O caso de uso: como Trajectory implanta 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.
Outros resultados informados
Números publicados no estudo de caso de Daytona. Eles não são medidos de forma independente pelo usedby.
700k sandboxes provisioned with Daytona
15+ hours of engineering time saved monthly
Nas palavras do 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.Outras ferramentas de IA usadas por Trajectory
Outras relações públicas registradas no usedby.
Explorar a stack de IA de Trajectory
Outras empresas que usam Daytona
Clientes de todos os setores, com evidências públicas.
AfterQueryConfirmado
AsteroidConfirmado
BenchFlowConfirmado
CapyConfirmado
HandshakeConfirmado
Laude InstituteConfirmadoIr direto à fonte
Com base no estudo de caso publicado por Daytona. Verificamos as evidências públicas; os resultados são informados pelo fornecedor.
daytona.io- Última verificação
- 27 de out. de 2026
Abrir a captura da fonte O que o estudo de caso afirma e o que verificamos
O que comparamos com a página.
- O número: 99.6%Verificado
Impresso palavra por palavra na página, perto do nome de Trajectory.
- O trecho citado acimaVerificado
Copiado palavra por palavra da página, perto do nome de Trajectory.
- Trajectory usa DaytonaVerificado
Linha de nível Confirmado.
- O resultado em siNão verificado
Nós o citamos; não o 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.