लेबलबॉक्स ने RL और AI एजेंटों को आगे बढ़ाने के लिए 1.25 अरब डॉलर के मूल्यांकन पर 100 मिलियन डॉलर से अधिक की सीरीज़ E फंडिंग जुटाई

लेबलबॉक्स ने 14 अक्टूबर, 2026 को बताया कि उसने सीरीज़ E फंडिंग राउंड में 100 मिलियन डॉलर से अधिक जुटाए हैं। इस राउंड में कंपनी का प्री-मनी मूल्यांकन 1.25 अरब डॉलर रहा। राउंड का नेतृत्व Infinitum Partners ने किया और इसमें इक्विटी के साथ ऋण सुविधा भी शामिल है।

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures और Snowpoint Ventures सहित अन्य निवेशकों ने भी इसमें हिस्सा लिया। मुख्य कार्यकारी अधिकारी और सह-संस्थापक Manu Sharma ने कंपनी की ब्लॉग पोस्ट में सौदे की शर्तों का विवरण दिया। कंपनी ने कहा कि इस फंडिंग से उसके दो मुख्य उत्पादों—Horizon और Recursion Managed Agents—में अनुसंधान और इंजीनियरिंग का काम जारी रखने के साथ-साथ इन उत्पादों को ग्राहकों तक पहुंचाने वाली टीमों के विस्तार में मदद मिलेगी। Sharma ने लिखा कि कंपनी के अगले चरण में कंप्यूटिंग संसाधनों तक पहुंच महत्वपूर्ण होगी। उन्होंने बताया कि Infinitum के John Yetimoglu Groq के शुरुआती निवेशकों में से एक थे और अब GroqCloud में बड़े पैमाने पर कंप्यूटिंग बुनियादी ढांचा तैयार करने में शामिल हैं।

कंपनी की स्थिति और इतिहास

लेबलबॉक्स ने बताया कि 2026 में कारोबार को साल-दर-साल पांच गुना से अधिक बढ़ाते हुए उसने लाभप्रदता हासिल की। कंपनी के मुताबिक, उसके 400 से अधिक ग्राहक हैं, जिनमें अमेरिका की अग्रणी AI लैब्स में से 90% से अधिक शामिल हैं। उसके ग्राहक आधार में अग्रणी AI लैब्स, हाइपरस्केलर कंपनियां, स्टार्टअप और Fortune 500 कंपनियां शामिल हैं।

Sharma, Brian और Dan ने 2018 में लेबलबॉक्स की स्थापना की। संस्थापक के एक नोट में Sharma ने लिखा कि वह विमान और रॉकेट डिजाइन करना और बनाना सीखने के लिए अमेरिका आए थे। उन्होंने कंप्यूटेशनल फ्लुइड डायनेमिक्स और न्यूरल नेटवर्क पर काम किया। उन्होंने यह भी लिखा कि बाद में DroneDeploy और Planet Labs में अपनी भूमिकाओं के दौरान उन्हें एहसास हुआ कि मशीन लर्निंग के अवसरों का बड़ा हिस्सा डेटा में निहित है।

पोस्ट में कंपनी के इतिहास को तीन चरणों में बताया गया है: AI बनाने वालों के लिए प्रशिक्षण-डेटा सॉफ़्टवेयर; Sharma के शब्दों में ChatGPT के दौर के बाद बने सुदृढीकरण-अधिगम परिवेश, जब सबसे सक्षम मॉडल वास्तविक काम का अभ्यास करके बेहतर होने लगे; और एजेंट, जिन्हें कंपनी ने पहले अपने इस्तेमाल के लिए बनाया और फिर ग्राहकों के लिए उपलब्ध कराया।

Sharma ने यह भी लिखा कि लेबलबॉक्स अपने प्लेटफ़ॉर्म की हर परत खुद बनाती है: बहुत लंबी अवधि तक काम करने वाले एजेंटों के लिए डिज़ाइन किया गया एजेंट हार्नेस, लाखों वर्चुअल मशीन चलाने वाला सैंडबॉक्स बुनियादी ढांचा, सुदृढीकरण-अधिगम के बाद के प्रशिक्षण का अपना बुनियादी ढांचा और 4 मिलियन से अधिक लोगों का विशेषज्ञ नेटवर्क।

Horizon के सुदृढीकरण-अधिगम परिवेश

कंपनी के मुताबिक, Horizon का WorldSim सिस्टम ऐसी नकली कंपनियां तैयार करता है जिनमें कोड, डैशबोर्ड, स्प्रेडशीट, प्रस्तुतियां और दस्तावेज़ यथार्थपरक कारोबारी डेटा से भरे होते हैं। इनमें कोई मॉडल शुरू से अंत तक कई कठिन चरणों वाला काम करने की कोशिश करता है और हर चरण को एक ट्रैजेक्टरी के रूप में दर्ज किया जाता है। नियतात्मक सत्यापक हर बार प्रत्येक ट्रैजेक्टरी को एक ही तरीके से स्कोर करते हैं। जब दो ट्रैजेक्टरी सही होती हैं, तो विशेषज्ञ की पसंद मॉडल को वह सिखाती है जिसे Sharma ‘अच्छी समझ’ कहते हैं। कंपनी का कहना है कि वह हजारों आभासी दुनियाओं और लाखों स्कोर की गई ट्रैजेक्टरी के पैमाने पर काम करती है। इन्हें कोडिंग, कंप्यूटर के इस्तेमाल, अनुसंधान, बहु-माध्यमीय काम और वॉइस संबंधी कार्यों में किसी लैब के pass@k लक्ष्यों के अनुरूप तैयार किया जाता है।

Horizon के उत्पाद पृष्ठ पर स्वायत्त AI अनुसंधान, एजेंट कोडिंग और सॉफ़्टवेयर इंजीनियरिंग, बहु-माध्यमीय ज्ञान-आधारित काम, एजेंट के ज़रिए टूल के इस्तेमाल वाली वॉइस सुविधा, कंप्यूटर का इस्तेमाल और साइबर सुरक्षा जैसे क्षेत्र सूचीबद्ध हैं। Sharma ने लिखा कि लेबलबॉक्स अब अग्रणी फ्रंटियर AI लैब्स और हाइपरस्केलर कंपनियों में से 90% के साथ काम करती है।

Recursion Managed Agents

फंडिंग की घोषणा के मुताबिक, लेबलबॉक्स ने अक्टूबर 2026 की शुरुआत में Recursion Managed Agents को उद्यम ग्राहकों के लिए उपलब्ध कराया। इस उत्पाद की रूपरेखा के तहत, एक Managed Agent को लक्ष्य, कोई ट्रिगर—जैसे तय समय-सारणी, अलर्ट, Slack संदेश, वेबहुक या API कॉल—और अच्छे काम की परिभाषा देने वाली मूल्यांकन कसौटी दी जाती है। एक अलग मूल्यांकन एजेंट हर बार के काम को कसौटी के आधार पर पंक्ति-दर-पंक्ति स्कोर करता है और हर निर्णय के समर्थन में प्रमाण दिखाता है; काम अपेक्षित स्तर का न हो, तो एजेंट उसमें संशोधन करता है।

एजेंट तीन तरीकों से काम कर सकते हैं: बहु-एजेंट मोड में एक समन्वयक विशेषज्ञ एजेंटों को क्रम से जोड़ता है, जिनमें से हर एक का अपना मॉडल, निर्देश, टूल और अनुमतियां होती हैं; टीम मोड में किसी एजेंट की प्रतियां साझा बोर्ड पर काम बांटती हैं और एक-दूसरे के नतीजों की जांच करती हैं; और स्वचालित मोड में, जो डिफ़ॉल्ट है, एजेंट खुद तय करता है कि किसी काम के लिए विशेषज्ञों या टीम की जरूरत है या नहीं।

कंपनी का कहना है कि एजेंट 100 से अधिक कारोबारी ऐप्लिकेशन और किसी भी MCP सर्वर पर काम करते हैं। हर टूल को केवल पढ़ने, डेटा में बदलाव करने या डेटा नष्ट करने की अनुमति के रूप में सीमित किया जाता है। क्रेडेंशियल एक सुरक्षित वॉल्ट में रखे जाते हैं, ताकि मॉडल उन्हें कभी न देख सके। सत्र अलग-अलग सैंडबॉक्स में चलते हैं और लेबलबॉक्स के मुताबिक, प्लेटफ़ॉर्म हर LLM प्रदाता पर डेटा को बिल्कुल भी सहेजे बिना काम करता है। कंपनी के अनुपालन कार्यक्रम में SOC 2 Type II, GDPR, CCPA, NIST 800-171 और PCI DSS शामिल हैं। कीमत एजेंट के प्रति सत्र घंटे के हिसाब से तय होती है; कंप्यूटिंग और मॉडल पर होने वाला खर्च एक ही अनुमान में जोड़ा जाता है। लेबलबॉक्स के मौजूदा उद्यम ग्राहकों को एक बार के लिए 100 डॉलर का क्रेडिट मिलता है।

8 अक्टूबर, 2026 की उत्पाद लॉन्च पोस्ट में कंपनी के भीतर इसे लागू करने के बारे में बताते हुए लेबलबॉक्स ने लिखा, “हैरानी की बात यह नहीं थी कि एजेंट काम कर सकते थे। हैरानी इस बात पर थी कि वे कितनी जल्दी उस काम में बेहतर हो गए।” कंपनी के मुताबिक, वह 11 टीमों में 51 एजेंट चला रही है। ये टीमें सॉफ़्टवेयर इंजीनियरिंग, विश्वसनीयता, सुरक्षा, मशीन लर्निंग अनुसंधान, मूल्यांकन, उत्पाद, वित्त, बिक्री, रणनीति और खरीद जैसे क्षेत्रों में काम करती हैं।

एक आंतरिक उदाहरण में, Labelbox ने बताया कि उसके पुल रिक्वेस्ट समीक्षा एजेंट ने एक ही एजेंट संस्करण और मॉडल पर 39 मूल्यांकित समीक्षाएँ कीं। मूल्यांकन में उत्तीर्ण हुई 33 समीक्षाओं में, पहली 11 समीक्षाओं की 13.15 डॉलर की लागत से घटकर आख़िरी 11 समीक्षाओं की औसत लागत 8.90 डॉलर रह गई—यानी प्रति समीक्षा 32% कम। इस दौरान एजेंट की स्मृति 15 बार अपडेट की गई और प्रति समीक्षा लगने वाला समय लगभग 27 मिनट पर बना रहा। उत्पाद की स्मृति-प्रणाली के अनुसार, पाँच नई सत्र रिपोर्टें उपलब्ध होने पर और अधिकतम हर घंटे में एक बार, एक क्यूरेटर एजेंट उन्हें पढ़कर एजेंट की स्मृति अपडेट करता है; ग्राहक देख सकते हैं कि एजेंट ने क्या सीखा है और ऐसा कोई भी सबक मिटा सकते हैं जो अब लागू न हो।