Laminar 发布 flow-1 模型，专抓 AI Agent 静默故障

Laminar 由 Robert 和 Din 创立，此前一直专注于 AI Agent 的开源可观测性工具开发。此次发布的 flow-1 是他们在这个方向上的最新成果，模型本身经过强化学习训练，专门用于分析 Agent 的执行轨迹并定位其中的错误。

在 Laminar 自己的基准测试中，flow-1 的表现与 GPT-6-sol 相当，但成本优势明显，价格仅为后者的约 1/23。这一成本结构使得对每条生产环境中的 Agent 轨迹进行逐一分析成为可能，不再需要依赖抽样来降低开销。

关于模型的具体技术细节、训练数据规模或部署方式，官方尚未在本次发布中披露。感兴趣的开发者可以访问 Laminar 官网博客查看示例轨迹和分析报告，或观看一分钟演示视频。