Musubi

产品简介

Musubi（musubilabs.ai）是 Musubi Labs 打造的 Trust & Safety 领域 AI 编排平台，总部位于加州圣巴巴拉，由前 Grindr 首席技术官 Tom Quisel、AI 研究员 Filip Jankovic 与 OkCupid 联合创始人 Christian Rudder 共同创立，2023 年成立至今已拿下约 800 万美元融资，旗下客户包括 Bluesky、Grindr、Tremau、Nvidia 等大型社交平台与开发商，覆盖约 1.5 亿用户。Musubi 把自己定位为「给安全团队用的 AI 操作系统」，把模型、Agent、工作流、策略与可观测性编织成一套可被平台逐步替换或并存的审核基础设施。

核心功能

1. Musubi Mini / PolicyLM-1.7B 决策模型：1.7B 参数开源 Apache-2.0 模型，读取自然语言版平台政策即可在 50 毫秒内返回 0-1 分数，单卡 24GB 显存即可运行，单条消息推理成本与 AI 时代的固定分类器持平。
2. AiMod 内容审核 Agent：实时识别欺诈账户与有害内容，覆盖文本、图像、视频、音频及任意组合的多模态判定，支持 150 种语言，Bluesky 等平台已用于生产环境的全量流量。
3. PolicyAI 策略代理：用日常英文撰写政策即可立即生效，无需重训；支持 A/B 不同策略版本并对比精确率、召回率与 F1，可一键回滚到历史版本。
4. Fraud Enforcement 反欺诈执行：自动识别虚假账户、骗局团伙与协同滥用，依托全账号内容与行为特征做风险打分并每日更新模型。
5. Coop 全托管控制台：开箱即用的开源审核控制台，可直接对接 NVIDIA、Tremau 等第三方工具链，也可接入到平台自有的审核系统，做到「无替换成本」。
6. 可观测性与告警：内置 Monitoring & Insights 工具实时呈现信息流、可疑设备、可疑 IP 与重复账户的关联图，便于运营人员提前介入。
7. 可定制 Agent 工作流：把分类器、LLM、自适应风控模型与人工审核串联成决策树，简单案件自动裁决、模糊案件升级到更大的模型、高风险案件转人工。

特色优势

• 决策模型路线：跳过逐 token 文本输出、把判定压缩到 0-1 标签，延迟稳定在 50-150 毫秒之间，比传统 LLM 判官快一个数量级。
• 策略即代码：平台改规则不需要重新训练模型，「人即改、即生效」，在 AI 代理时代 UGC 与 AIGC 内容双重冲击下依然可保持分钟级迭代。
• 无替换成本：可平移到平台现有的审核控制台、自研工具或合作方工具上，不强迫替换。
• 数据隔离：客户数据不参与共享模型训练，可在自有数据上做轻量微调，微调结果只服务本平台。
• 开源策略透明度：PolicyLM-1.7B 与配套的 ROOST 路由指南均已开源，方便内审与合规复核。

应用场景

• 社交平台实时审核：Bluesky、Grindr 等社交平台日均百万级消息与多媒体判定。
• 在线交易市场反欺诈：识别虚假账户、骗局团伙与协同滥用行为，提前阻断风险扩散。
• AI 代理内容合规：在 Meta Muse、Instinct 等代理时代，AIGC 与 UGC 双流量冲击下的合规需求。
• 品牌安全与广告审核：对广告创意做品牌安全与政策双重检查，拦截不当创意投放。
• 在线社区治理：为论坛、Discord、Slack 社区提供 CSAM、未成年保护、反极端内容等垂直模块。
• 跨境内容合规：支持 150 种语言判定，适配不同司法管辖区的内容合规要求。

适用人群

• Trust & Safety 团队负责人与运营经理
• 内容审核平台合规与法务团队
• 社交平台、约会平台、市场平台风控负责人
• AI 代理时代的内容合规工程师
• 自研审核系统的中小平台技术负责人

出品方

Musubi Labs，总部位于美国加州圣巴巴拉，2023 年由前 Grindr CTO Tom Quisel、AI 研究员 Filip Jankovic 与 OkCupid 联合创始人 Christian Rudder 共同创立。Musubi 已加入 ROOST Model Community，与 Internet Watch Foundation 合作打击 CSAM 内容，并与 Tremau、NVIDIA 等达成生态合作。

更新动态

2026 年 10 月 6 日，Musubi 发布开源决策模型 PolicyLM-1.7B，以 Apache-2.0 协议开放权重，并把模型贡献进 ROOST Model Community；同期与 ROOST 联合发布《Choosing and Routing Open Safety Models》开源指南，并于 10 月 27 日联合举办安全工作坊「Does a Model Follow Your Rules?」。

官方链接

• 官网：https://www.musubilabs.ai
• 产品介绍：https://www.musubilabs.ai/ai-stack
• 开源博客：https://www.musubilabs.ai/blog/introducing-policylm-1-7b
• Hugging Face 模型：https://huggingface.co/musubilabs/policylm-1.7b
• TechCrunch 报道：https://techcrunch.com/2026/10/06/how-ai-decision-models-could-change-content-moderation/