El uso: cómo Trajectory implementa Daytona
Trajectory uses Daytona's sandbox infrastructure in its reinforcement learning post-training pipelines, provisioning large numbers of isolated, stateful sandboxes in parallel where AI agents train on replicas of customers' tools and systems. Snapshots and a warm pool are used to pre-configure environments, and lifecycle controls tear sandboxes down automatically.
Otros resultados publicados
Cifras publicadas en el caso de estudio de Daytona. usedby no las mide de forma independiente.
700k sandboxes provisioned with Daytona
15+ hours of engineering time saved monthly
En palabras del cliente
Daytona lets us spin up environments that used to take up to 30 minutes in under five seconds. And we can do that for thousands of sandboxes at once, which is what makes efficient RL post-training possible.Otras herramientas de IA utilizadas por Trajectory
Otras relaciones públicas registradas en usedby.
Explorar las herramientas de IA de Trajectory
Otras empresas que utilizan Daytona
Clientes de distintos sectores, con pruebas públicas.
AfterQueryConfirmado
AsteroidConfirmado
BenchFlowConfirmado
CapyConfirmado
HandshakeConfirmado
Laude InstituteConfirmadoConsultar la fuente
Basado en el caso de éxito publicado por Daytona. Verificamos las pruebas públicas; los resultados son los que declara el proveedor.
daytona.io- Última verificación
- 27 oct 2026
Abrir la captura Lo que dice la historia, y lo que verificamos
Lo que comparamos con la página.
- La cifra: 99.6%Verificado
Impresa palabra por palabra en la página, cerca del nombre de Trajectory.
- El pasaje citado arribaVerificado
Copiado palabra por palabra de la página, cerca del nombre de Trajectory.
- Trajectory usa DaytonaVerificado
Línea de nivel Confirmado.
- El resultado en síNo verificado
Lo citamos; no lo medimos.
Combined with Daytona’s warm pool of snapshot-based sandboxes, startup times have dropped from 30 minutes to seconds. That speed enables Trajectory to run RL training loops at the pace their pipeline demands, accelerating model iteration and increasing training throughput.