La startup de YC construye un modelo de IA barato que detecta fallos silenciosos de agentes
El modelo flow-1 de Laminar detecta errores ocultos en flujos de trabajo de agentes de IA una fracción del costo de los modelos comerciales principales.
Qué podrías hacer con ello
- Una empresa podría monitorear sus agentes de IA en atención al cliente para detectar errores ocultos donde cada llamada a API tiene éxito pero el resultado final es erróneo 1.
- Un equipo legal podría analizar las trazas de agentes para identificar cuándo un agente cita un documento incorrecto a pesar de que cada paso se completa normalmente 1.
- Un desarrollador de software podría solicitar al modelo que detecte la frustración del usuario examinando las interacciones del agente y devolviendo eventos de señal estructurados 1.
El problema de los fallos silenciosos
Los agentes de IA son cada vez más comunes en el desarrollo de software, el trabajo legal y la atención al cliente. Pero, como escribió Robert, co-fundador de Laminar, en la publicación de lanzamiento de la empresa en Hacker News, los agentes pueden fallar en silencio: hacer clic en el botón equivocado o citar un documento incorrecto mientras cada llamada individual a API se completa con éxito 1.
Un modelo entrenado para investigar
Laminar construyó flow-1, un modelo pequeño de código abierto ajustado y luego post-entrenado con aprendizaje por refuerzo sobre miles de investigaciones sintéticas de flujos de trabajo realistas de agentes 1. El modelo fue diseñado para actuar como un agente de codificación, tratando cada traza de agente como un repositorio donde cada llamada a LLM o interacción con herramientas es un archivo.
En el benchmark de Laminar, flow-1 iguala la calidad de detección de GPT-6-sol mientras es 23 veces más barato de ejecutar 1. Esta ventaja de costos lo hace asequible para analizar cada traza de agente en producción sin depender de muestreo.
Cómo funciona en la práctica
El modelo se ejecuta dentro de un marco que Laminar llama Signals, que lee representaciones comprimidas de trazas y busca en los intervalos para encontrar contexto relevante 1. Puede responder a indicaciones generales más allá de la detección cruda de errores: identificar frustración del usuario, verificar la finalización de un checkout o comprobar otras condiciones específicas.
Los hallazgos se devuelven como JSON en esquemas que los usuarios pueden definir, llamados eventos de señal. Eventos similares se agrupan automáticamente en clústeres para que los equipos puedan detectar problemas recurrentes y analizar trazas individuales.
Código abierto y autoalojado
Laminar está lanzando su plataforma bajo la licencia Apache 2.0 con opciones de autoalojamiento disponibles en GitHub 1. La empresa gana dinero con su oferta de nube gestionada. Los fundadores dicen que su método produjo tres resultados principales: compresión de trazas 20 veces mejor, un motor de consultas SQL diseñado específicamente, y la capacidad de extraer tareas automáticamente.
El proyecto proviene de Robert y Din, quienes han estado construyendo observabilidad de código abierto para agentes de IA desde 2024.
Qué tan bueno es
En el benchmark de Laminar, flow-1 iguala la calidad de detección de GPT-6-sol mientras es 23 veces más barato de ejecutar 1. Esto significa que puede encontrar errores ocultos tan bien como un modelo comercial principal pero a una fracción del costo . La empresa ejecutó el benchmark y reporta estos resultados .
Correcciones y actualizaciones
- Corrected on 23 October 2026. An earlier version said Laminar was applying for Y Combinator's Winter 2027 batch. The source indicates the company is associated with Y Combinator's Summer 2024 batch (YC S24), not an application for Winter 2027, so the statement was removed. An earlier version said the hidden errors were 'the most damaging because they go undetected,' but the source stated only that such errors are 'the most useful ones to catch and understand' — it did not describe them as most damaging.
Los datos clave
- flow-1 matches GPT-6-sol detection quality at 23x lower cost
- Model trained with reinforcement learning on synthetic agent workflows
- Laminar platform is Apache 2.0 licensed and self-hostable
- Automatically clusters similar signal events for pattern detection
- Handles traces from software, legal, and customer support agents