幣界網消息，Laminar 發布了一個專門用於檢查 AI、agent 執行軌跡的模型 flow-1，該模型能夠讀取模型調用、工具調用及返回結果，找出 agent 在執行過程中的錯誤。根據 Laminar 自建의 523 條難度 trace 測試，flow-1 的錯誤檢測 F1 值為 0.835，優於 GPT-6-SOL 的 0.816。對於不足 10 萬 LLM、tokens 的 trace，flow-1 的平均每條分析成本約為 0.0011 美元，而 GPT-6-SOL 則為 0.026 美元，成本相差約 23 倍。儘管目前這些成績來自 Laminar 自建的 benchmark，尚無第三方複測，但社區對其在真實生產環境中的表現仍存有疑問。