Стартап Trajectory объявил о привлечении $15 млн инвестиций. В раунде участвовали тяжеловесы индустрии: фонды Bessemer Venture Partners и Radical Ventures, а также ангелы в лице Джеффа Дина (Google DeepMind) и Фей-Фей Ли.

Команда, состоящая из выходцев из OpenAI, DeepMind и Apple, решает одну из главных проблем современных LLM — их статичность. Сегодня модели обучаются на фиксированных датасетах, а всё, что происходит в чате или IDE после релиза, обычно улетает «в трубу». Trajectory строит платформу для Continual Learning (непрерывного обучения).

Как это работает

Идея в том, чтобы превратить каждое взаимодействие пользователя с AI-агентом в сигнал для дообучения:

• Правки (Edits): если вы вручную исправили код за курсором, модель должна понять, где ошиблась.
• Повторы (Retries): если генерация была отклонена, это сигнал о низком качестве.
• Корректировки: уточняющие промпты становятся базой для тонкой настройки весов.

Почему это важно для вайбкодеров

Для тех, кто строит продукты на базе AI-агентов, это переход от «черного ящика» к самосовершенствующейся системе. Вместо того чтобы ждать релиза новой версии от OpenAI или Anthropic, разработчики смогут дообучать свои агентские системы на реальном поведении пользователей.

Trajectory уже работает с такими AI-native компаниями, как Clay и Harvey. Цель амбициозная: создать инфраструктуру, где агентские модели за счет специфических данных продукта со временем начнут обходить по качеству универсальные frontier-модели (вроде GPT-4o или Claude 3.5 Sonnet).