Laminar flow-1: mô hình huấn luyện bằng RL tìm lỗi ẩn trong trace của AI agent

Laminar flow-1 model finds errors in AI agent traces

🇬🇧 Read in English

Laminar flow-1 là mô hình mới của Laminar (YC S24), chuyên đọc trace của AI agent và chỉ ra những lỗi mà không ai để ý. Ra mắt ngày 2/10/2026, mô hình này có chất lượng phát hiện lỗi ngang GPT-6-sol trên benchmark của chính Laminar, nhưng chi phí chạy rẻ hơn 23 lần. Nhờ vậy bạn có thể kiểm tra mọi lượt chạy trên production thay vì chỉ một mẫu nhỏ.

Mô hình Laminar flow-1 tìm lỗi trong trace của AI agent

Điểm chính

  • Ra mắt: Laminar công bố flow-1 trên blog ngày 2/10/2026 và giới thiệu trên Hacker News ngày 19/10/2026.
  • Chất lượng: theo số liệu Laminar công bố, flow-1 phát hiện lỗi ngang GPT-6-sol trên benchmark gồm 523 trace agent khó.
  • Chi phí: flow-1 xử lý nhiều hơn 23 lần số trace trên mỗi đô la so với GPT-6-sol và rẻ hơn GPT-6-luna 25%.
  • Giá: 0,05 USD cho mỗi triệu token đầu vào, 0,01 USD cho đầu vào được cache và 0,30 USD cho mỗi triệu token đầu ra.
  • Cách hoạt động: nó chạy bên trong agent Signals của Laminar, coi một trace như một repo code và mỗi bước như một file.
  • Truy cập: Laminar là mã nguồn mở theo giấy phép Apache 2.0 và có thể tự host bằng Docker Compose; công ty kiếm tiền từ bản cloud được quản lý.

Xem nhanh: video tóm tắt 30 giây.

Laminar flow-1 là gì?

AI agent là chương trình dùng mô hình ngôn ngữ để hoàn thành các tác vụ nhiều bước, như chỉnh sửa hợp đồng hay trả lời khách hàng. Trace là bản ghi đầy đủ một lượt chạy của agent: mọi lệnh gọi mô hình, mọi lệnh gọi tool và mọi kết quả. Mỗi bước trong đó gọi là một span.

Theo cách Laminar diễn đạt, vấn đề là agent “thất bại ngầm”. Agent có thể bấm nhầm nút hay trích nhầm tài liệu trong khi mọi lệnh gọi đều hoàn tất thành công. Không có gì bị crash, nên giám sát thông thường vẫn báo xanh. Chỉ nhìn câu trả lời cuối cùng thì không đủ để bắt lỗi.

Laminar flow-1 là một mô hình mã nguồn mở nhỏ mà Laminar đã tinh chỉnh rồi huấn luyện bằng học tăng cường (RL), phương pháp trong đó mô hình tiến bộ nhờ được thưởng khi cho kết quả tốt. Nó được huấn luyện trên hàng nghìn cuộc điều tra giả lập về các workflow agent thực tế trong phần mềm, pháp lý, hỗ trợ khách hàng và nhiều lĩnh vực khác. Mục tiêu: một mô hình giỏi phân tích trace và đủ rẻ để chạy ở quy mô lớn.

Laminar flow-1 tìm lỗi trong trace của agent bằng cách nào?

Laminar flow-1 không đọc trace từ trên xuống dưới. Nó chạy trong một khung có tên Signals, hoạt động giống một coding agent:

  1. Nó bắt đầu với bản xem trước đã nén của toàn bộ trace và một prompt của người dùng, ví dụ “tìm mọi lỗi logic”.
  2. Nó coi trace là một repo và mỗi span là một file.
  3. Nó grep qua các span và mở đầy đủ những span liên quan để thu thập bằng chứng.
  4. Khi tìm thấy vấn đề, nó trả về JSON có cấu trúc theo schema do bạn định nghĩa. Laminar gọi các kết quả này là signal event.

Trong lúc huấn luyện RL, mô hình dùng đúng những tool mà nó có trên production. Nó học cách quyết định cần kiểm tra gì, thu thập bằng chứng và đánh giá xem bằng chứng đó có thật sự chứng minh được phát hiện hay không.

Signals không chỉ dùng để tìm bug. Bạn có thể nhờ nó phát hiện người dùng bực bội, kiểm tra xem agent trình duyệt có hoàn tất thanh toán hay không, hoặc tìm xem các agent chuyển giao yêu cầu nào và vì sao. Các event tương tự được gom thành cluster, để bạn thấy các vấn đề lặp lại và tần suất của chúng. Trace trong một cluster sau đó có thể thành bộ dữ liệu eval để thử bản sửa trước khi phát hành.

Nó đã bắt được những lỗi thật nào?

Laminar đã công bố các lượt chạy mẫu. Trong một ví dụ, một agent pháp lý ghi khoảng thời gian phát hành phim 105 ngày là đã thống nhất, nhưng lịch trong hợp đồng vẫn là 90 ngày. flow-1 bắt được lỗi này và liên hệ nó với trạng thái gây hiểu lầm “conformed clean” trong danh sách vấn đề.

Trong một ví dụ khác, một coding agent nói công việc đã xong và đổ lỗi test thất bại cho một vấn đề có sẵn từ trước. flow-1 nhận ra lời giải thích đó chỉ đúng với một trong các lỗi. GPT-6-luna không thấy lỗi nào trong trace này.

Laminar cũng thẳng thắn về điểm yếu. Trong một lần rà soát hợp đồng, flow-1 bỏ sót các biện pháp bảo vệ quản trị AI bắt buộc mà cả hai mô hình GPT-6 đều phát hiện.

Laminar flow-1 so với GPT-6-sol: benchmark ra sao?

Laminar chạy cùng một agent Signals với các mô hình khác nhau trên 523 trace khó thuộc nhiều lĩnh vực như lập trình, pháp lý, hỗ trợ khách hàng, CRM. Đây là kết quả do chính công ty công bố.

Mô hìnhChất lượng phát hiệnChi phí mỗi trace (tương đối)Ghi chú từ Laminar
Laminar flow-1Bằng hoặc tốt hơn GPT-6-sol1x (rẻ nhất)Đào sâu bằng chứng, ít nhiễu hơn
GPT-6-sol (high reasoning)MạnhKhoảng 23x flow-1Đánh dấu nhiều trace hơn, nhiễu hơn
GPT-6-lunaYếu hơnKhoảng 1,33x flow-1flow-1 rẻ hơn 25%

Laminar cho biết GPT-6-sol đánh dấu nhiều trace hơn nên nhiễu hơn, còn flow-1 tập trung vào những lỗi thật sự quan trọng.

Giá Laminar flow-1

Loại tokenGiá cho mỗi triệu token
Đầu vào$0.05
Đầu vào được cache$0.01
Đầu ra$0.30

Chi phí phân tích bao gồm cả lượt chạy của toàn bộ agent Signals, không chỉ một lệnh gọi mô hình. Phép so sánh của Laminar dùng các trace có dưới 100k token LLM tổng cộng. Công ty cho biết một checkpoint RL khác đang được huấn luyện để flow-1 suy luận hiệu quả hơn và giảm chi phí thêm nữa.

Làm sao tự host Laminar?

Nền tảng Laminar dùng giấy phép Apache 2.0. Theo README chính thức, cách nhanh nhất để thử ở máy là dùng Docker Compose:

git clone https://github.com/lmnr-ai/lmnr
cd lmnr
docker compose up -d

Giao diện sau đó chạy tại http://localhost:5667. Bạn cũng cần trỏ Laminar SDK tới instance của mình với baseUrl và các cổng phù hợp. Với production, Laminar khuyên dùng nền tảng được quản lý của họ hoặc docker compose -f docker-compose-full.yml up -d.

Để gửi trace, hãy thêm Laminar SDK vào agent của bạn. Nó chạy với Claude Agent SDK, OpenAI Agents SDK, AI SDK, LangChain, Mastra, Stagehand và nhiều thứ khác. Sau đó bạn mô tả bằng tiếng Anh thông thường cần tìm gì, và Signals sẽ phân tích từng trace.

Một lưu ý: các nguồn không nói rõ liệu bản thân Laminar flow-1 có chạy được trong môi trường tự host hay không. Cloud được quản lý tại laminar.sh là cách có tài liệu để “try flow-1 in Signals”. Hãy xem tài liệu trước khi bạn lên kế hoạch dùng hoàn toàn cục bộ.

Nếu bạn xây agent bằng các công cụ lập trình, hãy xem hướng dẫn của chúng mình về Claude Code subagent, Cursor rules cho workflow agentic và tự động hóa trình duyệt bằng Playwright MCP.

Có đáng dùng cho AI agent của bạn không?

Ưu điểm

  • Giá rất thấp nên có thể phân tích mọi trace, không chỉ một mẫu.
  • Bắt được các lỗi “thầm lặng”, khi mọi lệnh gọi đều thành công nhưng kết quả sai.
  • Linh hoạt: dùng prompt tiếng Anh thông thường bất kỳ và schema JSON bất kỳ.
  • Nền tảng mã nguồn mở có thể tự host.

Nhược điểm

  • Mọi số liệu benchmark đều do chính Laminar công bố.
  • Nó vẫn bỏ sót một số lỗi mà các mô hình GPT-6 bắt được.
  • Hữu ích nhất với các đội đã chạy agent trên production.

Câu hỏi thường gặp về Laminar flow-1

Laminar flow-1 làm gì?
Nó đọc trace của AI agent và báo các lỗi ẩn, như hành động sai hay báo cáo trạng thái gây hiểu lầm, dưới dạng JSON có cấu trúc.

Laminar flow-1 giá bao nhiêu?
0,05 USD cho mỗi triệu token đầu vào, 0,01 USD cho đầu vào được cache và 0,30 USD cho mỗi triệu token đầu ra.

Laminar flow-1 có tốt hơn GPT-6-sol không?
Trên benchmark của chính Laminar, nó bằng hoặc nhỉnh hơn GPT-6-sol về chất lượng phát hiện, với chi phí thấp hơn 23 lần.

Laminar có phải mã nguồn mở không?
Có. Nền tảng Laminar dùng Apache 2.0 và có thể tự host qua Docker Compose.

Framework nào chạy được với Laminar?
SDK hỗ trợ Claude Agent SDK, OpenAI Agents SDK, AI SDK, LangChain, Mastra, Stagehand và nhiều thứ khác.

Nguồn tham khảo

Cập nhật lần cuối: 30/10/2026

Trạm Công Nghệ AI
Logo
Compare items
  • Total (0)
Compare
0