Trajectory zbiera 45 mln USD na douczanie modeli AI

Czym zajmuje się Trajectory

Trajectory zajmuje się tzw. post-treningiem, czyli douczaniem gotowego modelu językowego do konkretnych zadań. Firma zaczyna od otwartego modelu, podłącza go do aplikacji klienta i zbiera informacje o tym, jak dobrze model radzi sobie w praktyce. Na tej podstawie model jest regularnie trenowany od nowa. Takie podejście nazywa się uczeniem ciągłym (continual learning).

Według TechCrunch nowością jest interfejs dla osób bez wiedzy technicznej. Ekspert dziedzinowy, np. prawnik, ma sam określać, jak wygląda dobra odpowiedź, a platforma przekłada te oceny na dane treningowe. Współzałożyciel Ronak Malde tłumaczy to w rozmowie z TechCrunch tym, że gospodarka najbardziej ceni osoby z wieloletnim doświadczeniem w danej pracy, a modele powinny uczyć się od nich.

Nowe funkcje platformy

Platforma wystartowała 2 listopada 2026 roku. Na stronie firmy nadal działa jednak lista oczekujących, a dwie najciekawsze funkcje mają status research preview, czyli wczesnej wersji testowej. Cennika nie opublikowano.

• trening i wdrożenie własnego modelu jednym kliknięciem, bez łączenia osobnych narzędzi do sandboxów, testów, treningu i hostingu,
• Continual Grading - system uczy się standardów oceny z kilku przykładów wskazanych przez eksperta i stosuje je do danych z produkcji, co ogranicza ręczne oznaczanie danych,
• Group Size 1 - trening na pojedynczych, rzeczywistych interakcjach użytkowników, dzięki czemu model może się poprawiać już po wdrożeniu.

Wyniki deklarowane przez firmę

Trajectory chwali się pracą z modelami NVIDIA Nemotron. Według firmy douczony model Nemotron Lightning osiągnął 8,3 proc. zadań zaliczonych w całości w benchmarku LAB kancelarii Harvey, czyli tyle samo co Claude Opus 5.5, przy 100 razy niższym koszcie i 3,8 raza większej szybkości. To deklaracja producenta, której niezależnie nie zweryfikowano. Wynik dotyczy też jednego, wąskiego testu zadań prawniczych.

Firma podaje również, że jeden z klientów wytrenował w dwa tygodnie ponad osiem modeli do długich zadań agentowych. Nazwy klienta nie ujawniono.

Konkurencja i znaczenie rundy

Rynek narzędzi do douczania modeli szybko się zagęszcza. TechCrunch wymienia jako konkurentów Thinking Machines Lab z usługą Tinker, Applied Compute wycenione w październiku na 3,25 mld USD oraz Prime Intellect. Wszystkie te firmy odpowiadają na ten sam trend: przedsiębiorstwa chcą mieć własne, tańsze modele dopasowane do swoich zadań zamiast płacić za każde zapytanie do największych modeli zamkniętych.

Udział NVIDII w rundzie ma praktyczne uzasadnienie. Producent chipów promuje rodzinę otwartych modeli Nemotron i potrzebuje firm, które ułatwią klientom ich dostosowanie. Wcześniejsze doniesienia mediów z sierpnia mówiły o rundzie 40 mln USD przy tej samej wycenie. Ostateczna kwota 45 mln USD pochodzi z oficjalnego komunikatu spółki.

Ograniczenia i polski kontekst

Trajectory nie podaje cen, warunków umów ani miejsca przetwarzania danych, a te informacje mają znaczenie dla firm z UE pracujących na danych klientów. Platforma jest kierowana przede wszystkim do firm z USA. Polskie kancelarie, banki czy zespoły obsługi klienta mogą jednak obserwować ten segment, bo pokazuje, że douczanie mniejszych otwartych modeli przestaje wymagać własnego działu badań nad AI.

W naszej ocenie runda jest sygnałem, że inwestorzy wierzą w scenariusz, w którym duże firmy będą trenować własne modele na danych z codziennej pracy ekspertów. Ten tekst ma charakter informacyjny i nie jest rekomendacją inwestycyjną.