Galileo AI ist eine GenAI-Bewertungs-KI-Beobachtbarkeits- und Produktionsleitplankenplattform für -Szenarien, die offline experimentelle RAG/Agent-Indikatoren, Online-Ablaufverfolgungen, ein Luna-2-Bewertungsmodell mit niedriger Latenz und eine Bereitstellung auf Unternehmensebene abdeckt.

GalileoAI

Kernparameter und Statistiken

Auf der Produktseite von Galileo AI wird die Plattform als KI-Beobachtbarkeits- und Evaluierungs-Engineering-Plattform definiert, mit dem Ziel, die Offline-Evaluierung in Produktionsleitplanken umzuwandeln. Auf der Dokumentationsseite wird weiter erläutert, dass Galileo für GenAI- und Agentenanwendungen gedacht ist, Ingenieuren, Produktmanagern und Domänenexperten dient und über das Agent-Framework Python SDK, TypeScript SDK oder API (Offizielles Dokument) aufgerufen werden kann.

Projekte	Öffentliche Informationen
Produktpositionierung	Beobachtungs-, Bewertungs- und Produktionsleitplankenplattform für GenAI- und Agentic-Anwendungen
Schlüsselobjekte	Spuren, Sitzungen, Spannen, Datensätze, Eingabeaufforderungen, Metriken, Leitplanken
Hauptszenario	RAG-Bewertungen, Agenten-Bewertungen, Sicherheits-Bewertungen, Sicherheits-Bewertungen, benutzerdefinierte Bewertungen
Zugriffsmethode	Webkonsole Python SDK, TypeScript SDK, API, gemeinsame Agent/LLM-Framework-Integration
Produktionskapazität	Offline-Bewertung, Online-Beobachtung, Indikatoroptimierung Luna-2-Bewertung mit geringer Latenz, Echtzeit-Leitplanken
Bereitstellungsformulare	SaaS, Virtual Private Cloud, vor Ort
Neuestes öffentliches Update	05.06.2026 Agent Control für Unternehmenskunden
Preisportal	Öffentliche Preisseiten mit drei Stufen für „Free“, „Pro“ und „Enterprise“

Fähigkeitsgrenze: Galileo AI ist weder ein allgemeiner Chatbot noch eine einfache Protokollierungsplattform; Es eignet sich besser für Teams, die bereits über GenAI-, RAG- oder Agent-Anwendungen verfügen und die Qualität messen, Fehlerquellen lokalisieren und Produktionsrisiken kontrollieren müssen. Wenn das Team noch nicht in die Entwicklung von KI-Anwendungen eingestiegen ist oder keinen Online-Verkehr hat, spiegelt sich der Wert der Plattform eher in der Entwicklung von Bewertungsmethoden als in unmittelbaren Geschäftsvorteilen wider.

Benutzer- und Markterkennung

Die Marktsignale von Galileo kommen hauptsächlich von Firmenkunden, Finanzierungs- und Kooperationsökosystemen. Die offizielle Ankündigung der Serie B gab bekannt, dass Galileo am 15. Oktober 2024 45 Millionen US-Dollar in der Serie B angekündigt hat, wobei die kumulierte Finanzierung 68 Millionen US-Dollar erreicht. In derselben Ankündigung wurde auch bekannt gegeben, dass der Umsatz seit 2024 um 834 % gestiegen ist, die Zahl der Unternehmenskunden um das Vierfache gestiegen ist und 6 Fortune-50-Unternehmen vorgestellt wurden und Twilio, Comcast, HP und ServiceTitan aufgeführt sind. Warten auf Kunden oder Partner (Offizielle Ankündigung).

Unternehmensgenehmigung: Kunden- oder Partnerbewertungen wie Writer, Cisco Outshift, Ema, NVIDIA, Satisfi Labs, MongoDB, CrewAI, HP, Clearwater Analytics usw. erscheinen auf der Produktseite und der Preisseite. Wichtiger für Kaufurteile ist, dass sich diese Bewertungen auf „Evaluation Tool Chain“, „Agent Observation“, „NVIDIA NeMo Integration“ und „Luna-2 Production Evaluation“ konzentrieren, was darauf hindeutet, dass der Schwerpunkt von Galileo eher auf KI-Qualitätsmanagement auf Unternehmensebene als auf persönlichen Effizienztools liegt.

Ökologische Zulassung: Der offizielle Artikel zur Agent Reliability-Veröffentlichung gab bekannt, dass Graph Engine CrewAI, LangGraph, OpenAI Agents SDK, LlamaIndex und andere Frameworks unterstützt; In den Versionshinweisen vom 08.05.2026 wurden außerdem A2A Multi-Agent Distributed Tracing und OpenTelemetry-Erweiterungen hinzugefügt. Diese Art der ökologischen Anpassung reduziert die Zugangskosten, die tatsächliche Verfügbarkeit hängt jedoch immer noch vom aktuellen Rahmenwerk, den Protokollierungsstandards und den Datenaufbewahrungsanforderungen des Teams ab.

Kostenvorteil

Der Kostenvorteil von Galileo AI liegt nicht im „billigsten SaaS-Abonnement“, sondern darin, teure, langsame Allzweck-LLM-as-a-Judge-Pipelines durch speziell entwickelte Überprüfungsmodelle wie Luna-2 zu ersetzen. Auf der Produktseite heißt es, dass Luna optimierte Auswertungen in ein Modell umwandeln kann, das 100 % des Datenverkehrs überwacht und zu 96 % geringeren Kosten läuft; In der Agent Reliability-Version heißt es, dass Luna-2 mehr als 20 Indikatoren unterstützt und dabei eine Latenzzeit von weniger als 200 ms aufweist und 97 % günstiger ist als herkömmliche LLM-basierte Lösungen.

C-Client/Einzelperson: Der kostenlose Plan ist für 0 $/Monat öffentlich verfügbar, einschließlich 5.000 Traces/Monat, unbegrenzten Benutzern und unbegrenzten benutzerdefinierten Evaluierungen, der für Entwickler und kleine Teams zur Überprüfung und Bewertung von Ideen geeignet ist. Die Einschränkung besteht darin, dass das kostenlose Kontingent hauptsächlich Experimente und kleine Anwendungen abdeckt und die SSO-, dedizierten Support-, Bereitstellungsisolations- und Datenverwaltungsanforderungen von Unternehmensproduktionsumgebungen nicht ersetzen kann.

Entwickler/API: Der Pro-Plan wird für 100 $/Monat angeboten, spart 33 % bei der jährlichen Zahlung und beinhaltet 50.000 Traces/Monat, Standard-RBAC, erweiterte Analysen und Einblicke sowie Slack-Unterstützung; Auf der Preisseite ist angegeben, dass der Preis mit der Anzahl der Spuren skaliert. Das Entwicklungsteam muss die Anzahl der Spuren, die Anzahl der Bewertungsindikatoren, LLM-as-a-Judge-Aufrufe, Luna-Indikatoraufrufe und die Protokollaufbewahrung zusammen berechnen.

Enterprise/Privat: Enterprise ist „Kontaktieren Sie uns“ und umfasst unbegrenzte Traces, benutzerdefinierte Ratenbegrenzungen, gehostete/VPC/lokale Bereitstellungen, RBAC/SSO der Unternehmensklasse, dediziertes CSM, Echtzeit-Leitlinien, Support rund um die Uhr, dedizierte Inferenzserver mit geringer Latenz und vorwärts bereitgestellten technischen Support. Wenn es um VPC, On-Prem, dedizierte Begründung und Sicherheitsbedingungen geht, unterliegen die tatsächlichen Angebots- und Vertragsgrenzen der offiziellen Echtzeitseite und der Geschäftsbestätigung.

Hauptfunktionen

Die Funktionen von Galileo AI drehen sich darum, „reale Daten zu erfassen, Auswertungen zu erstellen, Fehler zu entdecken und Auswertungen als Leitplanken online zu stellen“. Es eignet sich zur Erweiterung der KI-Qualität vom Offline-Testen auf die Online-Governance.

• Daten- und Annotationsressourcen: Erstellen Sie Datensätze aus synthetischen, Entwicklungs- und Live-Produktionsdaten und bilden Sie durch Domänenexpertenanmerkungen kontinuierlich aktualisierte Groundtruth-Assets.
• RAG-/Agent-/Sicherheits-/Security-Indikatoren: Die offizielle Produktseite stellt über 20 vorgefertigte Evaluierungen vor, die RAG, Agenten, Sicherheit und Schutz abdecken, und unterstützt benutzerdefinierte Evaluatoren.
• Agent Graph and Trace Observation: Beschreibung der Agentenzuverlässigkeitsseite. Die Diagrammansicht kann jeden Zweig, jede Entscheidung und jeden Toolaufruf darstellen und dem Team dabei helfen, Versatzpunkte im mehrstufigen Agentenpfad zu lokalisieren.
• Insights Engine: Führen Sie eine Fehlermodusanalyse des Agentenverhaltens durch, lokalisieren Sie die Grundursache, die Übergabe mehrerer Agenten und das Tool-Auswahlmuster und stellen Sie verknüpfte Beweise und umsetzbare Vorschläge bereit.
• Luna-2-Produktionsbewertung: Auf der Luna-2-Seite werden Indikatoren wie 0,12 $/1 Mio. Token, 0,95 Genauigkeit, 152 ms durchschnittliche Latenz, 128.000 maximale Token usw. für eine kostengünstige Produktionsbewertung mit geringer Latenz offengelegt.
• Agent Control and Guardrail Management: Die Versionshinweise vom 05.06.2026 zeigen, dass Agent Control Enterprise Agent Guardrails zentral verwalten kann, um Risiken wie die sofortige Einschleusung schädlicher Inhalte und den Verlust personenbezogener Daten zu blockieren.

Modell- und Versionsentwicklung

Die relevanten Informationen wurden nicht veröffentlicht. Bitte beachten Sie die offizielle Echtzeitseite.

Technische Vorteile

Der technische Vorteil von Galileo AI ergibt sich aus der Kombination von „Bewertungsmodell + Beobachtungsdaten + Produktionsleitplanken“ und nicht aus der Leistung eines Einzelpunktmodells.

Spezielles Bewertungsmodell: Luna-2 verwendet einen SLM, der speziell für die Bewertung entwickelt wurde, um hochfrequente Qualitätsbeurteilungen vorzunehmen. Mechanisch werden teure LLM-Aufgaben als Richter in einem Modell mit geringer Latenz zusammengefasst. Tatsächlich kann die Plattform den Produktionsverkehr kontinuierlich mit einer hohen Abtastrate auswerten; Anwendbare Szenarien sind Anwendungen, die eine kontinuierliche Risikokontrolle erfordern, z. B. Kundendienstmitarbeiter, RAG-Fragen und -Antworten, Finanzen/medizinische Versorgung usw.

Agent-native Beobachtung: Graph Engine stellt die Verzweigungen, Tool-Aufrufe, Entscheidungspfade und den Sitzungskontext des Agenten auf einheitliche Weise dar. Mechanisch erweitert es Spannen/Spuren von linearen Protokollen auf grafische Pfade; Tatsächlich erleichtert es den Entwicklungsteams das Auffinden von Fehlern, etwa bei der Werkzeugauswahl, der Übergabe und dem Abschluss der Aktion. Anwendbare Szenarien sind Geschäftsabläufe mit mehreren Schritten, mehreren Tools und mehreren Agenten.

Von der Bewertung zur Leitplanke: Die Plattform verbindet Offline-Indikatoren, Online-Signale und Echtzeit-Blockierung. Mechanisch gesehen können Bewertungsergebnisse Aktionen, Werkzeugzugriff und Eskalationspfade steuern; Tatsächlich beschränkt sich die Qualitätsbeurteilung nicht nur auf Berichte, sondern kann Schutzmaßnahmen in der Produktion auslösen. Anwendbare Szenarien sind Unternehmen, die starke Einschränkungen hinsichtlich der sofortigen Einschleusung von PII-Lecks, schädlicher Ausgabe oder falscher Toolaufrufe haben.

Wie man es benutzt

Der Zugang zu Galileo AI ist in drei Kategorien unterteilt: Produktkonsolen-SDK/API und Unternehmensbereitstellung. Entwickler können sich zunächst kostenlos auf der offiziellen Website registrieren. Unternehmensteams müssen in der Regel zunächst Datengrenzen, Richtlinien zur Protokollaufbewahrung, SSO/RBAC und Bereitstellungsformulare klären.

So verwenden Sie	Für jeden geeignet	Hauptaktionen	Vorsichtsmaßnahmen
Webkonsole	Produkt- und Betriebs-KI-Qualitätsmanager	Anzeigen von Traces, Sitzungen, Metriken, Experimenten und Erkenntnissen	Sie müssen zuerst auf Anwendungsprotokolle zugreifen oder experimentelle Daten importieren
Python/TypeScript SDK	Engineering-Team Agent-Entwickler	Erstes Trace protokollieren, Experimente durchführen, auf Framework zugreifen	API-Schlüssel, Projektschlüssel, Protokollfelder und Sampling-Strategie müssen verwaltet werden
Agent/LLM-Framework-Integration	Teams, die LangGraph, CrewAI, OpenAI Agents SDK usw. verwenden.	Aufrufe und Traces des Agentenpfad-Tools automatisch aufzeichnen	Die Integrationstiefe hängt von der aktuellen Framework-Version und der OTel-Unterstützung ab
Unternehmensbereitstellungen	Sicherheits-, Compliance- und Plattformteams	Gehostete, VPC- oder lokale Szenariobewertung	Erfordert Geschäftsvalidierungsvertrag, Datenresidenz, Support-SLA und dedizierte Inferenz

Der typische Implementierungspfad besteht darin, zunächst eine echte Spur aufzuzeichnen, dann Bewertungsindikatoren für die Spur auszuführen und dann die stabilen Indikatoren zu Experimenten und Leitplanken zu erweitern. Für das RAG-System wird der Überprüfung der Abrufqualität, der Kontextgenauigkeit und der Halluzination Priorität eingeräumt. Für das Agentensystem wird der Überprüfung der Qualität der Werkzeugauswahl, des Aktionsfortschritts, des Aktionsabschlusses und der Gesprächsqualität Priorität eingeräumt.

Produktpreise

Auf der Preisseite für Galileo AI gibt es drei Stufen: Free, Pro und Enterprise. Free ist für Entwickler und kleine Teams, Pro für Teams, die mit mehr Vertrauen in den Live-Betrieb gehen möchten, und Enterprise für Organisationen, die Skalierbarkeit, Sicherheit und erweiterten Support benötigen.

Planen	Öffentlicher Preis	Öffentliches Kontingent/Kapazität	Anwendbare Grenze
Kostenlos	0 $/Monat	5.000 Traces/Monat, unbegrenzte Benutzer, unbegrenzte benutzerdefinierte Auswertungen	Experimentieren, Evaluierungskonzepte, kleine Teams im Frühstadium
Pro	Ab 100 $/Monat, jährliche Zahlung; Preisstaffeln mit Gebrauchsspuren	50.000 Traces/Monat, Standard-RBAC, erweiterte Analysen und Einblicke, Slack-Unterstützung	Kleine Produktion oder wachsende Teams
Unternehmen	Kontaktieren Sie uns	Unbegrenzte Traces, benutzerdefinierte Ratenbegrenzungen, gehostet/VPC/lokal, RBAC/SSO, Echtzeit-Leitlinien, 24/7-Support, dedizierte Inferenzserver	Unternehmensgröße, Compliance, privater oder dedizierter Support

Abrechnungsrisikopunkt: Die Kosten für die KI-Bewertung stammen nicht nur aus Galileo-Abonnements, sondern umfassen auch den Aufruf des LLM-as-a-Judge-Modells, die Datenaufbewahrung, die Anzahl der Bewertungsindikatoren, die Trace-Sampling-Rate, einen dedizierten Inferenzserver sowie den internen Betrieb und die Wartung. Luna-2 kann die Kosten für die Hochfrequenzbewertung senken, die Aktivierungsbedingungen, die spezifische Indikatorabdeckung und die Unternehmensvertragsbedingungen für Luna-Metriken müssen jedoch weiterhin der offiziellen Echtzeitseite und der Geschäftsbestätigung unterliegen.

Anwendungsszenarien

• RAG-Qualitätsmessungen: Misst die Abrufqualität, die Kontextrelevanz, die Antwortillusion und die Zitierkonsistenz. Der Fokus der Akzeptanz liegt darauf, ob die Abrufindikatoren mit der realen geschäftlichen Grundwahrheit übereinstimmen, und nicht nur auf der Betrachtung einer einzelnen Frage-und-Antwort-Demonstration.
• KI-Agent-Produktionsbeobachtung: Wird für Tool-Aufruf, Verzweigung, Übergabe, Aktionsabschluss und Konversationsqualitätsüberwachung von mehrstufigen Agenten verwendet. Der Schwerpunkt der Akzeptanz liegt darauf, ob der fehlerhafte Bereich schnell lokalisiert werden kann und ob Vorschläge an die Eingabeaufforderung, das Werkzeugschema oder den Prozessentwurf rückgekoppelt werden können.
• Sicherheits- und Compliance-Leitlinien: Wird für Hochrisikoszenarien wie sofortige Injektion, PII-Leckage, schädliche Inhalte und falsche Tool-Aufrufe verwendet. Der Schwerpunkt der Akzeptanz liegt auf Blockierung mit geringer Latenz, der Rate falscher Abhörvorgänge, Prüfprotokollen und einem manuellen Rollback-Mechanismus.
• Evaluierungs-Engineering-Plattform: Wird zur Integration von Datensätzen, Experimenten, benutzerdefinierten Metriken, menschlichem Feedback und Release-Gate in den Forschungs- und Entwicklungsprozess verwendet. Der Fokus der Akzeptanz liegt darauf, ob CI/CD oder Release-Zugriffskontrolle stabil wiederverwendet werden können, ohne auf eine einmalige manuelle Überprüfung angewiesen zu sein.
• Enterprise AI Operations Governance: Wird zur abteilungsübergreifenden Zusammenfassung von Produktionsspuren, Kosten, Ausnahmen und Verbesserungsvorschlägen verwendet. Der Schwerpunkt der Akzeptanz liegt darauf, ob Berechtigungen, Datenaufbewahrung VPC/on-prem, SSO/RBAC und Support-SLA den organisatorischen Anforderungen entsprechen.

Anwendbare Personen

• AI Application Engineering Team: Geeignet für Teams, die RAG, Agenten, Kundendienstroboter, Such-Fragen und Antworten oder automatisierte Workflows erstellen, um Protokolle, Überprüfungen und Online-Anomaliediagnose auf einer Plattform zu vereinen.
• Produkt- und Domänenexperten: Geeignet für Produktmanager und KMU, die an der Kommentierung teilnehmen, die Antwortqualität bewerten und Geschäftserfolgskriterien definieren müssen. Nutzen Sie Anmerkungen und benutzerdefinierte Auswertungen, um subjektive Urteile in nachverfolgbare Indikatoren umzuwandeln.
• Plattform- und Sicherheitsteams: Für Unternehmensplattformteams, die SSO/RBAC, Datenaufbewahrung, Produktionsleitplanken PII und Prompt-Injection-Risikokontrolle benötigen.
• Hochfrequenz-Experimentierteam: Geeignet für KI-Produktteams, die Eingabeaufforderungen, Modelle, Datensätze und Experimente vergleichen und Stichprobentests auf eine systematische Bewertung umstellen müssen.

Weniger geeignete Situationen sind: Es ist nur ein allgemeiner Chat erforderlich, es gibt keine Online-KI-Anwendung, es können keine Spuren/Datensätze bereitgestellt werden oder das Team verfügt vorübergehend nicht über einen Leiter für die Indikatoren-Governance. Der Wert von Galileo AI liegt in der kontinuierlichen Messung und kontinuierlichen Verbesserung. Ohne Datenfluss und Organisationseigentümer wird die Plattform zu „einem weiteren Dashboard“.

Zusammenfassung und Ausblick

Die Kernkompetenz von Galileo AI liegt darin, das beobachtbare Luna-2-Low-Latency-Bewertungsmodell des GenAI Evaluation Agent und die Produktionsleitplanken in denselben Arbeitsablauf zu integrieren. Es löst den schwierigsten Teil der Unternehmens-KI vom POC bis zur Produktion: wie man beweist, dass Modelle und Agenten zuverlässig, erklärbar, verbesserungsfähig und in der Lage sind, Risiken im realen Datenverkehr zu blockieren.

Die aktuellen Einschränkungen sind ebenfalls sehr klar: Einige Unternehmensfunktionen erfordern eine geschäftliche Bestätigung, und Luna-Metriken werden auf Anfrage aktiviert. Die Preise ändern sich je nach Kunden- und Geschäftsbedingungen. Ob die SDK/Framework-Integration erfolgreich implementiert werden kann, hängt von der vorhandenen Architektur ab; Bewertungsindikatoren erfordern eine kontinuierliche Kalibrierung der geschäftlichen Grundlagen und des KMU-Feedbacks. Für Hochrisikobranchen wird es weiterhin notwendig sein, die automatisierten Bewertungsergebnisse von Galileo mit manuellen Audits, Compliance-Prozessen und Sicherheitstests zu kombinieren.

Der Implementierungsvorschlag besteht darin, zunächst einen hochwertigen, messbaren RAG- oder Agent-Prozess für die Pilotierung auszuwählen und Indikatoren wie Trace-Abdeckung, Fehlerortungszeit, manuelle Überprüfungsmenge, Abfang-Fehlalarmrate und Erfolgsrate der Online-Zugriffskontrolle festzulegen; Wenn die Indikatoren stabil sind, erweitern Sie die Bereitstellung auf eine Multi-Team-, Multi-Agent- oder Unternehmensbereitstellung. Vor dem Kauf sollten sich Unternehmen auf die Prüfung der VPC-/On-Prem-Bedingungen, SSO/RBAC, Datenaufbewahrungsumfang der Luna-2-Aktivierung, dedizierte Inferenzkosten und 24/7-Supportgrenzen konzentrieren.

Galileo AI-Version und Produktentwicklung

Galileo AI ist eine kontinuierlich iterative Cloud-Plattform, die keine feste Versionsnummer wie herkömmliche Desktop-Software hat. Ein geeigneterer Versionskontext ist nach offiziellen öffentlichen Meilensteinen unterteilt: Evaluation Intelligence, Agent Reliability, Luna Studio und Agent Control.

Meilensteine der Hauptlinie

• 15.10.2024: Evaluation Intelligence Platform. Die offizielle Ankündigung der Serie B beschreibt die Plattform als Evaluation Intelligence, die den KI-Entwicklungsworkflow abdeckt. Die Produktkomponenten umfassen Feinabstimmung, Bewertung, Beobachtung und Schutz und betont, dass die Luna Evaluation Suite Halluzinationen, Suchwirksamkeit, Wirkstoffqualität und andere Faktoren bewerten kann.
• 16.07.2025: Agent Reliability Platform. Der offizielle Blog kündigte die kostenlose Agent Reliability Platform an, die Graph Engine zur Lösung von Agentenbeobachtungen, Insights Engine zur automatischen Analyse von Fehlermodi und Luna-2 zur Unterstützung von Echtzeit-Leitplanken verwendet.
• 22.05.2026: Luna Studio. Versionshinweise veröffentlichen Luna Studio für Unternehmenskunden, das zum Trainieren von SLM-Metriken mit geringer Latenz und niedrigen Kosten verwendet wird, und fügen Integrationskosten hinzu, um das Evaluierungsbudget einzuhalten.
• 05.06.2026: Agentenkontrolle. Versionshinweise geben Enterprise Agent Control frei, indem sie eine zentrale Steuerungsebene verwenden, um Leitplanken und Governance-Richtlinien zu definieren und schädliche Content-Prompt-Injection, PII-Lecks und andere Risiken zu blockieren, ohne den Agent-Code zu ändern.

Wichtige Punkte der Überprüfung

Die Produktionsumgebung sollte 2026-06-05 Agent Control als den neuesten öffentlichen Funktionsknoten betrachten, die tatsächliche Verfügbarkeit kann jedoch durch Unternehmensberechtigungen, Pakete, Bereitstellungsformulare und Verkaufsaktivierung beeinträchtigt werden. Auf der Luna-Metrikseite heißt es außerdem, dass Luna-Metriken nur auf Anfrage für Kunden zugänglich sind, sodass nicht alle Luna-2-Metriken standardmäßig für alle Konten als gebrauchsfertig betrachtet werden können.

Versionsinfo

• Agent Control für Unternehmenskunden ：In den offiziellen Versionshinweisen wurde Agent Control veröffentlicht, das zentral Leitplanken definiert und die Agent-Governance für Unternehmenskunden verwaltet. Es kann die sofortige Injektion schädlicher Inhalte, den Verlust personenbezogener Daten und andere Risiken blockieren, ohne den Agentencode zu ändern. （2026-06-05）
• Kostentabellen für Luna Studio und Integration ：Offizielle Versionshinweise kündigen die Veröffentlichung der Enterprise-Funktionen von Luna Studio für das Training von SLM-Metriken mit geringer Latenz und niedrigen Kosten sowie die Hinzufügung der Integrationskosten-Verwaltungsseite zur Verfolgung der LLM-as-a-Judge-Kosten an. （2026-05-22）
• Agentenzuverlässigkeitsplattform ：Der offizielle Blog kündigte die kostenlose Agent Reliability Platform an, die sich um Graph Engine, Insights Engine und Luna-2-Echtzeitleitplanken dreht und die Multi-Agent-Systembeobachtung, Fehlermodusanalyse und Produktionsschutz unterstützt. （2025-07-16）
• Evaluation-Intelligence-Plattform ：Der offizielle Blog kündigte eine Serie-B-Finanzierung in Höhe von 45 Millionen US-Dollar an und definierte die Hauptproduktlinie als Evaluation Intelligence Platform, die den KI-Qualitätslebenszyklus wie Feinabstimmung, Bewertung, Beobachtung und Schutz abdeckt. （2024-10-15）