Plurai залучає $13 млн початкового фінансування та відкриває платформу симуляції агентів ШІ

11 листопада 2026 року Plurai оголосила про залучення фінансування та запуск: компанія залучила $13 млн початкового фінансування й відкрила загальний доступ до своєї платформи симуляції агентів ШІ. Раунд очолила Team8, а компанія водночас представила безкоштовний тариф для продукту, який раніше був доступний лише окремим партнерам і клієнтам.

До раунду також долучилися U&I, Velocity і Mercer, а також понад 20 бізнес-ангелів і галузевих лідерів. Серед них — засновник CyberArk Уді Мокаді та Реа Міяра, старша директорка з напряму Google Models у Google Cloud і колишня керівниця оцінювання моделей в OpenAI. Технічний директор Microsoft 365 Copilot Еяль Кармі увійшов до консультативної ради Plurai.

Керівний партнер Team8 Авіад Харелл зазначив, що Plurai створює інфраструктуру, потрібну для побудови довіри до того, як агенти почнуть взаємодіяти з клієнтами, і для їхнього постійного вдосконалення в робочому середовищі, додавши: «Симуляція стане такою ж фундаментальною частиною технологічного стеку агентів, як CI/CD — програмного забезпечення».

Як працює платформа симуляції

На основі бази знань, інструментів і політик клієнта Plurai створює цифрового двійника — програмну копію агента та середовища, у якому він працює. Потім у тестовому середовищі агент взаємодіє з реалістичними й ворожими користувачами, щоб виявити порушення політик, галюцинації, неправильні дії, помилки у викликах інструментів, невиконані завдання та витоки конфіденційних даних, перш ніж із ними зіткнуться клієнти.

На сторінці продукту описано ізольовані тестові середовища, у яких можна імітувати сервіси, документи й стан системи та скидати їх до початкового стану між запусками, а журнали роботи в продуктивному середовищі можуть слугувати основою для майбутніх сценаріїв. Plurai встановлює зв’язок між збоями, доказами та точними ділянками коду, генерує виправлення й перевіряє їх на наборі регресійних тестів, щоб переконатися, що одне виправлення не спричиняє іншого збою.

Дані симуляції також дають приклади для додаткового навчання — подальшого тренування малих мовних моделей для вузькоспеціалізованих завдань. Такі моделі можуть керувати агентом або працювати як безперервні оцінювачі й запобіжні механізми, а нові збої, виявлені в продуктивному середовищі, повертаються до симуляції. Розробники можуть почати з Claude Code, Codex або GitHub Copilot, а команди — використовувати платформу з агентами, створеними на базі Salesforce Agentforce.

Результати, про які повідомляє компанія

За даними Plurai, партнери з розробки скоротили цикли розроблення агентів із місяців до годин, на 82% зменшили кількість збоїв, що доходять до реальних користувачів, і на 97% знизили вартість забезпечення надійної роботи агентів. Результати отримано на обраній групі компаній з галузей, орієнтованих на ШІ, та суворо регульованих секторів, зокрема серед компаній зі списку Fortune 500 і великих фінансових установ, перш ніж платформу відкрили для ширшого кола користувачів.

Детальне дослідження клієнтського кейсу від 15 серпня 2026 року докладно описує одне впровадження. За словами Plurai, неназваний американський постачальник керованих ІТ-послуг для корпоративних клієнтів створив першу спеціалізовану модель за 20 хвилин, а понад 100 моделей — менш ніж за два тижні. У дослідженні розглянуто рішення про маршрутизацію запитів на порталі: спеціалізована модель опрацювала 89% запитів порівняно з 69% у наявного рішення на базі Claude Haiku без міркувань; водночас затримка зменшилася з 1,0 секунди до 0,15 секунди, а вартість інференсу — з $2,87 до $0,076 за 1 000 викликів.

В окремому дослідженні клієнтського кейсу від 21 жовтня 2026 року описано співпрацю з NVIDIA та Nebius для глобального корпоративного клієнта. За даними Plurai, компанія додатково навчила NVIDIA Nemotron 3.5 Lightning на наборі з 3 722 розмов, позначених передовою моделлю-вчителем; якість отриманої моделі оцінили у 88,8 бала зі 100 на реальних чатах у продуктивному середовищі. Для порівняння, Claude Haiku-5.5 набрала 78,4 бала, а GPT-6 Luna — 88,6.

Витоки в автономному водінні та синтетичні дані

Генеральний директор Ілан Кадар і технічний директор Елад Леві заснували Plurai після роботи в Nexar, де Кадар був віцепрезидентом із ШІ, а Леві — архітектором систем ШІ. Кадар порівняв підхід Plurai з перевіркою безпілотних автомобілів, зазначивши, що Waymo проїхала понад 20 мільярдів миль у симуляціях — приблизно у 100 разів більше, ніж у реальних умовах.

BARRED — препринт, поданий 28 квітня 2026 року Арноном Маццою та Леві, — описує метод створення синтетичних даних, що лежить в основі цього процесу. Він розбиває предметну область на виміри й використовує дискусію між кількома агентами для перевірки міток; для цього потрібні лише опис завдання та невеликий набір нерозмічених прикладів. За словами Plurai, метод прийняли на ICML 2026.

Початковий раунд фінансування та безкоштовний тариф переводять Plurai від співпраці з окремими партнерами з розробки до ширшої перевірки цього підходу в режимі самообслуговування. Головне питання на наступному етапі — чи збережуться заявлені в цих впровадженнях переваги в надійності та вартості, коли більше команд почнуть використовувати повний цикл симуляції, автоматизованих виправлень і спеціалізованих моделей.