Financiering

Model ML haalt $250 miljoen op in een Serie B-ronde bij een waardering van $1,5 miljard om AI-teams uit te breiden

Evan Mercer
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenModel ML haalde $250 miljoen op bij een waardering van $1,5 miljard om AI-teams in…
Meer weergeven
  • Model ML haalde $250 miljoen op bij een waardering van $1,5 miljard om AI-teams in Londen en New York uit te breiden.
  • De agents van het bedrijf draaien op de eigen systemen en data van een firma en trainen nooit modellen op klantgegevens.
  • Model ML leidt taken langs verschillende providers en meldt dat zijn eigen modellen 2% van het kostenniveau van frontier-modellen bedragen.

Model ML maakte op 17 november 2026 bekend dat het $250 miljoen aan Serie B-financiering heeft opgehaald bij een waardering van $1,5 miljard. General Atlantic en QED Investors leidden de financieringsronde gezamenlijk. De opbrengst wordt gebruikt om de onderzoeks- en engineeringteams in Londen en New York uit te breiden, de productontwikkeling te verdiepen en het platform bij meer klanten in te zetten.

Ook Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund en 13Books Capital namen deel. Daarmee komt het totale opgehaalde bedrag uit op $350 miljoen. De Serie B-ronde volgt 18 maanden nadat Model ML uit stealth-modus kwam en op een Serie A-financieringsronde van $75 miljoen onder leiding van FT Partners in november 2025.

Gerapporteerde groei en internationaal bereik

Model ML meldde dat de jaarlijks terugkerende omzet in het derde kwartaal van 2026 op jaarbasis twaalf keer zo hoog was, terwijl het aantal dagelijks actieve gebruikers 26 keer zo hoog werd. Deze cijfers verbinden de nieuwe financiering met het toegenomen gebruik van het platform en bieden extra context bij de waardering en uitbreidingsplannen.

De kantoren die in 2026 in Parijs, Madrid, Tokio, Singapore en Dubai werden geopend, moeten het bedrijf helpen klanten in verschillende regio’s te bedienen. Ze komen boven op het hoofdkantoor van Model ML in Londen en de vestiging in New York en vergroten zo het internationale bereik terwijl het bedrijf streeft naar een bredere inzet van het platform.

Paul Stamas, managing director en wereldwijd hoofd financiële dienstverlening bij General Atlantic, zei dat instellingen in de financiële en zakelijke dienstverlening snel overstappen van experimenteren met AI naar dagelijks gebruik ervan. Volgens hem vertrouwen klanten van Model ML het platform nu al steeds complexere taken toe.

Persoonlijke agents voor financieel werk

De broers Chaz en Arnie Englander hebben Model ML opgericht om persoonlijke AI-agents te bieden aan bankiers, consultants en beleggers. De agents draaien op de systemen en gegevens van een bedrijf en putten context uit klantinformatie, lopende transacties en individuele werkvoorkeuren. Door voortdurende interactie worden ze steeds persoonlijker.

‘AI moet meer doen dan je nog een antwoord of melding geven. AI moet begrijpen wat je doet en zaken voor je regelen’, zei Chaz Englander, medeoprichter en CEO van Model ML.

Volgens Model ML kan een agent een analyse in minuten voorbereiden in plaats van dagen. Als een ontwikkeling bijvoorbeeld gevolgen heeft voor een bedrijf op de dekkingslijst van een bankier, beoordeelt de agent het belang ervan, brengt hij de gevolgen in kaart en stelt hij een analyse op in de eigen formats van het bedrijf, in plaats van alleen een melding te versturen.

Implementatie en modeleconomie

Klanten kunnen het platform binnen hun eigen infrastructuur draaien. Model ML kiest deze implementatiemethode vaak om gegevens binnen de omgeving van de klant te houden. Het bedrijf stelt dat klantgegevens nooit worden gebruikt om AI-modellen te trainen. Model ML is gecertificeerd volgens ISO/IEC 27001:2022 en is gecontroleerd volgens SOC 2 Type II.

De keuze van het model verloopt via een routeringslaag, in plaats van dat het bedrijf zich vastlegt op één AI-aanbieder. Model ML beoordeelt modellen aan de hand van echt financieel werk en wijst taken vervolgens toe op basis van kwaliteit, snelheid en kosten. Het bedrijf zet zijn eigen, fijn afgestemde opensourcemodellen in voor een steeds groter deel van dat werk.

Voor het werk dat door deze interne modellen wordt uitgevoerd, meldt het bedrijf dat de kosten 2% bedragen van die van frontiermodellen, dat de modellen in de meeste gevallen vijf keer sneller werken en dat hun nauwkeurigheid gelijk is aan of hoger ligt dan die van frontiermodellen. Deze cijfers gelden specifiek voor bepaalde werklasten en beschrijven de taken die aan de eigen modellen van Model ML worden toegewezen, niet het platform als geheel.

De verdere uitbreiding hangt er nu van af of Model ML deze combinatie van gegevens waarover de klant zelf controle heeft, gepersonaliseerde automatisering en modeleconomie die is afgestemd op specifieke werklasten kan handhaven terwijl de agents op grotere schaal worden ingezet.

Evan Mercer is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI-startups, durfkapitaal en de financieringsdynamiek die de volgende generatie technologiebedrijven vormgeeft, behandelt. Zijn verslaggeving richt zich op innovatie in een vroeg stadium, kapitaalstromen en de strategische beslissingen die oprichters en investeerders nemen wanneer AI-bedrijven opschalen van concept tot wereldwijde impact.

Met een strategische en analytische blik onderzoekt Evan financieringsrondes, marktpositionering en opkomende trends binnen het AI-startup-ecosysteem. Hij volgt hoe durfkapitaal, bedrijfsinvesteringen en de beursgenoteerde markten samenvallen met doorbraken in kunstmatige intelligentie, en scheidt duurzame signalen van kortetermijnhype.

Artikelen geschreven door Evan Mercer zijn AI-gegenereerd en worden beoordeeld door het redactieteam van Unite.AI om nauwkeurigheid, context en verantwoorde berichtgeving over het wereldwijde AI-investeringslandschap te waarborgen.