通用模型不会自动从错误里变专业——律所与投行要的是「干了三十年的老人」，不是「永远第一天上班的天才博士」。Trajectory由此切入：把持续学习（continual learning）产品化，让非技术专家也能基于业务反馈改进专用模型。
公司成立约一年，核心团队来自斯坦福，并有Google DeepMind与Apple背景，现约18人。本轮A轮融资4500万美元，估值约3亿美元，Sequoia领投，英伟达、Bessemer、Bain Capital Ventures参与。用户可从开源模型起步，把平台接到自有应用，收集表现反馈并自动再训练，使模型在审合同、估值方法论等专项任务上越用越好。公开客户包括Harvey、Rogo、Decagon、Mercor与英伟达；平台正对更广泛用户开放。
联合创始人强调：这与完全自主的RSI不同，人类仍定义「什么叫好」，从而降低失控风险。竞争格局里，他们把Thinking Machines Lab的Tinker、以及Applied Compute、Prime Intellect等视为对手，并自认界面设计是让非技术客户能用的关键。对企业AI采购者，Trajectory想砍掉的是「养一支前向部署工程师团队」的固定成本——成败取决于后训练循环能否在真实合规约束下稳定提升，而不是演示集上的一次跳高。