяет их на наборе регрессионных тестов, чтобы убедиться, что устранение одной проблемы не приводит к другой.

Данные симуляций также дают примеры для дополнительного обучения — дообучения небольших языковых моделей для узкоспециализированных задач. Такие модели могут запускать агента или выступать в роли постоянно работающих оценщиков и защитных механизмов, а новые обнаруженные сбои в рабочей среде передаются обратно в симуляцию. Разработчики могут начать с Claude Code, Codex или GitHub Copilot, а команды — использовать платформу с агентами, созданными на базе Salesforce Agentforce.

Результаты по данным компании

По данным Plurai, партнёры, участвовавшие в разработке, сократили циклы создания агентов с месяцев до часов, на 82% уменьшили число сбоев, с которыми сталкиваются реальные пользователи, и на 97% снизили стоимость эксплуатации надёжных агентов. Результаты были получены на ограниченной группе компаний из сфер, ориентированных на ИИ, и отраслей с жёстким регулированием, в том числе среди компаний из списка Fortune 500 и крупных финансовых организаций, прежде чем платформа стала доступна более широкому кругу пользователей.

В исследовании клиента от 15 августа 2026 года подробно разбирается одно из внедрений. По словам Plurai, неназванный американский поставщик управляемых ИТ-услуг для крупных предприятий создал свою первую специализированную модель за 20 минут, а за две недели — более 100 моделей. В исследовании оценивалось решение о маршрутизации запросов на портале: специализированная модель обработала 89% запросов против 69% у существующей конфигурации Claude Haiku без механизма рассуждения. При этом задержка сократилась с 1,0 до 0,15 секунды, а стоимость инференса — с $2,87 до $0,076 за 1 000 вызовов.

В отдельном исследовании от 21 октября 2026 года описана работа с NVIDIA и Nebius для международного корпоративного клиента. По данным Plurai, компания дополнительно обучила NVIDIA Nemotron 3.5 Lightning на наборе из 3 722 диалогов, размеченных передовой моделью-учителем. Качество полученной модели оценили в 88,8 балла из 100 на реальных производственных чатах; для сравнения, Claude Haiku-5.5 набрала 78,4 балла, а GPT-6 Luna — 88,6.

Опыт в сфере автономного вождения и синтетические данные

Генеральный директор Илан Кадар и технический директор Элад Леви основали Plurai после работы в Nexar, где Кадар был вице-президентом по ИИ, а Леви — архитектором систем ИИ. Кадар сравнил подход Plurai с валидацией систем автономного вождения и привёл в пример более 20 млрд смоделированных миль Waymo — по его оценке, это примерно в 100 раз больше реального пробега компании.

BARRED — препринт, представленный Арноном Маццей и Леви 28 апреля 2026 года, — описывает метод получения синтетических данных, лежащий в основе этого конвейера. Он разбивает предметную область на измерения и использует дискуссию между несколькими агентами для проверки меток. Для этого достаточно описания задачи и небольшого набора неразмеченных примеров. По словам Plurai, метод был принят на ICML 2026.

Посевной раунд и бесплатный тариф позволяют Plurai перейти от избранных партнёрств по разработке к более широкому тестированию подхода в режиме самообслуживания. Главный вопрос на следующем этапе — сохранятся ли заявленные улучшения надёжности и снижение затрат по мере того, как всё больше команд будут использовать полный цикл симуляции, автоматического исправления ошибок и специализированных моделей.