8月31日消息,据 36氪旗下《智能涌现》报道,Agent 平台公司 CREAO AI 近日完成新一轮战略融资,金额为千万级美元。融资将用于扩大真实业务工作流与高质量反馈数据的规模,加速基于开源模型后训练的垂直模型迭代,并完善供 Agent 自我进化的运行环境。此前,公司累计融资总额已超 3000 万美元。这家公司押注的方向,是让 Agent 在执行任务的环境里自我改进,而不是先去训练更聪明的模型。
自进化先从 Harness 层做起
CREAO 面向 B 端提供云端 Infra 服务,企业在平台上创建、运行和管理自己的 Agent,通过一次对话就能生成并部署一个可反复使用的应用:AI 生成工具、自主执行并使用工具,人只负责提出需求和审批。
《智能涌现》的报道把 RSI(递归式自我改进)拆成三层:评估并优化自己的产出物,优化 Agent 执行任务时使用的 Prompt、Memory、Tool、Skill 等 Harness 层组件,以及优化模型参数本身。CREAO 选择先做第二层,且已经有落地的部分——公司称已跑通在某一商业场景内、由高质量数据驱动的 Harness 有限自我迭代:AI 在真实生产环境的每次执行、反馈和纠正中积累经验,再用于改进自己的规划方式、工具调用、记忆、任务剧本、模型路由与故障恢复机制。
CREAO 联合创始人兼 CEO 程凯把 Harness 比作一个房间:博士生扔进只有纸笔的空房间做不出高质量产出,初中生在有网络、有各种工具的房间里反而可能做出更多成绩。他的判断是:"比起在基模上做微调,在 Harness 上做自我迭代的 ROI 更高,解决运营层面的问题,远比模型智商层面的问题快。"
这条路线有明确的边界。公司方面区分了两类错误:连接数据库、读取文档出错是客观性错误,Harness 层的自我修正能够覆盖;任务执行结果的好坏是主观性错误,要实现这类自我纠错,仍需在基模层探索。CREAO 因此正着手推出基于业务数据持续后训练的基础模型,未来几个月将率先推出针对一个核心场景、基于开源模型后训练的版本,后续再扩展到电商、地产、物流运输、数字营销等场景,目标是降低 Token 消耗、以实际运营指标为主导,用更低成本的模型接近前沿模型的任务能力。程凯说:"很多企业都用不起最前沿的模型。"
数据盘子:4 个月新建 27 万个 Agent
据 CREAO 方面披露,平台上线 4 个多月累计新建 27 万个 Agent;在留存用户中,65.2% 的任务来自商业与金融相关场景,93.4% 的操作由系统自动触发完成,超过六成的自动化流程任务已持续运行超过一个月。公司的主要客户是中小企业,集中在数字营销、电商和地产场景。
高频复跑让稳定性成为商业化的前提。据披露,平台上 95% 以上的 Agent 会被每日重复运行,同一任务可能执行成百上千次。以电商场景的 SEO 优化为例,大量用户的工作流方向相似,平台得以从宏观层面积累反馈数据、整体改进 Harness 能力,新用户构建同类 Agent 时,不再需要像早期用户那样反复调优。公司还称,按内部基准测试,其部署的微调模型比调用外部 API 更快、成本更低,平台内已有越来越多任务改用开源模型运行。这些数字与测试结果目前均为公司口径,尚无第三方验证。
RSI 的赛道时刻,和 CREAO 的次序
自进化不是 CREAO 一家的叙事。7月27日,Thinking Machines Lab 联合创始人翁荔因健康原因离职,随后回归 OpenAI,领导内部高优先级的 RSI 团队,研究用 AI 模型开发新模型。据《智能涌现》报道,她此前在博客中判断,RSI 可能先从 Harness Engineering 爆发。行业侧,Agent 是 2026 年增长最快的软件品类之一,据 AI Funding Tracker 统计,头部 25 家 Agent 公司的融资总额超过 250 亿美元,NVIDIA 也在 GTC 2026 为自编码 Agent 与数据飞轮设置了专场。
CREAO 的差异在次序:OpenAI 在模型层做 RSI,CREAO 从 Harness 层切入,理由是真实业务数据唾手可得。程凯判断"当下整个 B 端企业市场战斗还没有真正开始",公司正把市场重心向更大的客户倾斜,即将推出面向企业场景的新版本,覆盖数据安全、合规与私有化部署需求,终局是做企业的自进化基础设施——Agent OS。
这条路线的赌注不在技术叙事而在数据:Harness 层的改进只能覆盖客观性错误,任务结果好坏的主观判断最终仍要回到模型层。上文那些运营数字都还是公司自己的统计,自进化是否真的随运行变好,眼下没有第三方可验证的证据。融资到账后,第一个能对外检验的节点,是未来几个月要推出的那个垂直场景后训练模型。