Labelbox raccoglie oltre 100 milioni di dollari in un round di Serie E, con una valutazione di 1,25 miliardi di dollari, per promuovere l’apprendimento per rinforzo e gli agenti IA

Il 14 ottobre 2026, Labelbox ha annunciato di aver raccolto oltre 100 milioni di dollari in un round di finanziamento di Serie E, con una valutazione pre-money di 1,25 miliardi di dollari. Il round è stato guidato da Infinitum Partners e combina capitale azionario e una linea di credito.

Tra gli altri, hanno partecipato anche Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures e Snowpoint Ventures. L’amministratore delegato e cofondatore Manu Sharma ha illustrato i termini in un articolo sul blog dell’azienda. L’azienda ha dichiarato che il finanziamento sosterrà la prosecuzione delle attività di ricerca e ingegneria sui suoi due prodotti principali, Horizon e Recursion Managed Agents, oltre all’ampliamento dei team che li portano ai clienti. Sharma ha scritto che l’accesso alle risorse di calcolo sarà centrale nella prossima fase dell’azienda, osservando che John Yetimoglu di Infinitum era stato uno dei primi investitori in Groq e ora contribuisce alla realizzazione di infrastrutture di calcolo su larga scala presso GroqCloud.

Posizionamento e storia dell’azienda

Labelbox ha dichiarato di aver raggiunto la redditività nel 2026, crescendo di oltre cinque volte rispetto all’anno precedente. L’azienda dichiara di avere più di 400 clienti, tra cui oltre il 90% dei principali laboratori di IA statunitensi, e afferma che la sua clientela comprende laboratori di IA all’avanguardia, hyperscaler, startup e aziende Fortune 500.

Sharma, Brian e Dan hanno fondato Labelbox nel 2018. In una nota del fondatore, Sharma ha scritto di essersi trasferito negli Stati Uniti per imparare a progettare e costruire aerei e razzi, lavorando sulla fluidodinamica computazionale e sulle reti neurali. Ha aggiunto che i suoi successivi incarichi presso DroneDeploy e Planet Labs gli hanno mostrato quanto del potenziale del machine learning risiedesse nei dati.

L’articolo descrive la storia dell’azienda attraverso tre fasi: software per i dati di addestramento destinato a chi sviluppa l’IA; ambienti di apprendimento per rinforzo, realizzati dopo quello che Sharma definisce il momento ChatGPT, quando i modelli più capaci hanno iniziato a migliorare esercitandosi in attività reali; e agenti, che l’azienda ha sviluppato prima per uso interno e poi ha messo a disposizione dei clienti.

Sharma ha inoltre scritto che Labelbox costruisce internamente ogni livello della propria piattaforma: un’infrastruttura per agenti progettata per operare su orizzonti temporali molto lunghi, un’infrastruttura sandbox in grado di eseguire milioni di macchine virtuali, una propria infrastruttura per la fase di post-addestramento con apprendimento per rinforzo e una rete di esperti composta da oltre 4 milioni di persone.

Ambienti di apprendimento per rinforzo di Horizon

Secondo l’azienda, il sistema WorldSim di Horizon crea aziende simulate, con codice, dashboard, fogli di calcolo, presentazioni e documenti ricchi di dati aziendali realistici. Al loro interno, un modello affronta dall’inizio alla fine un compito complesso articolato in più fasi, mentre ogni passaggio viene registrato come una traiettoria. A ogni esecuzione, verificatori deterministici valutano ciascuna traiettoria sempre allo stesso modo; quando due traiettorie sono entrambe corrette, la preferenza di un esperto insegna al modello quello che Sharma definisce «gusto». L’azienda descrive un’attività che si svolge su migliaia di mondi e milioni di traiettorie valutate, calibrate sugli obiettivi pass@k di un laboratorio nei campi della programmazione, dell’uso del computer, della ricerca, delle attività multimodali e vocali.

La pagina del prodotto Horizon elenca ambiti che comprendono la ricerca autonoma con l’IA, la programmazione degli agenti e l’ingegneria del software, le attività cognitive multimodali, l’uso della voce con strumenti azionati dagli agenti, l’uso del computer e la cybersicurezza. Sharma ha scritto che Labelbox collabora oggi con il 90% dei principali laboratori di IA all’avanguardia e degli hyperscaler.

Recursion Managed Agents

L’annuncio del finanziamento afferma che Labelbox ha reso Recursion Managed Agents disponibile ai clienti aziendali all’inizio di ottobre 2026. In base alla progettazione del prodotto, un agente gestito riceve un obiettivo, un evento di attivazione — per esempio una pianificazione, un avviso, un messaggio Slack, un webhook o una chiamata API — e una rubrica che definisce i criteri di un lavoro ben svolto. Un agente valutatore separato assegna un punteggio a ogni esecuzione, confrontandola voce per voce con la rubrica e indicando le prove a sostegno di ciascuna valutazione; se il risultato non è adeguato, l’agente lo rivede.

Gli agenti possono operare in tre modalità: multiagente, nella quale un coordinatore concatena le attività di specialisti, ciascuno con il proprio modello, le proprie istruzioni, i propri strumenti e le proprie autorizzazioni; di squadra, nella quale copie di un agente si suddividono il lavoro su una bacheca condivisa e verificano i risultati reciproci; e automatica, quella predefinita, nella quale l’agente decide autonomamente quando un’attività richiede specialisti o una squadra.

Secondo l’azienda, gli agenti operano con oltre 100 applicazioni aziendali e con qualsiasi server MCP; ogni strumento è classificato come di sola lettura, in grado di modificare i dati o distruttivo, e le credenziali sono custodite in un archivio sicuro, così che il modello non possa mai visualizzarle. Le sessioni si svolgono in sandbox isolate e Labelbox afferma che la piattaforma garantisce la mancata conservazione dei dati presso ogni provider di LLM. Il programma di conformità dichiarato comprende SOC 2 Type II, GDPR, CCPA, NIST 800-171 e PCI DSS. Il prezzo è calcolato per ora di sessione dell’agente, con la spesa per il calcolo e quella per i modelli riunite in un’unica stima; i clienti aziendali Labelbox già esistenti ricevono un credito una tantum di 100 dollari.

Descrivendo il lancio interno dell’azienda in un articolo sul lancio del prodotto datato 8 ottobre 2026, Labelbox ha scritto: «La sorpresa non è stata che gli agenti fossero in grado di svolgere il lavoro. È stata la rapidità con cui sono migliorati». L’azienda dichiara di gestire 51 agenti distribuiti in 11 team, attivi nell’ingegneria del software, nell’affidabilità, nella sicurezza, nella ricerca sul machine learning, nelle valutazioni, nel prodotto, nella finanza, nelle vendite, nella strategia e negli acquisti.

In un esempio interno, Labelbox ha dichiarato che il suo agente di revisione delle pull request ha eseguito 39 revisioni valutate su una singola versione dell’agente e un solo modello e che, tra le 33 revisioni che hanno superato la valutazione, il costo mediano è sceso da 13,15 $ per le prime 11 revisioni a 8,90 $ per le ultime 11, con una riduzione del 32% per revisione, mentre la memoria dell’agente è stata aggiornata 15 volte e il tempo per revisione è rimasto di circa 27 minuti. In base al funzionamento della memoria del prodotto, quando sono disponibili cinque nuovi resoconti di sessione e al massimo una volta all’ora, un agente curatore li legge e aggiorna la memoria dell’agente; i clienti possono consultare ciò che l’agente ha imparato ed eliminare qualsiasi lezione che non sia più valida.