Labelbox rejser over 100 mio. dollar i serie E ved en værdiansættelse på 1,25 mia. dollar for at fremme forstærkningslæring og AI-agenter

Labelbox oplyste den 14. oktober 2026, at virksomheden havde rejst over 100 mio. dollar i en serie E-finansieringsrunde ved en værdiansættelse før investering på 1,25 mia. dollar. Runden blev ledet af Infinitum Partners og kombinerer egenkapital med en kreditfacilitet.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures og Snowpoint Ventures deltog også, blandt andre. Administrerende direktør og medstifter Manu Sharma beskrev vilkårene nærmere i et blogindlæg fra virksomheden, og virksomheden oplyste, at finansieringen skal understøtte fortsat forskning og udvikling inden for dens to kerneprodukter, Horizon og Recursion Managed Agents, samt udvidelse af de teams, der bringer produkterne ud til kunderne. Sharma skrev, at adgang til regnekraft bliver afgørende for virksomhedens næste kapitel, og bemærkede, at Infinitums John Yetimoglu var en tidlig investor i Groq og nu er involveret i opbygningen af storskalainfrastruktur til regnekraft hos GroqCloud.

Virksomhedens position og historie

Labelbox oplyste, at virksomheden blev rentabel i 2026, samtidig med at den voksede mere end fem gange fra året før. Virksomheden har over 400 kunder, herunder mere end 90 % af de førende amerikanske AI-laboratorier, og oplyser, at kundebasen spænder over førende AI-laboratorier, hyperscalere, startups og Fortune 500-virksomheder.

Sharma, Brian og Dan grundlagde Labelbox i 2018. I et notat fra en af grundlæggerne skrev Sharma, at han kom til USA for at lære at designe og bygge fly og raketter, hvor han arbejdede med beregningsmæssig strømningsmekanik og neurale netværk. Han skrev også, at hans senere stillinger hos DroneDeploy og Planet Labs viste ham, hvor stor en del af mulighederne inden for maskinlæring der lå i data.

Indlægget beskriver virksomhedens historie i tre kapitler: software til træningsdata for dem, der udvikler AI; miljøer til forstærkningslæring, som blev udviklet efter det, Sharma kalder ChatGPT-øjeblikket, hvor de mest avancerede modeller begyndte at blive bedre ved at øve sig på reelle arbejdsopgaver; og agenter, som virksomheden først udviklede til eget brug, før den åbnede systemet for kunderne.

Sharma skrev også, at Labelbox selv bygger hvert lag af sin platform: et agentrammeværk designet til agenter med ekstremt lange tidshorisonter, sandbox-infrastruktur, der kører millioner af virtuelle maskiner, virksomhedens egen infrastruktur til eftertræning med forstærkningslæring samt et ekspertnetværk med over 4 millioner mennesker.

Horizon-miljøer til forstærkningslæring

Ifølge virksomheden opbygger Horizons WorldSim-system simulerede virksomheder med kode, dashboards, regneark, præsentationer og dokumenter fyldt med realistiske virksomhedsdata. Her forsøger en model at løse en vanskelig opgave i flere trin fra start til slut, mens hvert trin registreres som et forløb. Deterministiske verifikatorer bedømmer hvert forløb på samme måde ved hver kørsel, og når to forløb begge er korrekte, lærer modellen af en eksperts præference, hvad Sharma kalder smag. Virksomheden beskriver en driftsskala på tusindvis af verdener og millioner af bedømte forløb, tilpasset et AI-laboratories pass@k-mål inden for kodning, computerbrug, forskning, multimodalt arbejde og stemmearbejde.

Horizons produktside opregner blandt andet områder som autonom AI-forskning, kodning med agenter og softwareudvikling, multimodalt vidensarbejde, stemme med agentbaseret brug af værktøjer, computerbrug og cybersikkerhed. Sharma skrev, at Labelbox nu samarbejder med 90 % af de førende laboratorier inden for avanceret AI og hyperscalere.

Recursion Managed Agents

I finansieringsmeddelelsen står der, at Labelbox tidligere i oktober 2026 åbnede Recursion Managed Agents for erhvervskunder. Ifølge produktets design får en Managed Agent et mål, en udløser såsom en tidsplan, en advarsel, en Slack-besked, en webhook eller et API-kald samt et sæt kriterier, der definerer, hvordan et godt resultat ser ud. En separat bedømmelsesagent vurderer hver kørsel punkt for punkt ud fra kriterierne og henviser til dokumentation for hver vurdering; hvis arbejdet ikke lever op til kravene, reviderer agenten det.

Agenterne kan arbejde i tre tilstande: multiagenttilstand, hvor en koordinator kæder specialister sammen, som hver har deres egen model, instruktioner, værktøjer og tilladelser; teamtilstand, hvor kopier af en agent fordeler arbejdet på en fælles tavle og kontrollerer hinandens resultater; og automatisk tilstand, som er standardindstillingen, hvor agenten selv afgør, hvornår en opgave kræver specialister eller et team.

Virksomheden oplyser, at agenterne fungerer på tværs af over 100 erhvervsapplikationer og enhver MCP-server, og at hvert værktøj er klassificeret som skrivebeskyttet, dataændrende eller destruktivt. Adgangsoplysninger opbevares i et sikkert lager, så modellen aldrig kan se dem. Sessioner afvikles i isolerede sandkasser, og Labelbox oplyser, at platformen er konfigureret til ikke at opbevare data hos nogen LLM-udbyder. Det opregnede overholdelsesprogram omfatter SOC 2 Type II, GDPR, CCPA, NIST 800-171 og PCI DSS. Prisen fastsættes pr. sessionstime for en agent, hvor udgifter til regnekraft og modeller indgår i ét samlet estimat. Eksisterende erhvervskunder hos Labelbox får en engangskredit på 100 dollar.

I et indlæg om produktlanceringen dateret den 8. oktober 2026 beskrev Labelbox virksomhedens interne udrulning således: »Det overraskende var ikke, at agenter kunne udføre arbejdet. Det var, hvor hurtigt de blev bedre til det.« Virksomheden oplyser, at den kører 51 agenter på tværs af 11 teams inden for softwareudvikling, driftssikkerhed, sikkerhed, maskinlæringsforskning, evaluering, produktudvikling, økonomi, salg, strategi og indkøb.

I et internt eksempel oplyste Labelbox, at agenten til gennemgang af pull requests udførte 39 bedømte gennemgange med én enkelt version af agenten og én model, og at medianomkostningen blandt de 33 gennemgange, der bestod bedømmelsen, faldt fra 13,15 $ for de første 11 gennemgange til 8,90 $ for de sidste 11 – 32 % mindre pr. gennemgang – mens agentens hukommelse blev opdateret 15 gange, og tiden pr. gennemgang forblev på omkring 27 minutter. Ifølge produktets mekanik for hukommelse læser en kuratoragent de nye sessionsrapporter, når der foreligger fem af dem, og opdaterer agentens hukommelse højst én gang i timen. Kunderne kan gennemse, hvad en agent har lært, og slette enhver læring, der ikke længere gælder.