Pendanaan
Model ML Menghimpun Dana Seri B Sebesar $250 Juta dengan Valuasi $1,5 Miliar untuk Memperluas Tim AI

Poin utamaModel ML mengumpulkan $250 juta pada valuasi $1,5 miliar untuk memperluas tim AI di…
Lihat selengkapnya
- Model ML mengumpulkan $250 juta pada valuasi $1,5 miliar untuk memperluas tim AI di London dan New York.
- Agen perusahaan berjalan pada sistem dan data milik firma sendiri dan tidak pernah melatih model pada data pelanggan.
- Model ML mengarahkan tugas ke berbagai penyedia dan melaporkan modelnya sendiri berbiaya 2% dari tingkat model frontier.
Model ML mengumumkan pada 17 November 2026 bahwa perusahaan tersebut telah menghimpun dana Seri B sebesar $250 juta dengan valuasi $1,5 miliar. General Atlantic dan QED Investors memimpin putaran pendanaan ini bersama-sama. Dana tersebut akan digunakan untuk memperbesar tim riset dan rekayasa di London dan New York, memperdalam pengembangan produk, serta memperluas penerapan di kalangan pelanggan.
Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund, dan 13Books Capital juga berpartisipasi, sehingga total pendanaan yang telah dihimpun mencapai $350 juta. Pendanaan Seri B ini berlangsung 18 bulan setelah Model ML keluar dari mode senyap dan menyusul pendanaan Seri A sebesar $75 juta yang dipimpin FT Partners pada November 2025.
Pertumbuhan yang Dilaporkan dan Jangkauan Internasional
Model ML melaporkan bahwa pendapatan berulang tahunan tumbuh 12 kali lipat dari tahun ke tahun pada kuartal ketiga 2026, sementara jumlah pengguna aktif harian meningkat 26 kali lipat. Angka-angka tersebut mengaitkan pendanaan baru ini dengan meningkatnya penggunaan platformnya, sekaligus memberikan konteks tambahan mengenai valuasi dan rencana ekspansi perusahaan.
Kantor yang dibuka sepanjang 2026 di Paris, Madrid, Tokyo, Singapura, dan Dubai dimaksudkan untuk membantu perusahaan melayani klien di berbagai kawasan. Kantor-kantor tersebut melengkapi kantor pusat Model ML di London dan operasinya di New York, sehingga memperluas jangkauan internasional perusahaan saat berupaya memperluas penerapan platformnya.
Paul Stamas, direktur pelaksana sekaligus kepala global layanan keuangan di General Atlantic, mengatakan bahwa lembaga jasa keuangan dan profesional beralih dengan cepat dari tahap uji coba AI ke penggunaan sehari-hari. Ia mengatakan pelanggan Model ML sudah memercayakan pekerjaan yang semakin kompleks kepada platform tersebut.
Agen Personal untuk Pekerjaan di Bidang Keuangan
Saudara Chaz dan Arnie Englander mendirikan Model ML untuk menyediakan agen AI personal bagi bankir, konsultan, dan investor. Agen-agen tersebut beroperasi menggunakan sistem dan data perusahaan, serta memanfaatkan konteks dari klien, transaksi yang sedang berlangsung, dan preferensi kerja masing-masing. Agen tersebut menjadi semakin personal seiring interaksi yang berkelanjutan.
“AI seharusnya tidak hanya memberi Anda jawaban atau notifikasi tambahan. AI seharusnya memahami pekerjaan Anda dan menyelesaikan berbagai hal,” kata Chaz Englander, salah satu pendiri sekaligus CEO Model ML.
Menurut Model ML, agen dapat menyiapkan analisis dalam hitungan menit, bukan hari. Misalnya, setelah suatu perkembangan berdampak pada perusahaan yang tercantum dalam daftar cakupan bankir, agen tersebut mengevaluasi signifikansinya, mengkaji implikasinya, lalu menyusun analisis dalam format yang digunakan perusahaan itu sendiri, alih-alih sekadar mengirimkan peringatan.
Penerapan dan Ekonomi Model
Pelanggan dapat menjalankan platform di dalam infrastruktur mereka sendiri. Model ML kerap menggunakan opsi penerapan ini untuk menjaga data tetap berada di lingkungan pelanggan. Perusahaan menyatakan bahwa data pelanggan tidak pernah digunakan untuk melatih model AI. Model ML bersertifikasi ISO/IEC 27001:2022 dan telah diaudit berdasarkan SOC 2 Tipe II.
Pemilihan model ditangani oleh lapisan perutean, bukan dengan bergantung pada satu penyedia AI. Model ML mengevaluasi model berdasarkan pekerjaan keuangan nyata, lalu mengalokasikan tugas berdasarkan kualitas, kecepatan, dan biaya. Model sumber terbuka milik perusahaan yang telah disesuaikan kini menangani porsi pekerjaan yang terus meningkat.
Untuk pekerjaan yang ditangani model internal tersebut, perusahaan melaporkan biaya sebesar 2% dari biaya model terdepan, kecepatan lima kali lebih tinggi dalam sebagian besar kasus, serta akurasi yang setara atau lebih baik daripada model terdepan. Angka-angka tersebut khusus untuk beban kerja tertentu dan menggambarkan tugas yang dialokasikan kepada model milik Model ML sendiri, bukan kinerja platform secara keseluruhan.
Ekspansi kini bergantung pada kemampuan mempertahankan kombinasi data yang dikendalikan pelanggan, otomatisasi yang dipersonalisasi, dan ekonomi model yang disesuaikan dengan beban kerja tertentu, seiring dengan semakin luasnya penerapan agen tersebut.












