River AI sammelt 1,1 Milliarden Dollar, um den Stack für persönliche KI neu aufzubauen

River AI, das Startup, das xAI-Mitgründer Igor Babuschkin am 10. Juni 2026 aus der Stealth-Phase geholt hat, hat 1,1 Milliarden Dollar über seine Series-Seed- und Series-A-Runden eingesammelt, wie das Unternehmen am 11. August 2026 bekannt gab. General Catalyst und AMP PBC führten die Finanzierung an, mit strategischen Investitionen von Nvidia und AMD Ventures und der Beteiligung von Y Combinator und Temasek.

River ist zwei Monate nach seinem Launch und trägt bereits eine der größten frühen Finanzierungen des Jahres. Das Geld unterstützt eine ungewöhnliche These: dass der KI-Stack, von der Ausbildung bis hin zu Modellen, Produkten und Hardware, um persönliche Agenten neu aufgebaut werden muss, die Menschen besitzen, anstatt Intelligenz von einem Handvoll Labors zu mieten.

“Die Art und Weise, wie KI heute aufgebaut wird, ist nicht die Art und Weise, wie sie in der Zukunft aufgebaut werden wird. KI sollte offen, frei verfügbar und erschwinglich sein. Sie sollte sich so anfühlen, als ob sie für die Person arbeitet, die sie verwendet, und nicht für das Labor, das sie trainiert hat. Wir haben River gegründet, um es Menschen und Unternehmen zu ermöglichen, ihre eigene Intelligenz zu besitzen”, sagte Babuschkin, River-Mitgründer und CEO, in der Ankündigung.

Was River tatsächlich zuerst verkauft

Das erste Produkt des Unternehmens, das seit dem Launch im Juni verfügbar ist, ist die River-API, ein Trainingsdienst für offene Modelle. Es bietet LoRA-Feinabstimmung und Verstärkungslernen auf offenen Modellen im Bereich von 35 Milliarden bis 1 Billion Parametern, einschließlich Qwen3.6, Kimi K2.6 und GLM 5.2, mit Abrechnung pro Million Token für sowohl Training als auch Inferenz und nicht pro GPU-Stunde.

Der Pitch richtet sich an Unternehmen, die Modelle haben möchten, die auf ihre eigene Arbeit zugeschnitten sind, ohne dass sie ein Infrastrukturteam aufbauen müssen. River sagt, dass jedes Unternehmen einen komplexen Verstärkungslernlauf in 15 bis 20 Minuten ohne Infrastrukturteam abschließen kann, bei zwei- bis viermaligen Kosteneinsparungen im Vergleich zu geschlossenen Alternativen, und dass die trainierten Checkpoints dem Kunden gehören und auf einem OpenAI-kompatiblen Endpunkt bereitgestellt werden.

Die Preisseite gibt konkrete Zahlen für die Abrechnung an: Trainingsläufe kosten 1,00 Dollar pro Million Token auf dem Qwen3.6-35B-Modell und 12,84 Dollar pro Million auf Kimi K2.6 bei einer Kontextlänge von 262k, wobei Checkpoint-Speicherung separat mit 0,10 Dollar pro Gigabyte pro Monat berechnet wird. Ein Beispiel auf der Website gibt den Preis für einen vollständigen Produktions-RL-Lauf auf einem Mathematik-Datensatz mit weniger als 1.000 Dollar an.

Die längere Wette hinter der Runde

Babuschkin verbrachte etwa ein Jahrzehnt bei DeepMind, OpenAI und xAI, wo er xAI mitgründete und an der großen Skalierung von Trainings arbeitete, bevor er River gründete. In seinem Launch-Beitrag stellte er das Unternehmen gegen die Richtung, in die die Frontier-Labors gehen: Agenten, die Arbeiter ersetzen und von Token zu Token vermietet werden.

“Fähige Agenten werden ein normaler Teil des täglichen Lebens sein. Weniger wie die Assistenten, die Sie heute anrufen, wenn Sie eine Aufgabe erledigen müssen, sondern mehr wie Schutzengel: still präsent, auf Ihrer Seite, helfen bei dem, was Ihnen wirklich wichtig ist. Sie werden Sie gut kennen und Ihnen gehören, nicht jemand anderem”, schrieb er.

Diese Ausrichtung, Personalisierung und kontinuierliches Lernen auf einer Trainings-API, mit persönlicher Hardware weiter hinten, ist das, was General Catalyst kauft. “Amerikanische Führung in KI erfordert dringend Führung in offenen Modellen, während sie gleichzeitig eine Führung in geschlossenen Frontier-Modellen beibehält. Igor und das River-AI-Team haben die Erfahrung, um dies zu erreichen”, sagte Hemant Taneja, General Catalyst-CEO, in Rivers Ankündigung. Marc Bhargava, der Managing Director des Unternehmens, wies auf die kommerzielle Lücke hin: Unternehmen haben keine kosteneffiziente Möglichkeit gehabt, Trainings, Feinabstimmung und Eigentum an benutzerdefinierten Modellen zu erhalten, und River “schließt diese Lücke”.

AMP PBC, der Co-Lead, schloss sich General Catalyst an, um die Runde zu führen, wie in Rivers Ankündigung angegeben. Nvidia und AMD Ventures, die strategischen Investitionen, setzen beide GPU-Konkurrenten in die gleiche Kapitaltabelle eines Unternehmens, dessen ausgewiesener Roadmap in Hardware endet, die persönliche KI außerhalb des Rechenzentrums eines anderen Unternehmens ausführt.

Wo das Geld landet

River sagt, dass die Finanzierung jeden Schicht des Stacks gleichzeitig beschleunigt: die Trainings-API, die bereits ausgeliefert wurde, eine Personalisierungs- und kontinuierliches-Lernen-Produkt-Schicht, die noch darauf aufgebaut wird, und neue Hardware, die es ermöglichen soll, persönliche KI in der Nähe des Besitzers auszuführen. Das Gründungsteam baut auf xAI- und Tesla-Engineering-Erfahrung auf, und das Unternehmen stellt Mitarbeiter ein.

Die Struktur der Runde ist aufgrund ihrer Größe und des Zeitpunkts bemerkenswert. Eine kombinierte Seed- und Series-A-Finanzierung dieser Größe, zwei Monate nach einem Launch-Beitrag, mit strategischen Chip-Investoren neben finanziellen Leitern, gibt River das Kapital, um mit den Frontier-Labors, aus denen der Gründer kommt, um Trainings-Computer und Forschungstalente zu konkurrieren. Ob die persönliche Agenten-These hält, ist eine längere Frage; das unmittelbare Geschäft ist eine post-Trainings-Cloud für Unternehmen, und dieses Geschäft hat jetzt eine Milliarde-Dollar-Startbahn und zwei Risikokapitalfirmen hinter sich.