Probably获900万美元种子轮融资，致力打造可审计的高可靠AI工具

融资概览

6月16日，AI创业公司Probably宣布完成900万美元种子轮融资，领投方为著名风险投资机构Andreessen Horowitz。公司创始人Peter Elias在接受TechCrunch采访时表示，此轮资金将用于完善其“数据科学机甲”系统，实现对大模型输出的严格审计与纠错。

核心产品与技术

Probably的首款产品是一款面向数据科学家的答案生成工具。每一次查询都会返回完整的引用链路和审计日志，帮助用户追溯答案来源。技术上，系统采用双层架构：

• LLM初步回答：利用轻量化语言模型快速生成初稿。
• 确定性验证器：对初稿进行严格的规则匹配和数据集比对，不符合的结果会被退回重新生成。

关键在于LLM在训练时已经学习了验证器的反馈，使得模型在生成时就倾向于产生可验证的答案。Elias称这是一种“把上下文精炼到极致，让模型无需费力即可做对事”的思路。

性能与成本优势

因为验证器承担了大部分正确性检查，Probably的系统可以使用比当前主流大模型“弱四档”的模型运行。这意味着模型可以在普通桌面电脑上本地部署，显著降低了token费用和算力开支。对比传统云端大模型，成本下降幅度预计在30%‑50%之间。

市场定位与前景

Elias指出，除数据科学外，任何对精度要求极高的业务场景——如财务报表审计、医学诊断辅助等，都可以复用同一套引擎。当前，主流AI实验室更倾向于追求模型规模与通用能力，缺乏针对高精度垂直领域的系统化解决方案，这为Probably提供了先发优势。

行业影响

如果Probably的审计机制能够在实际部署中实现99.99%的准确率，将对AI安全治理产生重要示范效应。它不仅为企业降低因幻觉导致的合规风险，也为监管机构提供了可追溯的技术路径。未来，随着更多行业对AI可信度提出硬性要求，类似的“可审计大模型”有望成为新标准。

“我们学到的经验是，工程越严谨，模型本身可以越弱”，Elias在采访末尾如此总结。

预计时间线：公司计划在本年度完成产品Beta版发布，并在2027年前实现企业级付费部署。