Plurai 融资 1,300 万美元种子轮，并推出 AI 智能体仿真平台

Plurai 于 2026 年 11 月 11 日宣布融资并推出平台，披露已完成 1,300 万美元种子轮融资，其 AI 智能体仿真平台也已全面开放。Team8 领投本轮融资。与此同时，该公司还为这款此前仅向部分合作伙伴和客户开放的产品推出了免费版本。

U&I、Velocity 和 Mercer 也参与了本轮融资，另有 20 多位天使投资人和行业领袖加入。其中包括 CyberArk 创始人 Udi Mokady，以及 Google Cloud Google Models 高级总监、曾任 OpenAI 模型评估负责人之一的 Reah Miyara。Microsoft 365 Copilot 首席技术官 Eyal Carmi 加入了 Plurai 顾问委员会。

Team8 管理合伙人 Aviad Harell表示，Plurai 正在解决相关基础设施问题：既要在智能体面向客户之前建立信任，也要让它们在投入生产后持续改进。他还补充道：“仿真将成为智能体技术栈的基础环节，其重要性堪比 CI/CD 之于软件。”

仿真平台的工作原理

Plurai 根据客户的知识库、工具和策略，为智能体及其运行环境构建数字孪生，也就是软件副本。随后，平台会在沙盒中让智能体接受真实且具有对抗性的模拟用户测试，以便在客户遇到问题之前发现策略违规、幻觉、错误操作、工具调用故障、任务失败和敏感数据泄露。

产品页面介绍了相互隔离的沙盒：其中的服务、文档和世界状态都可以模拟，并在每次运行之间重置；生产环境中的运行轨迹则可用于设计后续场景。Plurai 会将故障追溯至相关证据和具体代码位置，生成修复方案，并通过回归测试集验证，确保一项修复不会引发其他故障。

仿真数据还可为后训练提供示例，即针对特定任务对小型语言模型进行额外训练。这些模型可以运行智能体，也可以充当持续评估器和防护机制；在生产环境中新发现的故障则会反馈至仿真环节。开发者可以从 Claude Code、Codex 或 GitHub Copilot 入手，团队也可以将该平台用于基于 Salesforce Agentforce 构建的智能体。

公司公布的成效

Plurai 表示，设计合作伙伴将智能体开发周期从数月缩短至数小时，使触达真实用户的故障减少了 82%，并将运行可靠智能体的成本降低了 97%。这些成效来自一组选定的合作伙伴，涵盖以 AI 为核心的行业和高度受监管的行业，其中包括《财富》世界 500 强企业和大型金融公司；当时该平台尚未向更广泛的用户群体开放。

一份2026 年 8 月 15 日发布的客户案例研究详细介绍了其中一项部署。Plurai 表示，一家未具名的美国企业 IT 托管服务提供商在 20 分钟内构建出首个定制模型，并在两周内构建了 100 多个。在该研究考察的门户网站路由决策中，这个定制模型处理了 89% 的请求；相比之下，现有的 Claude Haiku 配置在不进行推理时处理了 69% 的请求。同时，延迟从 1.0 秒降至 0.15 秒，每 1,000 次调用的推理成本也从 2.87 美元降至 0.076 美元。

另一份2026 年 10 月 21 日发布的案例研究介绍了 Plurai 与 NVIDIA 和 Nebius 合作、服务一家全球企业客户的项目。Plurai 表示，他们使用由前沿教师模型标注的 3,722 段对话作为训练集，对 NVIDIA Nemotron 3.5 Lightning 进行了后训练。该模型在真实生产环境的聊天记录上获得了 88.8 分（满分 100 分），而 Claude Haiku-5.5 得分为 78.4，GPT-6 Luna 得分为 88.6。

自动驾驶领域的经验与合成数据

首席执行官 Ilan Kadar 和首席技术官 Elad Levi 曾在 Nexar 工作，之后共同创立 Plurai。在 Nexar 任职期间，Kadar 担任 AI 副总裁，Levi 则是 AI 架构师。Kadar 将 Plurai 的方法与自动驾驶汽车验证相提并论，并指出 Waymo 的模拟行驶里程已超过 200 亿英里，约为其真实道路行驶里程的 100 倍。

BARRED是 Arnon Mazza 和 Levi 于 2026 年 4 月 28 日提交的一篇预印本，介绍了该流程背后的合成数据方法。该方法将一个领域分解为多个维度，并通过多智能体辩论来验证标签，只需提供任务描述和少量未标注样本即可。Plurai 表示，该方法已获 ICML 2026 接收。

此轮种子融资和免费版本的推出，使 Plurai 从与选定对象开展设计合作，转向更广泛地通过自助方式检验这一方法。下一阶段的核心问题是：随着更多团队采用仿真、自动修复和专用模型构成的完整闭环，这些部署所报告的可靠性提升和成本下降能否持续实现。