Probably raises $9M to build more reliable AI

•Probably 成功獲得由知名創投公司 Andreessen Horowitz (a16z) 領投的 900 萬美元種子輪融資，以加速其在 AI 可靠性領域的發展。
•該公司由 Peter Elias 創立，總部位於舊金山，其核心目標是透過將大型語言模型（LLM）包裹在「確定性驗證器」中，實現高達 99.99% 的準確度，即每 10,000 個答案中最多只有一個錯誤。
•Probably 的技術策略是利用比「前沿模型」弱四個等級的模型，透過工程化可靠性來降低成本，同時提供可比擬的結果，並支援在本地硬體上運行，這對於處理敏感數據的企業尤為重要。
•其系統設計確保每個 AI 輸出結果都附帶引用和審計追蹤，這不僅滿足用戶對可追溯性的需求，也符合會計和醫療保健等行業的監管要求。
•Probably 的首款產品是一款數據科學工具，旨在讓非技術用戶也能從複雜數據集中獲得精確且帶有引用的可靠答案，從而擴大 AI 應用的可及性。

📊 競品分析▸ Show

公司/方法	主要特點/方法	準確度/性能指標	目標市場/應用
Probably	確定性驗證器包裹 LLM，驗證層對抗可驗證數據，提供引用和審計追蹤。	目標 99.99% 準確度（每 10,000 個答案最多一個錯誤）。	尋求與確定性軟體系統同等準確度和可預測性的 AI 應用，特別是精度敏感任務。
Galileo	AI 幻覺檢測與可觀察性平台，多方法檢測（嵌入相似性、思維鏈分析、G-Eval 指標），自動故障分析，實時運行時保護。	亞 200 毫秒運行時保護，量化接地指標。	企業級 LLM 部署，需要系統性事實核查以避免高成本事件。
Fini	企業支援 AI 代理平台，推理優先架構，驗證聲明而非生成，實時數據遮蔽 (PII Shield)。	98% 準確度，零幻覺（處理超過 200 萬次查詢）。	企業和受監管的支援團隊，需要可驗證的答案和快速部署。
Amazon (自動推理)	部署自動推理來驗證 AI 結果，使用數學和邏輯算法「證明」結果的真實性。	提高輸出結果的真實性置信度。	需要高置信度 AI 輸出的應用。
檢索增強生成 (RAG)	透過將 LLM 連接到特定信息庫來補充其數據集。	提高特定或技術主題的深度和準確性。	改善 LLM 在特定領域的事實準確性。

核心方法： Probably 的核心技術是將大型語言模型（LLM）的輸出包裹在「確定性驗證器」中。
雙層驗證流程： LLM 首先生成初步答案，隨後一個獨立的驗證層會根據可驗證的數據源對該答案進行嚴格的事實核查。
可追溯性與合規性： 每個經系統處理的 AI 響應都附帶詳細的引用和審計追蹤，確保了結果的透明度和可追溯性，這對於滿足金融、醫療等行業的監管要求至關重要。
模型效率： 該公司特意採用比「前沿模型」弱四個等級的模型，透過在這些較小模型中工程化可靠性，而非依賴模型規模的「蠻力」方法來實現高準確度，旨在以更低的成本提供可比擬的性能。
本地部署能力： 系統設計支援在本地硬體上運行，這有助於降低 token 費用，並確保敏感數據的 AI 推理過程能夠在企業內部進行，增強數據安全與隱私。

企業對 AI 可靠性的需求將推動專用驗證層的普及。

隨著 AI 幻覺成為企業應用中的主要責任和聲譽風險，對可驗證、可追溯 AI 輸出的需求將日益增長，促使更多公司採用類似 Probably 的解決方案。

透過優化小型模型實現高可靠性的策略將挑戰大型模型的「蠻力」方法。

Probably 證明即使是較小的模型，透過精密的可靠性工程也能達到與大型模型相媲美的準確度，這可能促使行業重新評估模型規模與效率之間的權衡。

2026-06-16

Probably 獲得由 Andreessen Horowitz 領投的 900 萬美元種子輪融資，旨在解決 AI 幻覺問題並提升 AI 可靠性。

Probably 獲 900 萬美元融資，致力於打造更可靠的 AI