Patronus — Juni 2026

Frontier-Labs und Startups nutzen Patronus, um Agenten vor dem Einsatz in komplexen realen Aufgaben (z. B. Software-Engineering, Finanzanalyse) zuverlässig zu evaluieren – ohne menschliche Beteiligung. Der 15-fache Umsatzanstieg im Jahresvergleich zeigt hohen Bedarf an robusten Agent-Evals jenseits klassischer Benchmarks.

Entwickler, die Agenten mit RL trainieren, erhalten eine standardisierte Gymnasium-kompatible API (reset(), step(), state()), die jede Umgebung über HTTP/WebSocket und Docker bereitstellt – unabhängig von Modell, Harness oder Trainer. Geplante Integrationen mit TRL und Unsloth sowie MCP-First-Class-Support senken den Integrationsaufwand erheblich.