据相关报道，Sieve 已推出一个专注于视频与音频标注的多模态数据实验室。该公司被描述为面向前沿 AI 构建工具，其工作流覆盖视频与音频标注，而不仅限于文本。
对 agent 工程而言，真正重要的区别在于这套工具处于技术栈的哪个位置。Sieve 的产品面向数据准备，而非模型服务。这使其位于评估循环的上游：标注与打标决定了数据集中存在哪些轨迹，因而也决定了究竟哪些 agent 行为可以被评分。对于处理多模态 agent 
从所提供的报道中，若干细节仍不明确。目前没有关于支持格式、吞吐量、质量控制机制，或标注输出如何导出至训练与评估流水线的信息。报道中未包含基准测试、客户名称或可用日期，因此关于规模的宣称尚无法被独立验证。
Behzat AI 将标注与数据准备工具视为多模态 agent 评估的一项依赖进行跟踪。无法为视频与音频生成可靠标签的系统，也无法为消费这些数据的 agent 生成可靠的评分。