Finanziamenti
Model ML raccoglie 250 milioni di dollari in un round Serie B, con una valutazione di 1,5 miliardi, per ampliare i team dedicati all’IA

Punti chiaveModel ML ha raccolto 250 milioni di dollari con una valutazione di 1,5 miliardi di…
Vedi di più
- Model ML ha raccolto 250 milioni di dollari con una valutazione di 1,5 miliardi di dollari per espandere i team di intelligenza artificiale a Londra e New York.
- Gli agenti dell'azienda operano sui sistemi e sui dati propri di un'impresa e non addestrano mai modelli sui dati dei clienti.
- Model ML instrada le attività tra diversi fornitori e riferisce che i propri modelli costano il 2% dei livelli dei modelli di frontiera.
Il 17 novembre 2026, Model ML ha annunciato di aver raccolto 250 milioni di dollari in un round di finanziamento Serie B, con una valutazione di 1,5 miliardi di dollari. General Atlantic e QED Investors hanno co-guidato il round, che finanzierà team di ricerca e ingegneria più ampi a Londra e New York, uno sviluppo più approfondito dei prodotti e una maggiore diffusione presso i clienti.
Hanno partecipato anche Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund e 13Books Capital, portando il totale dei finanziamenti raccolti a 350 milioni di dollari. Il round Serie B arriva 18 mesi dopo l’uscita di Model ML dalla fase di stealth e segue un round Serie A da 75 milioni di dollari, guidato da FT Partners nel novembre 2025.
Crescita dichiarata e presenza internazionale
Model ML ha dichiarato che nel terzo trimestre del 2026 i ricavi ricorrenti annuali sono cresciuti di 12 volte su base annua, mentre gli utenti attivi giornalieri sono aumentati di 26 volte. Questi dati collegano il nuovo finanziamento al maggiore utilizzo della piattaforma e forniscono ulteriore contesto alla valutazione e ai piani di espansione.
Gli uffici aperti nel 2026 a Parigi, Madrid, Tokyo, Singapore e Dubai mirano ad aiutare l’azienda a servire clienti in diverse aree geografiche. Si aggiungono alla sede centrale di Model ML a Londra e alla presenza operativa a New York, ampliandone la portata internazionale mentre l’azienda punta a una diffusione più ampia.
Paul Stamas, amministratore delegato e responsabile globale dei servizi finanziari presso General Atlantic, ha dichiarato che gli istituti finanziari e i fornitori di servizi professionali stanno passando rapidamente dalla sperimentazione dell’IA al suo utilizzo quotidiano. Ha aggiunto che i clienti di Model ML stanno già affidando alla piattaforma attività sempre più complesse.
Agenti personalizzati per il lavoro finanziario
I fratelli Chaz e Arnie Englander hanno creato Model ML per offrire agenti di IA personali a banchieri, consulenti e investitori. Gli agenti operano sui sistemi e sui dati dell’azienda, attingendo al contesto fornito dai clienti, dalle operazioni in corso e dalle preferenze di lavoro individuali. Con il susseguirsi delle interazioni, diventano sempre più personalizzati.
«L’IA dovrebbe fare più che fornire un’altra risposta o una notifica. Dovrebbe capire il tuo lavoro e portare a termine le attività», ha dichiarato Chaz Englander, cofondatore e CEO di Model ML.
Secondo Model ML, un agente può preparare un’analisi in pochi minuti anziché in giorni. Per esempio, quando un’evoluzione riguarda un’azienda inserita nell’elenco delle società seguite da un banchiere, l’agente ne valuta l’importanza, ne esamina le implicazioni e produce un’analisi nei formati utilizzati dall’azienda, invece di limitarsi a inviare un avviso.
Distribuzione ed economia dei modelli
I clienti possono eseguire la piattaforma nella propria infrastruttura; Model ML ricorre spesso a questa opzione di distribuzione per mantenere i dati nell’ambiente del cliente. L’azienda dichiara che i dati dei clienti non vengono mai utilizzati per addestrare modelli di IA. Model ML è certificata ISO/IEC 27001:2022 ed è sottoposta ad audit SOC 2 Tipo II.
La scelta del modello è gestita da un livello di instradamento, anziché basarsi su un impegno verso un unico fornitore di IA. Model ML valuta i modelli su attività finanziarie reali, quindi assegna i compiti in base a qualità, velocità e costo. I suoi modelli open source ottimizzati con il fine-tuning si fanno carico di una quota crescente di queste attività.
Per le attività svolte da questi modelli interni, l’azienda dichiara costi pari al 2% di quelli dei modelli di frontiera, velocità cinque volte superiori nella maggior parte dei casi e una precisione pari o superiore a quella dei modelli di frontiera. Questi dati si riferiscono a carichi di lavoro specifici: descrivono le attività assegnate ai modelli di Model ML, non la piattaforma nel suo complesso.
L’espansione dipende ora dalla capacità di mantenere questa combinazione di dati sotto il controllo dei clienti, automazione personalizzata ed economia dei modelli specifica per ciascun carico di lavoro, man mano che gli agenti vengono distribuiti su scala più ampia.












