由 LinkedIn 联合创始人 Reid Hoffman、Zynga 创始人 Mark Pincus 和连续创业者 Ritankar Das 联合创立的 AI 研究实验室 Prentis，正在以 10 亿美元估值寻求 1 亿美元融资。这家公司成立仅三个月，核心产品是一个 32B 参数的 computer use 模型 Hive-32B。Prentis 声称它在 WindowsAgentArena 和 ScreenSpot-v2 两项 benchmark 上超越了 OpenAI 的 GPT-5.4 和 Anthropic 的 Claude Opus 4.6，单任务成本约为前沿 API 的十分之一。
这些数字来自 Prentis 的 pitch deck，TechCrunch 获取了其中内容但未独立验证 benchmark 结果。融资尚未完成，客户名称也未被披露。
32B 凭什么挑战大模型
Prentis 的核心论点是：大模型在 computer use 任务上存在结构性浪费。一个 32B 模型如果仅在特定工作流中训练——比如处理保险理赔、自动化海关退税例外——就不需要通用推理能力来解决它永远不会遇到的问题。Prentis 声称通过在实际客户环境中直接训练模型来获取这种效率。
这与微软的做法形成了直观对比。微软研究院的 Fara-7B 同样走小模型路线，7B 参数即能在 WebVoyager 上达到 73.5% 的任务成功率，超越以 set-of-marks 方式运行的 GPT-4o（65.1%）。微软 Fara 团队的核心方法是通过自动化数据生成管线，以每个验证轨迹约 1 美元的成本生产训练数据，而非依赖昂贵的人工标注。
Prentis 没有公开其训练方法和数据管线的技术细节，因此无法判断其效率优势究竟来自模型架构创新、训练数据质量还是 benchmark 过拟合。
Benchmark 声明的边界
WindowsAgentArena（WAA）是微软于 2024 年发布的 Windows 桌面 agent benchmark，包含 150 余项任务，覆盖文档编辑、网页浏览、系统设置、编程和媒体消费等 11 个领域。在原始论文中，最佳模型仅达到 19.5% 的任务成功率，而人类基线为 74.5%。该 benchmark 的一个关键特点是支持在 Azure 上大规模并行评估——数百个 agent 可同时运行，将原本需要数天的评估压缩到约 20 分钟。
ScreenSpot-v2 则是一个 GUI grounding benchmark，测试模型将自然语言指令映射到屏幕像素级目标控件的能力。这与端到端任务完成（WAA 的评估方式）是不同的维度：定位正确按钮只是完成任务的前提条件之一，还需要规划、错误恢复和跨应用协调。
Prentis 在这两项 benchmark 上的表现需要放在更大的评估格局中看待。2026 年 6 月 26 日，OSWorld 基准的开发者发布了 2.0 版本，将任务难度大幅提升。此前 Claude Sonnet 4.6 在 OSWorld 上已达到 72.5%——接近人类水平——但在 OSWorld 2.0 上，最佳模型跌回 20.6%。这说明 computer use benchmark 的难度天花板正在快速抬升，任何在旧版 benchmark 上的领先优势都有保质期。
TechCrunch 明确表示未独立验证 Prentis 的 benchmark 结果，Prentis 也未公开足以让外部研究者复现对比的技术材料。在当前阶段，这些声明应被视为 Prentis 自己提供的、用以支撑融资叙事的内部数据。
收入预期 vs 确认收入
Prentis 的商业故事同样需要拆分。TechCrunch 报道，Prentis 已签署价值最高 5000 万美元的合同，投资者材料预测 2026 年第三季度年化 run rate 为 7500 万美元。但这些数字的构成方式与传统的 SaaS 收入有本质区别。
Prentis 的收费模式是取得客户通过自动化节省成本的 20%。这意味着 7500 万美元的预测取决于：(1) agent 实际产生了多少节省；(2) 节省是否可持续且可量化；(3) 客户是否认可计算结果。Pitch deck 中将这些数字描述为"依赖于性能表现并取决于最终执行"。这是一种高度条件化的收入模型——如果 agent 的表现不达预期，收入可以直接归零。
Ritankar Das 此前通过其控股公司 Titan 创办了多家 AI 驱动的医疗健康企业，包括获得 Insight Partners 5500 万美元 A 轮融资的 Forta Health，以及被 CirrusDx 收购的 Dascena。他在垂直行业 AI 应用方面的经验解释了 Prentis 的商业路径选择：卖掉的是成本节省，而不是软件许可。
一条正在拥挤的赛道
Prentis 进入的市场已经聚集了几乎所有主要 AI 玩家：
Anthropic 于 2024 年底率先在 Claude 中推出 Computer Use 功能，2026 年 2 月收购了 Seattle 的 computer use 初创公司 Vercept。Claude Sonnet 4.6 在 OSWorld 上的成绩从 2024 年底的不到 15% 提升至 72.5%。Anthropic 还收购了 Bun（coding agent 引擎）来增强 Claude Code 的能力。
OpenAI 于 2025 年 1 月推出 Operator，其底层模型 CUA（Computer-Using Agent）结合了 GPT-4o 的视觉能力和强化学习训练的推理能力，通过截图感知屏幕并执行鼠标键盘操作。2026 年，CUA 能力已整合到 ChatGPT Atlas 和 agent mode 中。
Google 发布了基于 Gemini 2.5 Pro 的 Computer Use 模型，可通过 API 构建浏览器、移动和桌面控制 agent。Amazon 将 Nova Act 正式上线，面向浏览器端生产工作流。
在初创公司一侧，H Company 和 Simular 也在销售基于图形界面操作的 agent 产品。
这意味着 Prentis 不仅在技术上与大厂竞争，在客户关系、云分发渠道和企业信任方面也面临不对等的资源差距。Das 的回应是将 Prentis 的经济模型直接绑定到客户节省上——跑不出节省就不收费——以此降低客户试用门槛。
这一轮融资真正在赌什么
Prentis 的 10 亿美元估值提案包括：一个未公开技术细节的 32B 模型、两项未经独立验证的 benchmark 成绩、一份基于预期节省而非已确认收入的商业预测，以及三个未披露名称的客户。
如果仅从已验证的证据出发，这一估值对成立三个月的公司而言承载了大量未兑现的假设。但 computer use agent 赛道的宏观逻辑是成立的：模型能力正在快速接近、甚至在某些 benchmark 上超越人类水平；企业自动化需求真实存在；小模型在特定任务上的成本优势已有多项独立证据支持（如微软 Fara-7B 的工作）。
Prentis 真正在赌的是：在企业自动化这个场景中，垂直训练的小模型 + 按效果付费的商业模式，会比通用大模型订阅更快获得企业客户的正向现金流。如果这个赌注成立，7500 万美元的年化预测只是起点。如果不成立——例如 agent 在实际生产环境中故障率远超预期，或大厂以更低的边际成本提供类似能力——Prentis 的合同和估值将一起承压。
接下来需要观察的关键变量：Prentis 是否会在融资完成后公开技术细节和 benchmark 复现方法；首批客户的实际节省数据何时出现；以及 Anthropic、OpenAI 和 Google 在垂直行业 computer use 场景中是否会推出类似的结果导向定价。