把智能体当员工用，至少得配三样东西：一份写清楚「何为合格」的考绩表，一个逐行打分还指得出证据的判卷人，一条不达标就打回返工的通道。10 月 14 日，数据标注时代的老将 Labelbox 宣布拿到过亿美元 E 轮融资（投前估值 12.5 亿美元），而它这轮融资真正的主角，正是把这套「员工考核」做成产品的 Recursion Managed Agents。
一轮「股权加信贷」的融资
轮次细节：融资额超过 1 亿美元，投前估值 12.5 亿美元，Infinitum Partners 领投，采用股权加信贷额度的组合，Wipro Ventures、Andreessen Horowitz、B Capital、Tau Ventures、Snowpoint Ventures 等跟投。CEO 兼联合创始人 Manu Sharma 在官方博客里披露了条款，并特意点出领投方的算力背景——Infinitum 的 John Yetimoglu 是 Groq 的早期投资人，如今参与 GroqCloud 的建设，「拿得到算力」被明说为下一章的关键。Labelbox 2018 年创立，自称 2026 年已实现盈利、同比增长五倍以上，客户超过 400 家，覆盖九成以上的美国头部 AI 实验室；平台每一层都自建：超长程智能体挽具、运行数百万台虚拟机的沙箱、自有 RL 后训练设施，以及 400 万人以上的专家网络。
grader 智能体：逐行打分，指得出证据
Recursion 的产品设计值得逐层看。一个托管智能体上岗三件套：目标、触发（定时、告警、Slack 消息、webhook 或 API 调用）、以及一份定义「何为好工作」的考绩表（rubric）。每次运行由独立的 grader 智能体对照考绩表逐行打分，每一笔判定都要指出证据；活儿不达标，智能体自己修订返工。运行模式三种：多智能体（协调者串起各有模型、指令、工具与权限的专家）、团队（同一智能体的副本在共享看板上分工并互查）、以及默认的自动模式（智能体自己判断什么时候该叫专家）。它横跨 100 个以上业务应用和任意 MCP 服务器，每样工具按只读、改数据、破坏性分级，凭据进保险库、模型根本看不见；会话跑在隔离沙箱里，官方称在每个 LLM 供应商侧零数据留存，合规清单列着 SOC 2 Type II、GDPR、CCPA、NIST 800-171 与 PCI DSS。计价按「智能体会话小时」，算力与模型花费合成一个估价。
51 个内部智能体，先当自己的小白鼠
Labelbox 自己就是 Recursion 的重度用户：51 个智能体分布在 11 个团队，从软件工程、可靠性、安全到财务、销售、采购。最好的一组内部读数来自 PR 审查智能体：同一版本、同一模型连跑 39 次评审，33 次通过 grader；每次评审的中位成本从头 11 次的 13.15 美元降到末 11 次的 8.90 美元，降幅约三成，单次约 27 分钟，期间记忆被更新了 15 次。记忆机制也有意思：攒够 5 份会话报告、至多每小时一次，curator 智能体会把 agent 新学到的课整理进记忆，客户可以浏览、也可以删掉过时的课。官方发布博客的标题句很能代表这套哲学：「惊喜不在于智能体能干活，而在于它们进步得多快。」同门的 Horizon 则是给前沿实验室造的 RL 环境工厂：WorldSim 搭出带着代码、仪表盘、表格与文档的假公司，确定性验证器给每条轨迹打分，两条都对的时候由专家偏好教模型「品味」。
放进赛道里看
三个接续点。其一接 1908 的「交付债」：那篇的结论之一是单机可靠性缺考核工具，如今 grader 直接成了产品功能——考绩表现在可以买了。其二接 1619 的「卖结果」：按会话小时计价是从席位制走向结果制中间最常见的一站。其三接评测线：FrontierCode（1903）争的是「可合并口径」，Optro（1921）自动跟进证据，Labelbox 把「逐行打分加举证」做成了托管智能体的默认动作。考核从论文里的美德，变成了商业产品里的按钮，这是本周最实的一步。
需要保留的怀疑
疑点不难列。考绩表写得糙，grader 打分再勤也是糙的——而 rubric 质量恰恰是客户自己负责的那部分；grader 本身也是智能体，判卷人的可靠性没有独立审计，只有厂商自述的零留存承诺；39 次跑分是单次观察而非受控实验，三成降本里有多少是「学会」、多少是任务 mix 变化，分不出来；投前 12.5 亿美元的估值对应的是盈利规模，溢价买的是「考核加环境」这套组合卡位。会话小时计价离「按结果付费」仍隔着一层——活儿干砸了，小时费照算。
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。给正在评估托管智能体的团队一条动作：试用期别问「它多聪明」，问三件事——考绩表能不能自定义、grader 的打分能不能申诉、不达标到底收不收钱。这三个答案，比任何 Demo 都更接近产品的真实成色。