2026 年 9 月 3 日，总部位于华盛顿州沃什戈尔的 Resect AI 从 stealth 出场，宣布完成 2500 万美元种子轮融资，推出名为 NeuroWave 的产品套件，切入的是企业 AI 的「问责层」：在模型生成答案的过程中，实时监测并修改模型内部状态，赶在幻觉离开模型之前把它拦下来。与多数在文本生成之后做打分或事实核查的工具不同，Resect 选择往模型内部走，这也是它区别于拥挤的 AI 可观测性赛道的关键。
在模型内部动刀，而非在输出末尾打分
Resect 的核心主张是「过程内干预」。传统幻觉缓解工具大多工作在输出之后：模型先把整段文本生成完，再由一个过滤器去评分、去事实核查，问题在于此时错误可能已经出口，而且过滤器很难追到模型为什么错。Resect 的 NeuroWave 则把监测点前移到生成过程中——在推理进行时对模型内部状态做观察，识别与编造相关联的行为特征，并在答案离开模型前修改行为。公司把这套能力比喻为「神经网络的测谎仪」。由于它直接改的是模型内部决策过程，理论上比事后纠偏更靠前，也更能留下可审计的轨迹。
这条路线并非没有前提。要在推理流中干预，需要触达模型内部激活层级，这在开放权重模型上最易实现；对于只通过 API 访问、内部不可见的闭源模型，落地方式则没那么直接。Resect 披露的两只模型基于 Qwen3 架构、采用非思考式设计：一只 6 亿参数的 Veritas 事实核查模型，一只 80 亿参数模型。据模型卡，0.6B 模型在 LLM-AggreFact 上的平均表现约 72.3%，较 Qwen3 提升约 7.4 个百分点。公司称这套方法也能用于 DeepSeek、Qwen、Llama 等开源模型，降低它们的幻觉。
问责层为什么是企业侧的刚需
对金融、医疗、出版、研究、教育这类强事实行业，模型「自信地胡说」比「答不上来」更危险。Resect 把审计轨迹作为更立即可见的企业卖点：当模型内部被观察、被修改，系统可以记录它考虑了什么、改了什么，形成合规可用的证据链。这正是面临 AI 治理要求的行业客户最看重的那部分价值。公司已将部分工具以开源形式放出，目标是在降低接入门槛的同时，把「问责」做成智能体生产化的前置条件。
也要冷静看待它的成色。Resect 的专利方法尚未经过独立同行评审，跨模型、跨部署环境的可靠表现仍有待生产数据验证；它对闭源 API 模型的覆盖方式也还没公开讲清。融资结构同样不常见：2500 万美元种子轮没有披露领投方，也没有公布投后估值，在同类规模的早期轮里较为少见。对买方而言，这既少了市场信号，也少了可参照的估值锚。但方向本身踩中了企业 AI 从「能用」走向「可信」的关口——当监管与采购方开始要求可解释、可审计，问责层会从加分项变成必选项。
赛道信号
Resect 的出现，反映 AI 可靠性正从「外围观测」向「内部干预」迁移。前一波创业公司多在输出后做防护栏、做检索增强、做打分；Resect 赌的是「在模型里改」比「在模型外拦」更有效也更易审计。这个赌注不好轻易兑现——它需要模型内部访问权限，也要证明在真实负载下稳定有效。但即便它最终只靠审计轨迹与问责叙事撑起价值，也为企业 AI 提供了一块此前缺位的拼图。从监测到干预，从输出到内部，这条线或许会重新定义「可信智能体」的底座。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。