Morph presenta Reflexes, un servicio basado en API que extrae señales semánticas —como bucles, filtraciones de razonamiento o frustración del usuario— a partir de las trazas generadas por agentes de IA en producción. La propuesta resuelve un cuello de botella operativo: revisar cada turno con un modelo frontera como GPT o Sonnet resulta caro y lento cuando se procesan decenas de miles de ejecuciones y millones de turnos.
En el núcleo del sistema hay un modelo de lenguaje pequeño con una arquitectura multi-head inference: un backbone compartido lee la traza una sola vez y, sobre él, distintas cabezas clasifican señales diferentes. La inferencia se ejecuta por debajo de los 30 ms y la petición completa se sirve en menos de 90 ms; añadir reflejos adicionales apenas incrementa la latencia, menos del 0,1 % por cada uno y menos de 2 ms totales al pasar de 4 a 100 reflejos. Para lograrlo, Morph ha construido un motor de inferencia propio, fork de vLLM, que reutiliza la fase de prefill y la caché KV entre reflejos y entre entradas.
El servicio se ofrece 100 % vía API, sin panel de control convencional, y permite entrenar reflejos personalizados desde el dashboard o dejar que se auto-mejoren en producción. Morph plantea casos de uso como monitorizar tasas de frustración a lo largo del tiempo o activar flujos automatizados cuando se detecta un patrón, en escenarios donde el enfoque clásico de LLM-as-judge no escala. La compañía busca反馈 de equipos con agentes en producción que necesiten métricas fiables sobre el 100 % de los turnos.