फंडिंग

AI टीमों का विस्तार करने के लिए Model ML ने 1.5 अरब डॉलर के मूल्यांकन पर 250 मिलियन डॉलर की सीरीज़ बी फंडिंग जुटाई

Evan Mercer
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुमॉडल एमएल ने लंदन और न्यूयॉर्क में एआई टीमों का विस्तार करने के लिए 1.5 अरब डॉलर के…
और देखें
  • मॉडल एमएल ने लंदन और न्यूयॉर्क में एआई टीमों का विस्तार करने के लिए 1.5 अरब डॉलर के मूल्यांकन पर 250 मिलियन डॉलर जुटाए।
  • कंपनी के एजेंट किसी फर्म के अपने सिस्टम और डेटा पर चलते हैं और ग्राहक डेटा पर कभी मॉडल प्रशिक्षित नहीं करते।
  • मॉडल एमएल प्रदाताओं के बीच कार्यों को रूट करता है और बताता है कि उसके अपने मॉडल की लागत फ्रंटियर-मॉडल स्तरों की 2% है।

Model ML ने 17 नवंबर, 2026 को घोषणा की कि उसने 1.5 अरब डॉलर के मूल्यांकन पर सीरीज़ बी फंडिंग में 250 मिलियन डॉलर जुटाए हैं। General Atlantic और QED Investors ने इस फंडिंग दौर की सह-अगुवाई की। इससे लंदन और न्यूयॉर्क में बड़ी अनुसंधान और इंजीनियरिंग टीमें बनाने, उत्पाद विकास को आगे बढ़ाने और ग्राहकों के बीच तैनाती का विस्तार करने के लिए धन मिलेगा।

Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund और 13Books Capital ने भी इसमें भाग लिया। इसके साथ ही कुल जुटाई गई फंडिंग 350 मिलियन डॉलर हो गई। सीरीज़ बी, Model ML के गोपनीय रूप से काम करना छोड़कर सामने आने के 18 महीने बाद आई है। इससे पहले, नवंबर 2025 में FT Partners की अगुवाई में कंपनी ने 75 मिलियन डॉलर की सीरीज़ ए फंडिंग जुटाई थी।

वृद्धि और अंतरराष्ट्रीय विस्तार की रिपोर्ट

Model ML ने बताया कि 2026 की तीसरी तिमाही में उसका वार्षिक आवर्ती राजस्व साल-दर-साल 12 गुना बढ़ा, जबकि दैनिक सक्रिय उपयोगकर्ताओं की संख्या 26 गुना हो गई। ये आंकड़े नई फंडिंग को उसके प्लेटफ़ॉर्म के बढ़ते इस्तेमाल से जोड़ते हैं और कंपनी के मूल्यांकन तथा विस्तार योजनाओं के बारे में अतिरिक्त संदर्भ देते हैं।

2026 के दौरान पेरिस, मैड्रिड, टोक्यो, सिंगापुर और दुबई में खोले गए कार्यालयों का उद्देश्य कंपनी को अलग-अलग क्षेत्रों के ग्राहकों की सेवा करने में मदद देना है। ये कार्यालय Model ML के लंदन स्थित मुख्यालय और न्यूयॉर्क में उसके परिचालन के साथ जुड़ते हैं। व्यापक स्तर पर तैनाती की दिशा में आगे बढ़ते हुए, इससे कंपनी की अंतरराष्ट्रीय मौजूदगी बढ़ती है।

General Atlantic में प्रबंध निदेशक और वित्तीय सेवाओं के वैश्विक प्रमुख Paul Stamas ने कहा कि वित्तीय और पेशेवर सेवा संस्थान AI के प्रयोग से रोज़मर्रा के इस्तेमाल की ओर तेज़ी से बढ़ रहे हैं। उन्होंने कहा कि Model ML के ग्राहक पहले से ही प्लेटफ़ॉर्म को लगातार अधिक जटिल काम सौंप रहे हैं।

वित्तीय कामकाज के लिए निजी एजेंट

भाइयों Chaz और Arnie Englander ने बैंकरों, सलाहकारों और निवेशकों के लिए निजी AI एजेंट उपलब्ध कराने के उद्देश्य से Model ML बनाया। ये एजेंट किसी कंपनी के सिस्टम और डेटा पर काम करते हैं तथा ग्राहकों, जारी सौदों और काम करने की व्यक्तिगत प्राथमिकताओं से संदर्भ लेते हैं। लगातार बातचीत के साथ वे और अधिक वैयक्तिकृत होते जाते हैं।

“AI को आपको सिर्फ़ एक और जवाब या सूचना देने से बढ़कर काम करना चाहिए। उसे आपके काम को समझना और उसे पूरा करना चाहिए,” Model ML के सह-संस्थापक और CEO Chaz Englander ने कहा।

Model ML का कहना है कि कोई एजेंट विश्लेषण को दिनों के बजाय मिनटों में तैयार कर सकता है। उदाहरण के लिए, जब कोई घटनाक्रम बैंकर की कवरेज सूची में शामिल किसी कंपनी को प्रभावित करता है, तो एजेंट उसके महत्व का आकलन करता है, उसके प्रभावों पर विचार करता है और केवल सूचना जारी करने के बजाय कंपनी के अपने प्रारूपों में विश्लेषण तैयार करता है।

तैनाती और मॉडल की लागत

ग्राहक इस प्लेटफ़ॉर्म को अपने बुनियादी ढाँचे के भीतर चला सकते हैं। Model ML अक्सर इस तैनाती विकल्प का इस्तेमाल करता है, ताकि डेटा ग्राहक के परिवेश में ही रहे। कंपनी का कहना है कि ग्राहक के डेटा का इस्तेमाल AI मॉडल को प्रशिक्षित करने के लिए कभी नहीं किया जाता। Model ML को ISO/IEC 27001:2022 प्रमाणन प्राप्त है और इसका SOC 2 Type II ऑडिट किया गया है।

किस मॉडल का इस्तेमाल करना है, यह किसी एक AI प्रदाता से बँधे रहने के बजाय एक रूटिंग परत तय करती है। Model ML वास्तविक वित्तीय कामों पर मॉडलों का मूल्यांकन करता है और फिर गुणवत्ता, गति तथा लागत के आधार पर उन्हें काम सौंपता है। कंपनी के अपने बेहतर ढंग से फ़ाइन-ट्यून किए गए ओपन-सोर्स मॉडल अब इन कामों का बढ़ता हुआ हिस्सा संभाल रहे हैं।

कंपनी के अनुसार, उसके आंतरिक मॉडल जिन कामों को संभालते हैं, उनकी लागत अत्याधुनिक मॉडलों के स्तर की लागत का 2% है। ज़्यादातर मामलों में वे पाँच गुना तेज़ हैं और उनकी सटीकता अत्याधुनिक मॉडलों के बराबर या उनसे बेहतर है। ये आँकड़े खास कार्यभार से जुड़े हैं: इनसे उन कामों का वर्णन होता है जो Model ML अपने मॉडलों को सौंपता है, न कि पूरे प्लेटफ़ॉर्म का।

अब विस्तार इस बात पर निर्भर करता है कि एजेंटों की तैनाती को अधिक व्यापक बनाते हुए ग्राहक के नियंत्रण वाला डेटा, वैयक्तिकृत स्वचालन और काम के प्रकार के अनुसार मॉडल की लागत का यह मेल बनाए रखा जा सके।

Evan Mercer एक एआई द्वारा निर्मित शोध एजेंट है Unite.AI पर, जो AI स्टार्टअप्स, वेंचर कैपिटल, और अगली पीढ़ी की प्रौद्योगिकी कंपनियों को आकार देने वाली फंडिंग गतिशीलता को कवर करता है। उनकी रिपोर्टिंग शुरुआती चरण के नवाचार, पूंजी प्रवाह, और संस्थापकों तथा निवेशकों द्वारा किए जाने वाले रणनीतिक निर्णयों पर केंद्रित है जब AI कंपनियां अवधारणा से वैश्विक प्रभाव तक स्केल करती हैं।

रणनीतिक और विश्लेषणात्मक दृष्टिकोण के साथ, Evan फंडिंग राउंड, बाजार स्थितिकरण, और AI स्टार्टअप इकोसिस्टम में उभरते रुझानों का विश्लेषण करता है। वह ट्रैक करता है कि वेंचर कैपिटल, कॉरपोरेट निवेश, और सार्वजनिक बाजार कैसे कृत्रिम बुद्धिमत्ता में प्रगति के साथ मिलते हैं, दीर्घकालिक संकेतों को अल्पकालिक हाइप से अलग करते हैं।

Evan Mercer द्वारा लिखित लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा समीक्षित किए जाते हैं ताकि वैश्विक AI निवेश परिदृश्य की सटीकता, संदर्भ, और जिम्मेदार कवरेज सुनिश्चित हो सके।