Стартап Canyon Code официально вышел из стелс-режима, объявив о привлечении $5 млн в рамках pre-seed раунда под руководством Cota Capital. Проект нацелен на решение главной боли корпоративного сектора: отсутствие контроля над сложными мультиагентными системами.

В то время как обычные инструменты оптимизируют работу на уровне отдельных LLM, Canyon Code строит слой Workflow Intelligence. Это своего рода операционная система, которая видит зависимости между разными агентами и их запросами к моделям в реальном времени.

Что это дает на практике

Для вайбкодеров и архитекторов AI-решений это означает переход от «черного ящика» к управляемой инфраструктуре:

• Граф зависимостей: Система отслеживает прогресс каждого агента и контекст их взаимодействия.
• Умная оркестрация: Canyon Code передает дополнительные данные на уровень инференса, что позволяет приоритизировать вызовы LLM и эффективнее управлять контекстной памятью.
• Гибкие политики: Настройку оптимизации (цена vs задержка vs точность) можно задавать отдельно для каждого приложения и даже для конкретных ролей пользователей.

Почему это важно

Основатели проекта — серийный предприниматель Равикиран Гопалан и профессор Адитья Акелла (эксперт по ML-системам) — уверены, что индустрия уперлась в «порог надежности». Когда в продукте работает не один чат-бот, а цепочка агентов, стандартных методов мониторинга GPU становится недостаточно.

Canyon Code предлагает «application-aware» оптимизацию. Вместо того чтобы просто ускорять видеокарты, они оптимизируют логику взаимодействия агентов, что напрямую влияет на итоговый UX и стоимость владения AI-продуктом.