Momentic Inc.是一个由人工智能驱动的软件测试和质量保证平台,今天宣布在早期阶段融资中筹集了1500万美元。
Standard Capital领投了这轮A轮融资,Dropbox Ventures以及现有投资者Y Combinator、FCVC、Transpose Platform和Karman Ventures参与了投资。这次融资使该公司的总融资额达到1920万美元,此前Momentic在仅仅8个月前完成了370万美元的种子轮融资。
许多公司,包括大型企业,都在运行极其繁重的质量保证生命周期。这些流程可能涉及大量自动化测试工具,这些工具严重依赖手写或生成的测试脚本,在功能上线前对其进行测试。
联合创始人兼首席执行官Wei-Wei Wu在接受SiliconANGLE采访时表示:"测试技术已经有20多年的历史,但所有完全自动化的工具仍然需要大量人工干预来编写和维护。"
根据外包软件质量保证服务领先提供商QASource Inc.的一份报告,AI驱动的测试自动化正在增长。手动生成综合测试用例是质量保证过程中最费力且容易出错的部分之一,通常每个功能要花费两到三周时间。即便如此,大多数团队也只能覆盖大约60%到70%的场景,这让软件容易出现漏洞。
除此之外,为前端用户界面预生成的测试用例是脆弱的——这意味着用户界面结构的微小变化就可能破坏测试。
AI编码工具的日益普及,如Anysphere Inc.的Cursor和Anthropic PBC的Claude Code,大大加速了软件功能创建和部署的步伐。根据AI原生软件交付平台Harness Inc.最近的一项调查,67%的开发者表示他们花费更多时间调试AI生成的代码。令人震惊的是,92%的开发者报告说,AI增加了坏代码进入生产环境的"爆炸半径"。
Momentic通过提供一个工具来解决这个问题,该工具可以从完全自然语言语句生成自动化测试用例,描述软件应该如何工作。AI然后规划行动,开发测试用例,并执行测试以揭示是否有什么地方工作不正常。如果用户界面的底层结构发生变化,平台可以自动修复测试,使它们在新范式下继续运行。
Wu补充说:"工程团队正在被破损的Selenium、Cypress和Playwright测试所淹没。质量保证团队开始成为瓶颈。有了Momentic,你可以让你的工程师拥有质量控制权。"
该公司已经发展为各种规模公司质量保证团队信赖的伙伴,从大型技术团队如Notion Labs Inc.和Xero Ltd.,到AI公司如Runway AI Inc.和Reducto Inc.,以及类别领导者如Quora Inc.和Bilt Technologies Inc.。
Notion开发者体验主管Erdem Alparslan说:"在使用Momentic之前,我们的Selenium套件给了我们良好的信号,但维护成本很高。如今,每个工程师都会在每次拉取请求、合并和部署时运行Momentic测试,这是他们正常工作流程的一部分。"
根据该公司统计,Momentic在过去一个月执行了超过2亿个步骤,自动化了相当于近30万小时的手动测试。在同一时期,该平台阻止了超过39万个漏洞进入生产环境。
自3月以来,Momentic已经从仅限网页自动化扩展为多平台测试系统,覆盖移动端——包括Android和iOS——以及即将推出的桌面应用程序,反映了现代团队发布平台的多样性。Wu还强调了基础设施增强功能,如用于大规模管理不稳定测试的"扩大隔离区域"。
在重大更新中,该公司推出了与AI工具的集成和原生模型上下文协议服务器,使AI编码智能体能够直接在Momentic内生成或优化测试。
Wu说:"Momentic不仅仅是一个测试工具。我们将Momentic视为客户如何思考其产品的真相之源。"
Momentic计划利用新资金通过扩展平台覆盖、整合可访问性测试等功能以及加强与AI编码工具和编辑器的集成来增强其工程努力。该公司还将通过增加销售和营销努力来扩大其市场推广运营,以推广其在AI时代软件质量方面的愿景。
Q&A
Q1:Momentic平台有什么特殊功能?
A:Momentic可以从自然语言语句生成自动化测试用例,AI会规划行动、开发测试用例并执行测试。当用户界面结构变化时,平台还能自动修复测试,让测试在新环境下继续运行。
Q2:使用Momentic能带来什么实际效果?
A:根据公司数据,Momentic在过去一个月执行了超过2亿个步骤,自动化了相当于近30万小时的手动测试工作,并阻止了超过39万个漏洞进入生产环境。
Q3:哪些知名公司在使用Momentic?
A:Momentic已被各种规模的公司采用,包括大型技术公司如Notion Labs和Xero,AI公司如Runway AI和Reducto,以及行业领导者如Quora和Bilt Technologies等。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。