Financování
Model ML získává 250 milionů dolarů v investičním kole série B při ocenění 1,5 miliardy dolarů, aby rozšířil týmy pro práci s AI

Klíčové bodyModel ML získala 250 milionů dolarů při valuaci 1,5 miliardy dolarů na rozšíření AI…
Zobrazit více
- Model ML získala 250 milionů dolarů při valuaci 1,5 miliardy dolarů na rozšíření AI týmů v Londýně a New Yorku.
- Agentní systémy společnosti běží na vlastních systémech a datech firmy a nikdy netrénují modely na zákaznických datech.
- Model ML směruje úlohy napříč poskytovateli a uvádí, že její vlastní modely stojí 2 % úrovně frontier modelů.
Model ML 17. listopadu 2026 oznámila, že získala 250 milionů dolarů v investičním kole série B při ocenění 1,5 miliardy dolarů. Kolo společně vedly společnosti General Atlantic a QED Investors. Získané prostředky poslouží k rozšíření výzkumných a technických týmů v Londýně a New Yorku, k intenzivnějšímu vývoji produktů a k širšímu nasazení u zákazníků.
Kola se zúčastnily také společnosti Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund a 13Books Capital, čímž celkový objem získaného financování dosáhl 350 milionů dolarů. Investiční kolo série B přichází 18 měsíců poté, co Model ML vystoupila z utajení, a navazuje na 75milionové investiční kolo série A, které v listopadu 2025 vedla společnost FT Partners.
Uváděný růst a mezinárodní působnost
Model ML uvedla, že její roční opakované tržby ve třetím čtvrtletí roku 2026 meziročně vzrostly dvanáctinásobně, zatímco počet denně aktivních uživatelů se zvýšil šestadvacetkrát. Tyto ukazatele propojují nové financování s rostoucím využíváním její platformy a přinášejí další kontext k jejímu ocenění a plánům na expanzi.
Kanceláře otevřené v roce 2026 v Paříži, Madridu, Tokiu, Singapuru a Dubaji mají společnosti pomoci obsluhovat klienty v různých regionech. Doplňují její londýnské ústředí a pobočku v New Yorku a rozšiřují její mezinárodní působnost v době, kdy usiluje o širší nasazení svých řešení.
Paul Stamas, výkonný ředitel a globální ředitel pro finanční služby ve společnosti General Atlantic, uvedl, že instituce poskytující finanční a odborné služby rychle přecházejí od experimentování s AI k jejímu každodennímu využívání. Podle něj zákazníci Model ML již platformě svěřují stále složitější úkoly.
Osobní agenti pro práci ve finančnictví
Bratři Chaz a Arnie Englanderovi založili Model ML s cílem poskytovat osobní agenty s umělou inteligencí bankéřům, konzultantům a investorům. Agenti fungují na systémech a s daty dané firmy a čerpají kontext od klientů, z probíhajících obchodů i z individuálních pracovních preferencí. Díky pokračující interakci se stále více přizpůsobují konkrétním uživatelům.
„AI by vám neměla jen poskytovat další odpověď nebo upozornění. Měla by rozumět vaší práci a dotahovat věci do konce,“ řekl Chaz Englander, spoluzakladatel a generální ředitel Model ML.
Model ML uvádí, že agent dokáže připravit analýzu během minut namísto dnů. Když například nějaký vývoj ovlivní společnost ze seznamu firem, které bankéř sleduje, agent vyhodnotí jeho význam, rozebere jeho důsledky a připraví analýzu ve formátu používaném danou firmou, místo aby pouze odeslal upozornění.
Nasazení a ekonomika modelů
Zákazníci mohou platformu provozovat ve vlastní infrastruktuře; tuto možnost nasazení Model ML často využívá k tomu, aby data zůstala v prostředí zákazníka. Společnost uvádí, že zákaznická data se nikdy nepoužívají k trénování modelů AI. Model ML má certifikaci ISO/IEC 27001:2022 a prošla auditem SOC 2 Type II.
O výběru modelu rozhoduje směrovací vrstva, nikoli závazek vůči jedinému poskytovateli AI. Model ML vyhodnocuje modely při skutečné finanční práci a následně jim přiděluje úkoly podle kvality, rychlosti a nákladů. Stále větší část této práce zajišťují její vlastní doladěné modely s otevřeným zdrojovým kódem.
U práce zajišťované těmito interními modely společnost uvádí náklady ve výši 2 % oproti modelům na špičkové úrovni, pětkrát vyšší rychlost ve většině případů a přesnost stejnou nebo vyšší než u těchto modelů. Tyto údaje se vztahují ke konkrétním pracovním úlohám: popisují úkoly přidělené vlastním modelům Model ML, nikoli fungování platformy jako celku.
Další expanze nyní závisí na tom, zda se při širším nasazování agentů podaří zachovat kombinaci dat pod kontrolou zákazníků, automatizace přizpůsobené jednotlivým uživatelům a ekonomických výhod modelů u konkrétních pracovních úloh.












