व्यवहारिक विश्व मॉडल के लिए 42AI ने 6.25 करोड़ डॉलर की सीड फंडिंग हासिल की

TechCrunch की रिपोर्ट के अनुसार, 2 नवंबर, 2026 को इज़राइली स्टार्टअप 42AI ने 6.25 करोड़ डॉलर की सीड फंडिंग और वित्तीय ब्रोकरेज में काम करने वाले एक व्यवहारिक विश्व मॉडल के साथ स्टील्थ मोड से बाहर आने की घोषणा की। संस्थापकों ने TechCrunch को बताया कि यह प्रणाली बदलती परिस्थितियों में अलग-अलग ग्राहकों के संभावित व्यवहार की संभावनाओं का अनुमान लगाती है।

मुख्य कार्यकारी अधिकारी और सह-संस्थापक अमित गल-ओर ने TechCrunch को बताया कि यह फंडिंग तीन वर्षों में संस्थापकों और Infinity Group से आई थी और पूरी तरह बाहरी निवेशकों से नहीं जुटाई गई थी। Infinity की स्थापना उनके पिता, आमिर गल-ओर ने की थी, जो 42AI के अध्यक्ष और सह-संस्थापक भी हैं। एहुद एज्रा मुख्य प्रौद्योगिकी अधिकारी और सह-संस्थापक हैं।

गल-ओर ने कहा कि 42AI 10 बड़ी ब्रोकरेज कंपनियों के साथ काम करती है, और अधिक ग्राहकों को जोड़ रही है तथा सात अंकों से अधिक का राजस्व अर्जित करती है, हालांकि उन्होंने सटीक आंकड़ा नहीं बताया। ग्राहक या तो एक निश्चित शुल्क देते हैं या उस मूल्य का एक प्रतिशत, जो प्लेटफ़ॉर्म उन्हें हासिल करने में मदद करता है। उन्होंने कहा कि एक ब्रोकरेज कंपनी ने डायनेमिक हेजिंग के ज़रिए लगभग 3 करोड़ डॉलर का अतिरिक्त मूल्य हासिल किया।

व्यवहारिक मॉडल कैसे काम करता है

गल-ओर और एज्रा ने TechCrunch को बताया कि व्यवहार संभाव्य होता है, नियतात्मक नहीं। उनके अनुसार, 42AI का मॉडल केवल पिछली गतिविधियों के आधार पर आगे का अनुमान लगाने के बजाय अंतर्निहित प्रेरणाओं को पहचानने की कोशिश करता है और अलग-अलग परिस्थितियों में संभावित निर्णयों की संभावना बताता है।

ब्रोकरेज ग्राहकों के लिए, एज्रा ने बताया कि इनपुट में ग्राहक-पहचान प्रक्रिया और ग्राहक को जोड़ने की प्रक्रिया, सहायता और बिक्री से जुड़ी बातचीत, धन हस्तांतरण और कारोबार शामिल हो सकते हैं। जिन संकेतों का विश्लेषण किया जाता है उनमें भावनात्मक रुझान, आवाज़, कॉल की आवृत्ति, खरीद और बिक्री का समय तथा उस समय की बाज़ार स्थितियां शामिल हैं।

TechCrunch की रिपोर्ट के अनुसार, इन अवलोकनों को गुणों के गणितीय निरूपण में बदला जाता है और ट्रांसफ़ॉर्मर-आधारित विश्व मॉडल में डाला जाता है। एक अलग भाषा मॉडल पूर्वानुमानों के लिए स्पष्टीकरण तैयार करता है। एज्रा ने कहा कि प्रशिक्षण के दौरान दिए जाने वाले पुरस्कार इस तरह तैयार किए गए हैं कि सिमुलेशन में व्यक्ति की अंतर्निहित प्रवृत्तियां बनी रहें: जो व्यक्ति आम तौर पर जोखिम से बचता है, उसे अचानक जोखिम लेने वाले व्यक्ति के रूप में मॉडल नहीं किया जाना चाहिए।

प्रशिक्षण डेटा और बताए गए परिणाम

गल-ओर ने कहा कि 42AI ने इस दृष्टिकोण को विकसित करने में तीन वर्ष लगाए। इसमें मनोवैज्ञानिक शोध को तंत्रिका-विज्ञान और आनुवंशिकी के साथ जोड़ा गया और मनोविज्ञान तथा PTSD के विशेषज्ञों और रसायनशास्त्री डैन शेख़्टमैन से सलाह ली गई। शुरुआत में टीम ने मनोवैज्ञानिक आकलनों और व्यवहार संबंधी परिदृश्यों के ज़रिए हज़ारों लोगों का अध्ययन किया, फिर 20 लाख से अधिक लोगों को शामिल करने वाले सरकारी और बायोबैंक डेटासेट जोड़े। उन्होंने कहा कि बाद में ग्राहक डेटासेट का विस्तार करके उनमें लगभग 3 करोड़ लोगों को शामिल किया गया।

TechCrunch ने बाज़ार में कारोबार के पूर्वानुमान के लिए 42AI के बताए 98% सटीकता के आंकड़े की रिपोर्ट दी। गल-ओर ने स्पष्ट किया कि यह आंकड़ा बताता है कि कारोबार का प्रवाह अनुमानित दायरे में आता है या नहीं; इसका मतलब यह नहीं कि हर व्यक्तिगत कारोबार का सही पूर्वानुमान लगाया जाता है। उन्होंने कारोबार की दिशा और मात्रा के लिए 0.8 से 0.85 के F1 स्कोर भी बताए। F1 यह मापता है कि वर्गीकरण मॉडल सही पूर्वानुमानों, गलत चेतावनियों और छूट गई घटनाओं के बीच संतुलन कैसे बनाता है।

संस्थापकों ने माना कि सटीकता की एक सीमा है, क्योंकि प्रणाली को व्यक्ति के हर अनुभव की जानकारी नहीं होती। एज्रा ने कहा कि जब परिस्थितियों से जुड़ा कोई अहम संदर्भ उपलब्ध नहीं होता, तो सटीकता भी घट जाती है—जैसे किसी मित्र या सहकर्मी की सलाह, जिसके कारण कारोबार का निर्णय बदल जाए।

बेन येलिन, एज्रा, मार्क फोरमैन और शुला ग्रिनापोल द्वारा 19 फ़रवरी, 2026 को arXiv पर प्रस्तुत एक प्रीप्रिंट में एक बड़ा व्यवहारिक मॉडल पेश किया गया, जिसे संरचित, उच्च-आयामी मनोमितीय गुण-प्रोफ़ाइलों से व्यक्तिगत रणनीतिक विकल्पों का पूर्वानुमान लगाने के लिए फ़ाइन-ट्यून किया गया था। लेखकों ने बताया कि इसे एक मालिकाना डेटासेट पर प्रशिक्षित किया गया, जो स्थिर प्रवृत्तियों, प्रेरक अवस्थाओं और परिस्थितिगत बाधाओं को देखे गए विकल्पों से जोड़ता है।

अलग रखे गए परिदृश्यों के मूल्यांकन में, लेखकों ने बताया कि इस मॉडल ने बिना अनुकूलित Llama-3.1-8B-Instruct आधार मॉडल की तुलना में व्यवहार का बेहतर पूर्वानुमान लगाया और बिग फ़ाइव गुणों के आधार पर पूर्वानुमान देने पर अग्रणी आधार मॉडलों के समान प्रदर्शन किया। उन्होंने यह भी बताया कि अधिक सघन गुण-प्रोफ़ाइलों से उनके मॉडल को लगातार लाभ मिलता रहा, जबकि प्रॉम्प्ट-आधारित आधार मॉडलों के प्रदर्शन में जटिलता के एक स्तर के बाद सुधार रुक गया।

ब्रोकरेज में उपयोग और बताई गई सीमाएं

42AI की वेबसाइट पर, कंपनी एक ऐसे व्यवहारिक ढांचे का वर्णन करती है जो कच्चे डेटा को व्यवहार के प्रेरक कारकों में बदलता है, विशिष्ट घटनाओं और समय के साथ होने वाले व्यवहार पर प्रतिक्रियाओं का पूर्वानुमान लगाता है, बदलते चरों का अनुकरण करता है और स्पष्टीकरण देता है। कंपनी के अनुसार, विश्व मॉडल की प्रतिक्रिया अवधि 1–10 मिलीसेकंड और बड़े व्यवहार मॉडल की प्रतिक्रिया अवधि 2–12 मिलीसेकंड है।

वेबसाइट के अनुसार, ब्रोकरेज कंपनियों के लिए यह सेवा हर ग्राहक के कारोबार का 24 घंटे तक पहले ही साधन, दिशा और मात्रा के आधार पर पूर्वानुमान लगा सकती है। ब्रोकरेज में इसके उपयोगों में जोखिम-एक्सपोज़र की अग्रिम जानकारी, डायनेमिक हेजिंग, चरम जोखिम प्रबंधन तथा स्लिपेज और जोखिम-मूल्य में कमी शामिल हैं। गल-ओर ने TechCrunch को बताया कि ग्राहक इस प्रणाली का उपयोग तरलता, मार्जिन आवश्यकताओं और हेजिंग जोखिम-एक्सपोज़र का प्रबंधन करने के लिए करते हैं।

गल-ओर ने कहा कि तैनात प्रणाली को व्यक्तिगत पहचान योग्य जानकारी की ज़रूरत नहीं होती और मॉडल को कभी पता नहीं चलता कि व्यक्ति कौन है। TechCrunch ने बताया कि इसके बावजूद 42AI, आपस में जुड़ी ग्राहक गतिविधियों के आधार पर व्यक्तिगत व्यवहार-प्रोफ़ाइलें बनाती है।

जब TechCrunch ने यह आशंका जताई कि ग्राहक अपने ग्राहकों के बारे में की गई भविष्यवाणियों का अनुचित लाभ उठा सकते हैं, तो Ezra ने इसे जायज़ चिंता बताया। संस्थापकों ने नियमों, निगरानी और आंतरिक नैतिकता समिति का हवाला दिया, जबकि Gal-Or ने कहा कि यह तकनीक ऐसे जोखिमों से निपटने में मदद कर सकती है। TechCrunch की रिपोर्ट के अनुसार, उन्होंने ऐसा कोई विशिष्ट तंत्र नहीं बताया जो ग्राहकों को प्रोफ़ाइल किए जा रहे लोगों पर बढ़त हासिल करने के लिए इन भविष्यवाणियों का इस्तेमाल करने से रोक सके।

संस्थापकों ने TechCrunch को बताया कि 42AI गेमिंग, धोखाधड़ी की रोकथाम और साइबर सुरक्षा के क्षेत्रों में संभावनाएँ तलाश रही है और भविष्य में चाहती है कि रोबोट और AI एजेंट लोगों को समझने के लिए इस मॉडल का इस्तेमाल करें। Ezra ने कहा कि हर नए क्षेत्र के नियमों और संदर्भ के आधार पर मॉडल को प्रशिक्षित करना ज़रूरी है। Gal-Or ने यह भी कहा कि कंपनी और धन जुटाने की योजना बना रही है।

दस्तावेज़ों में दर्ज ब्रोकरेज परिनियोजनों से आगे विस्तार के लिए उस क्षेत्र-विशिष्ट प्रशिक्षण की आवश्यकता होगी जिसका Ezra ने वर्णन किया था, जबकि 42AI की घोषित वित्तपोषण योजना और धन जुटाने की है।