Future AGI

Future AGI 用幾種方式替模型輸出打分，你可以挑最適合當下檢查的那一種。BLEU、ROUGE、正規表達式這類規則式評估免費且不限次數。程式碼評估與平台上代管的 Turing 評審模型則依執行次數扣 AI 點數，用自己的金鑰跑評審則不佔平台成本。只要一次呼叫，這套工具就能在文字、圖像與音訊上跑一大票指標，從立論根據、幻覺檢查，到工具呼叫正確性與個資外洩都涵蓋。

traceAI SDK 會擷取端到端的追蹤、跨度與工作階段，讓你清楚看見應用在某次請求上到底做了什麼。它內建 30 多個函式庫與 11 種跨度型別，還有 70 多種篩選條件與全文搜尋，方便翻找每一次執行。工作階段、終端使用者與代理關聯圖，把個別呼叫連回背後的人與流程。自訂儀表板與 Slack、電子郵件警示則補齊了整個視野。

護欄擋在模型前面，雙向篩檢流量。15 項規則式檢查（涵蓋個資、機密與自訂樣式）永遠免費，而機器學習審核模型（Gemma 3n）每次檢查扣 AI 點數。你可以用阻擋、監看或只記錄三種模式運作，並設定分數門檻；另有 15 個外部整合，包括 Lakera、Presidio 與 Llama Guard，方便已經採用這些工具的團隊接上。

模擬功能讓你拿真人來測代理，而不是拿提示詞。代理模擬可以從 28 個以上的現成人物挑一個，或自己寫一個，平台會用文字或語音跟你指定的代理對話，涵蓋腳本、資料集與流程圖三種情境。逐字稿與工作階段比對能看出代理在哪裡亂了套，AI 情境產生器還能依一段描述草擬新的測試案例。語音與文字分鐘數分開計費。

指揮中心是一道 AI 閘道，卡在你的應用與模型供應商之間。它在 15 家以上的供應商之間分流，包括 OpenAI、Anthropic、Gemini 與 Bedrock，內建九種負載平衡策略、自動容錯與重試。精確與語意快取能砍掉重複呼叫，速率上限、預算與虛擬金鑰則把花費壓住。免費方案每月涵蓋 10 萬次請求與 10 萬次快取命中。

資料集在所有方案都永久保留，支援 14 種欄位型別，並有六種建立方式，從手動輸入到 CSV、PDF 與 HuggingFace 匯入都有。實驗功能讓你拿同一組資料跑多個模型或提示詞，把結果放在同一處比較。提示詞工作台加上版本、標籤與資料夾，還有視覺化的代理遊樂場與提示詞遊樂場，讓你不用付平台成本就能在 100 多個模型之間切換。

Falcon AI 會讀你的追蹤資料，挑出人眼會漏掉的模式。它用四個評分面向把錯誤聚類，針對一直出錯的地方產生洞見，並自動加上標籤，方便你依錯誤型別篩選。輸出是一組建議與即時修正，且扣著觸發它們的那幾筆追蹤，從一次失敗的執行到改好提示詞，這是最短的一條路。