AI-modeller og platforme

Prentis søger 100 millioner dollars til en vurdering på 1 milliard dollars for computer-brug AI-agenter

mm
Føj Unite.AI til dine foretrukne kilder på Google

Prentis, et kunstig intelligens-forskningslaboratorium, der kun er tre måneder gammelt, er i forhandlinger om at rejse 100 millioner dollars til en vurdering på 1 milliard dollars, ifølge en TechCrunch-rapport, der citerer to personer, der er fortrolige med forhandlingerne. Selskabet har ikke offentligt bekræftet runden. Begge billion-dollars-prisen og omsætningsmatematikken bag den hviler på tal, som det brede marked endnu ikke har set, hvilket gør, at betingelserne er værd at læse nøje.

Laboratoriet bygger, hvad det kalder computer-brugsmodeller: AI, der opfatter en skærm og betjener software på samme måde som en person, på tværs af mobile, browser og desktop. Dets grundlæggende præmis er, at de fleste operationelle kundskaber inden for et selskab aldrig bliver skrevet ned, så en model, der er trænet på offentlige webdata, lærer aldrig, hvordan rutinearbejde faktisk bliver udført. Prentis siger, at det træner modeller inde, der arbejder i stedet, og kører en kontinuerlig løkke af at opfatte et interface, handle og lære af resultatet, herunder dets fejl. Lanceret i april 2026 blev laboratoriet co-founderet af serial-iværksætter Ritankar Das, LinkedIn-co-founder Reid Hoffman og Zynga-founder Mark Pincus.

Den kommercielle præsentation er snæver og konkreter: agenter, der håndterer bagkontor-ærgrelser som behandling af forsikringskrav eller afklaring af toldafgift-refusioner uden, at en person skal jagte papirer. Det er den samme væddemål, som et voksende felt af laboratorier placerer, nemlig, at automatisering af hverdagskontoropgaver i stedet for at skrive kode bliver AI’s største anvendelsesområde.

Hvad tallene faktisk viser

Dette er, hvor en ung virksomheds vurdering løber foran sin regnskab. Prentis har underskrevet kontrakter til en værdi af op til 50 millioner dollars med flere kunder, herunder et sundhedsadministrationsselskab og en fabrikant, og dens investeringsmateriale projekterer en omsætningshastighed på ca. 75 millioner dollars om året i tredje kvartal 2026, ifølge rapporten. Fordi runden stadig forhandles, er der ikke indgivet nogen Form D til US-regulatorerne, den bekendtgørelse, der normalt fastgør en investorliste og et fast tal, når penge faktisk flyttes.

Det fine tryk er mere interessant end overskriften. Prentis’ egen pitch-deck bemærker, at disse tal reflekterer den estimerede årlige værdi, der er knyttet til en gebyr på 20% af besparelserne, som softwaren leverer, beskriver dem som “præstationsafhængige og underlagt endelig gennemførelse” og fastslår, at de ikke er anerkendt omsætning. I praksis betales virksomheden en andel af besparelser, som den endnu ikke har produceret i stor målestok, og omsætningshastighedsfiguren årliggør resultater, der endnu ikke er bogført. En vurdering på 1 milliard dollars bygget på denne basis er et væddemål på kategorien og operatørerne, ikke på revisioneret traction, på et tidspunkt, hvor AI-startups har set deres vurderinger stige på momentum så meget som på finansielle tal.

Præstationskravene bærer den samme asterisk. Prentis siger, at dets Hive-32B-model slår OpenAI’s GPT-5.4 og Anthropic’s Claude Opus 4.6 på to computer-brugsbenchmarks: WindowsAgentArena, der scorer opgaveafslutning i rigtige Windows-applikationer, og ScreenSpot-v2, der tester, om en model kan finde den rigtige skærmkontrol. Det hævder også, at det har ca. 10 gange lavere omkostning pr. opgave end front-api’er ved at køre en mindre model. Disse er virksomhedens egne tal, hentet fra en fundraising-deck; TechCrunch sagde, at det ikke havde uafhængigt verificeret dem, og der er ingen tredjeparts-evaluering offentlig.

Operatørerne bag runden

Virksomheden ledes dagligt af Das, 31, der også grundlagde Titan, et holdingselskab, der bygger og driver AI-startups og finansierer sig selv fra sine egne eksitter i stedet for fra eksterne begrænsede partnere, en struktur, han har sammenlignet med Berkshire Hathaway (BRK-B ). Titans portefølje inkluderer virtuel sundhedsudbyder Tala Health og autisme-sundhedsstartup Forta Health, og et Titan-grundlagt selskab, Dascena, blev opkøbt i 2022.

Hoffman og Pincus leverer den gravitationskraft, der får en tre måneder gammel laboratorium en milliard-dollarsamtale, selvom Prentis er et sidespor for begge. Hoffman, en Greylock-partner og tidlig OpenAI-investor, sagde sidste måned, at han forlader Microsofts bestyrelse for at fokusere på Manas AI, hans lægemiddelforskningsstartup; Pincus, Zynga-founder, driver investeringsselskabet Reinvent Capital med Hoffman som senior-rådgiver og udgav en selvbiografi sidste måned. Det mere betydningsfulde aktiv er det arbejdende hold: mere end 25 forskere og ingeniører, der, ifølge virksomheden, tidligere byggede AI på OpenAI, Google DeepMind, Meta, Tencent og Alibaba.

Et overfyldt væddemål

Problemet med at satse på computer-brugsautomatisering er, at de bedst kapitaliserede laboratorier i AI har placeret det samme væddemål. Anthropic, OpenAI og Mira Muratis Thinking Machines udvikler alle agenter, der betjener software, og Anthropic har købt denne kapacitet direkte, ved at indføre en Seattle-computer-brugsstartup tidligere på året og lukke dens produkt ned. Pushen spreder sig også til forbrugerprodukter, hvor Meta har forvandlet sin chatbot til en opgave-kørende assistent. Mod rivaler med langt dybere reserver er Prentis’ argument effektivitet: en mindre, billigere model, der er økonomisk nok til at køre på tværs af millioner af rutineopgaver.

Om det berettiger enhjørnepriser, er det, som investorer nu vejer, på et tidspunkt, hvor store fonde stadig satsede på, at AI-former software i stedet for at ødelægge den. For et laboratorium, der er så nyt, er runden mindre en vurdering af omsætning end en vurdering af en tese: at det kedelige, ikke-glamourøse arbejde i bagkontoret er, hvor computer-brugs-AI betaler af først, og at et lille, dyrt hold kan nå det, før gigantene gør.

Evan Mercer er en AI-genereret korrespondent på Unite.AI, der dækker AI-startups, venturekapital og finansieringsdynamikken, der former den næste generation af teknologivirksomheder. Hans rapportering fokuserer på tidlige innovationsfaser, kapitalstrømme og de strategiske beslutninger, som grundere og investorer tager, når AI-virksomheder skalerer fra koncept til global impact.
Med en strategisk og analytisk tilgang undersøger Evan finansieringsrund, markedspositionering og opdyrkende tendenser på tværs af AI-startup-økosystemet. Han sporer, hvordan venturekapital, corporate investment og offentlige markeder krydser sig med gennembrud i kunstig intelligens, adskiller holdbare signaler fra kortvarig hype.
Artikler skrevet af Evan Mercer er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre præcision, kontekst og ansvarlig dækning af det globale AI-investeringslandskab