Labelbox keräsi yli 100 miljoonaa dollaria E-sarjan rahoituskierroksella 1,25 miljardin dollarin arvostuksella edistääkseen vahvistusoppimista ja tekoälyagentteja

Labelbox kertoi 14. lokakuuta 2026 keränneensä yli 100 miljoonaa dollaria E-sarjan rahoituskierroksella, jonka pre-money-arvostus oli 1,25 miljardia dollaria. Infinitum Partners johti kierrosta, jossa yhdistyivät osakepääomasijoitus ja luottolimiitti.

Kierrokseen osallistuivat myös muun muassa Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures ja Snowpoint Ventures. Toimitusjohtaja ja perustaja Manu Sharma esitteli rahoituskierroksen ehdot yrityksen blogikirjoituksessa. Yhtiön mukaan rahoituksella tuetaan Horizonin ja Recursion Managed Agentsin, sen kahden ydintuotteen, jatkuvaa tutkimus- ja kehitystyötä sekä niiden asiakkaille toimittavien tiimien laajentamista. Sharma kirjoitti, että laskentakapasiteetin saatavuus on keskeisessä asemassa yhtiön seuraavassa vaiheessa. Hän huomautti, että Infinitumin John Yetimoglu oli Groqin varhainen sijoittaja ja osallistuu nyt GroqCloudin laajamittaisen laskentainfrastruktuurin rakentamiseen.

Yhtiön asema ja historia

Labelbox kertoi saavuttaneensa kannattavuuden vuonna 2026 ja kasvaneensa samalla yli viisinkertaiseksi edellisvuoteen verrattuna. Yhtiöllä on oman ilmoituksensa mukaan yli 400 asiakasta, mukaan lukien yli 90 prosenttia Yhdysvaltojen johtavista tekoälylaboratorioista. Sen asiakaskuntaan kuuluu johtavia tekoälylaboratorioita, pilvipalvelujättejä, startup-yrityksiä ja Fortune 500 -listan yrityksiä.

Sharma, Brian ja Dan perustivat Labelboxin vuonna 2018. Perustajan viestissä Sharma kirjoitti tulleensa Yhdysvaltoihin oppiakseen suunnittelemaan ja rakentamaan lentokoneita ja raketteja. Hän työskenteli laskennallisen virtausdynamiikan ja neuroverkkojen parissa, ja myöhemmät tehtävät DroneDeploylla ja Planet Labsilla osoittivat hänelle, kuinka suuri osa koneoppimisen mahdollisuuksista liittyi dataan.

Kirjoituksessa yhtiön historia jaetaan kolmeen vaiheeseen: tekoälyä rakentavien ihmisten käyttöön tarkoitettuun koulutusdataohjelmistoon; vahvistusoppimisympäristöihin, jotka kehitettiin sen jälkeen, mitä Sharma kutsuu ChatGPT-hetkeksi, jolloin kyvykkäimmät mallit alkoivat kehittyä harjoittelemalla todellisia tehtäviä; sekä agentteihin, jotka yhtiö kehitti ensin omaan käyttöönsä ennen kuin avasi järjestelmän asiakkaille.

Sharma kirjoitti myös, että Labelbox rakentaa alustansa jokaisen kerroksen itse: erittäin pitkiä toimintajaksoja suorittaville agenteille suunnitellun ajokehyksen, miljoonia virtuaalikoneita käyttävän hiekkalaatikko-infrastruktuurin, oman vahvistusoppimiseen perustuvan jälkikoulutusinfrastruktuurinsa sekä yli neljän miljoonan ihmisen asiantuntijaverkoston.

Horizonin vahvistusoppimisympäristöt

Yhtiön mukaan Horizonin WorldSim-järjestelmä luo simuloituja yrityksiä, joiden koodi, koontinäytöt, laskentataulukot, esitykset ja asiakirjat sisältävät realistista liiketoimintadataa. Malli suorittaa niissä vaikean, monivaiheisen tehtävän alusta loppuun, ja jokainen vaihe tallentuu toimintaradan osaksi. Deterministiset tarkistimet pisteyttävät jokaisen toimintaradan samalla tavalla jokaisella suorituskerralla. Jos kaksi toimintarataa ovat molemmat oikeita, asiantuntijan mieltymys opettaa mallille sitä, mitä Sharma kutsuu hyväksi harkintakyvyksi. Yhtiön mukaan järjestelmä toimii tuhansien maailmojen ja miljoonien arvioitujen toimintaratojen mittakaavassa. Se viritetään tekoälylaboratorion pass@k-tavoitteisiin ohjelmoinnissa, tietokoneen käytössä, tutkimuksessa, multimodaalisissa tehtävissä ja puhetehtävissä.

Horizonin tuotesivulla luetellaan käyttökohteita, joihin kuuluvat itsenäinen tekoälytutkimus, agenttien ohjelmointi ja ohjelmistokehitys, multimodaalinen tietotyö, puhe agenttipohjaisella työkalujen käytöllä, tietokoneen käyttö ja kyberturvallisuus. Sharma kirjoitti, että Labelbox tekee nykyään yhteistyötä 90 prosentin kanssa johtavista eturintaman tekoälylaboratorioista ja pilvipalvelujäteistä.

Recursion Managed Agents

Rahoitusilmoituksen mukaan Labelbox avasi Recursion Managed Agentsin yritysasiakkaille aiemmin lokakuussa 2026. Tuotteen toimintamallissa hallinnoitu agentti saa tavoitteen, käynnistimen, kuten aikataulun, hälytyksen, Slack-viestin, webhookin tai API-kutsun, sekä arviointikriteerit, jotka määrittävät, millaista on hyvä työ. Erillinen arviointiagentti pisteyttää jokaisen suorituksen kriteerien mukaan rivi riviltä ja osoittaa kunkin arvion tueksi näyttöä. Jos työn tulos ei täytä vaatimuksia, agentti korjaa sitä.

Agentit voivat toimia kolmessa tilassa: usean agentin tilassa koordinaattori ketjuttaa yhteen erikoisagentteja, joilla kullakin on oma mallinsa, ohjeensa, työkalunsa ja käyttöoikeutensa; tiimitilassa agentin kopiot jakavat työn yhteisellä taululla ja tarkistavat toistensa tulokset; ja automaattitilassa, joka on oletustila, agentti päättää itse, vaatiiko tehtävä erikoisagentteja tai tiimiä.

Yhtiön mukaan agentit toimivat yli sadassa liiketoimintasovelluksessa ja kaikilla MCP-palvelimilla. Kunkin työkalun käyttöoikeudet rajataan joko vain luku -tilaan, tietoja muuttaviksi tai tuhoaviksi, ja tunnistetiedot säilytetään holvissa, jotta malli ei koskaan näe niitä. Istunnot suoritetaan eristetyissä hiekkalaatikoissa, ja Labelboxin mukaan alusta toimii niin, ettei yksikään LLM-palveluntarjoaja säilytä tietoja. Yhtiön ilmoittamaan vaatimustenmukaisuusohjelmaan kuuluvat SOC 2 Type II, GDPR, CCPA, NIST 800-171 ja PCI DSS. Hinnoittelu perustuu agentin istuntotuntiin, ja laskentakustannukset sekä mallin käytöstä aiheutuvat kulut yhdistetään yhdeksi arvioksi. Nykyiset Labelboxin yritysasiakkaat saavat kertaluonteisen 100 dollarin hyvityksen.

Labelbox kuvasi yhtiön sisäistä käyttöönottoa 8. lokakuuta 2026 päivätyssä tuotteen julkaisuviestissä: ”Yllättävää ei ollut se, että agentit pystyivät tekemään työn. Yllättävää oli, kuinka nopeasti ne kehittyivät siinä.” Yhtiön mukaan käytössä on 51 agenttia 11 tiimissä, jotka kattavat ohjelmistokehityksen, luotettavuuden, tietoturvan, koneoppimistutkimuksen, arvioinnit, tuotekehityksen, taloushallinnon, myynnin, strategian ja hankinnan.

Yhdessä sisäisessä esimerkissä Labelbox kertoi, että sen vetopyyntöjen tarkistusagentti teki 39 arvioitua tarkistusta yhdellä agenttiversiolla ja yhdellä mallilla. Arvioijan hyväksymien 33 tarkistuksen joukossa mediaanikustannus laski ensimmäisten 11 tarkistuksen 13,15 dollarista viimeisten 11 tarkistuksen 8,90 dollariin eli 32 % tarkistusta kohden. Agentin muistia päivitettiin 15 kertaa, ja tarkistukseen kulunut aika pysyi noin 27 minuutissa. Tuotteen muistimekaniikan mukaan kuraattoriagentti lukee uudet istuntoraportit ja päivittää agentin muistia, kun uusia raportteja on kertynyt viisi, ja tekee tämän enintään kerran tunnissa. Asiakkaat voivat selata, mitä agentti on oppinut, ja poistaa opitun asian, joka ei enää pidä paikkaansa.