Lo startup di YC costruisce un modello AI economico che individua errori silenti degli agent
Il modello flow-1 di Laminar rileva errori nascosti nei workflow degli agent AI a una frazione del costo dei migliori modelli commerciali.
Cosa potresti farci
- Un'azienda potrebbe monitorare i propri agent AI nel supporto clienti per individuare errori nascosti dove ogni chiamata API va a buon fine ma l'output finale è sbagliato 1.
- Un team legale potrebbe analizzare le tracce degli agent per identificare quando un agent cita un documento errato nonostante ogni passaggio venga completato regolarmente 1.
- Uno sviluppatore software potrebbe usare il modello per rilevare la frustrazione dell'utente analizzando le interazioni degli agent e restituendo eventi di segnale strutturati 1.
Il problema degli errori silenti
Gli agent AI stanno diventando sempre più comuni nello sviluppo software, nel lavoro legale e nel supporto clienti. Ma, come ha scritto Robert, co-fondatore di Laminar, nel post di lancio dell'azienda su Hacker News, gli agent possono fallire in silenzio — premendo il pulsante sbagliato o citando un documento errato mentre ogni singola chiamata API viene completata con successo 1.
Un modello addestrato per investigare
Laminar ha costruito flow-1, un piccolo modello open-source affinato e poi post-addestrato con apprendimento per rinforzo su migliaia di indagini sintetiche di workflow realistici di agent 1. Il modello è stato progettato per agire come un agent di codifica, trattando ogni traccia dell'agent come un repository dove ogni chiamata LLM o interazione con uno strumento è un file.
Sul benchmark di Laminar, flow-1 eguaglia la qualità di rilevamento di GPT-6-sol essendo 23 volte più economico da eseguire 1. Questo vantaggio di costo rende economicamente sostenibile analizzare ogni traccia di agent in produzione senza affidarsi al campionamento.
Come funziona nella pratica
Il modello gira all'interno di un framework che Laminar chiama Signals, il quale legge rappresentazioni compresse delle tracce e cerca attraverso le span per trovare contesto rilevante 1. Può rispondere a prompt generali oltre la semplice rilevazione di errori — identificare la frustrazione dell'utente, verificare il completamento di un checkout, o controllare altre condizioni specifiche.
I risultati vengono restituiti in JSON con schemi che gli utenti possono definire, chiamati eventi di segnale. Eventi simili vengono automaticamente raggruppati in cluster così i team possono individuare problemi ricorrenti e approfondire le tracce individuali.
Open source e self-hosted
Laminar sta rilasciando la propria piattaforma sotto licenza Apache 2.0 con opzioni di self-hosting disponibili su GitHub 1. L'azienda guadagna dal suo servizio cloud gestito. I fondatori dicono che il loro metodo ha prodotto tre risultati principali: compressione delle tracce 20 volte migliore, un motore di query SQL dedicato e la capacità di estrarre compiti automaticamente.
Il progetto viene da Robert e Din, che costruiscono osservabilità open-source per agent AI dal 2024.
Quanto è bravo
Sul benchmark di Laminar, flow-1 eguaglia la qualità di rilevamento di GPT-6-sol essendo 23 volte più economico da eseguire 1. Questo significa che può trovare errori nascosti proprio come un modello commerciale di top gamma ma a una frazione del costo . L'azienda ha eseguito il benchmark e riporta questi risultati .
Correzioni e aggiornamenti
- 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.
I fatti principali
- 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