Laminar trainiert ein Modell, das stille Fehler von KI-Agenten aufspürt

Launch HN: Laminar (YC S24) – We trained a model to catch silent agent failures

Laminar hat mit flow-1 ein per Reinforcement Learning trainiertes Modell vorgestellt, das Fehler in Agenten-Traces findet. Auf ihrem Benchmark erreicht es die Erkennungsqualität von GPT-6-sol bei 23-fach geringeren Kosten – dadurch wird die Analyse jeder Produktions-Trace ohne Sampling bezahlbar. flow-1 läuft in der Signals-Harness, die eine Trace wie ein Repository behandelt, und liefert Befunde als JSON nach frei definierbarem Schema. Ähnliche Ereignisse werden automatisch geclustert, sodass sich wiederkehrende Probleme erkennen und beheben lassen.