Labelbox henter inn over 100 millioner dollar i E-runde til en verdsettelse på 1,25 milliarder dollar for å fremme forsterkende læring og AI-agenter

Labelbox opplyste 14. oktober 2026 at selskapet hadde hentet inn over 100 millioner dollar i en E-runde, til en verdsettelse før investeringen på 1,25 milliarder dollar. Runden ble ledet av Infinitum Partners og kombinerer egenkapital med en kredittfasilitet.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures og Snowpoint Ventures deltok også, blant andre. Administrerende direktør og medgrunnlegger Manu Sharma redegjorde for vilkårene i et blogginnlegg fra selskapet. Selskapet opplyste at finansieringen skal støtte videre forskning og utvikling på tvers av de to kjerneproduktene Horizon og Recursion Managed Agents, samt utvidelse av teamene som gjør produktene tilgjengelige for kundene. Sharma skrev at tilgang til datakraft blir avgjørende for selskapets neste kapittel, og viste til at Infinitums John Yetimoglu var en tidlig investor i Groq og nå er involvert i utviklingen av storskala datainfrastruktur hos GroqCloud.

Selskapets posisjon og historie

Labelbox opplyste at selskapet ble lønnsomt i 2026, samtidig som det vokste mer enn fem ganger fra året før. Selskapet har over 400 kunder, deriblant mer enn 90 % av de ledende AI-laboratoriene i USA, og sier at kundebasen omfatter ledende AI-laboratorier, hyperskalere, oppstartsbedrifter og Fortune 500-selskaper.

Sharma, Brian og Dan grunnla Labelbox i 2018. I et notat fra en av grunnleggerne skrev Sharma at han kom til USA for å lære å designe og bygge fly og raketter, og jobbet med beregningsbasert fluiddynamikk og nevrale nettverk. Han skrev også at de senere rollene hans hos DroneDeploy og Planet Labs viste ham hvor mye av mulighetene innen maskinlæring som lå i data.

Innlegget beskriver selskapets historie i tre kapitler: programvare for treningsdata for dem som utvikler AI; miljøer for forsterkende læring, utviklet etter det Sharma kaller ChatGPT-øyeblikket, da de mest kapable modellene begynte å bli bedre ved å øve på reelle oppgaver; og agenter, som selskapet først utviklet for eget bruk før det åpnet systemet for kundene.

Sharma skrev også at Labelbox bygger hvert lag av plattformen selv: et agentrammeverk utviklet for agenter med svært lange tidshorisonter, sandkasseinfrastruktur som kjører millioner av virtuelle maskiner, egen infrastruktur for ettertrening med forsterkende læring og et ekspertnettverk med over 4 millioner mennesker.

Horizon-miljøer for forsterkende læring

Ifølge selskapet bygger Horizons WorldSim-system simulerte selskaper med kode, dashbord, regneark, presentasjoner og dokumenter fylt med realistiske forretningsdata. I disse miljøene forsøker en modell å løse en krevende oppgave med flere trinn fra start til slutt, mens hvert trinn registreres som et forløp. Deterministiske verifikatorer vurderer hvert forløp på samme måte hver gang, og når to forløp begge er riktige, lærer modellens preferanser fra en ekspert den det Sharma kaller smak. Selskapet beskriver en driftsskala på tusenvis av verdener og millioner av vurderte forløp, tilpasset et laboratoriums pass@k-mål innen koding, datamaskinbruk, forskning, multimodalt arbeid og stemmebasert arbeid.

Produktsiden for Horizon viser til bruksområder som autonom AI-forskning, agentbasert koding og programvareutvikling, multimodalt kunnskapsarbeid, stemmebasert arbeid med agentisk verktøybruk, datamaskinbruk og cybersikkerhet. Sharma skrev at Labelbox nå samarbeider med 90 % av de ledende frontier-AI-laboratoriene og hyperskalerne.

Recursion Managed Agents

I kunngjøringen om finansieringen står det at Labelbox åpnet Recursion Managed Agents for bedriftskunder tidligere i oktober 2026. Slik produktet er utformet, får en administrert agent et mål, en utløser – for eksempel en tidsplan, et varsel, en Slack-melding, en webhook eller et API-kall – og et sett med kriterier som definerer hva godt arbeid innebærer. En separat evalueringsagent vurderer hver kjøring punkt for punkt opp mot kriteriene og viser til dokumentasjon for hver vurdering. Hvis arbeidet ikke holder mål, reviderer agenten det.

Agentene kan arbeide i tre moduser: fleragentmodus, der en koordinator setter sammen spesialister som hver har sin egen modell, sine egne instruksjoner, verktøy og tillatelser; teammodus, der kopier av en agent fordeler arbeidet på en felles tavle og kontrollerer hverandres resultater; og automatisk modus, som er standardinnstillingen, der agenten selv avgjør når en jobb krever spesialister eller et team.

Selskapet opplyser at agentene fungerer på tvers av over 100 forretningsapplikasjoner og alle MCP-servere, og at hvert verktøy er avgrenset til én av tre tilgangstyper: skrivebeskyttet, datamodifiserende eller destruktiv. Påloggingsopplysningene oppbevares i et hvelv, slik at modellen aldri ser dem. Øktene kjøres i isolerte sandkasser, og Labelbox sier at plattformen kjøres uten datalagring hos alle LLM-leverandører. Det oppførte etterlevelsesprogrammet omfatter SOC 2 Type II, GDPR, CCPA, NIST 800-171 og PCI DSS. Prisen beregnes per time med en agentøkt, og utgifter til datakraft og modeller inngår i ett samlet prisoverslag. Eksisterende bedriftskunder hos Labelbox får en engangskreditt på 100 dollar.

I et innlegg om produktlanseringen datert 8. oktober 2026 beskrev Labelbox den interne innføringen slik: «Det overraskende var ikke at agentene kunne gjøre jobben. Det var hvor raskt de ble bedre til det.» Selskapet opplyser at det kjører 51 agenter fordelt på 11 team innen programvareutvikling, pålitelighet, sikkerhet, maskinlæringsforskning, evaluering, produkt, økonomi, salg, strategi og innkjøp.

I ett internt eksempel sa Labelbox at agenten for gjennomgang av pull requests utførte 39 gjennomganger som ble vurdert av et graderingssystem, med én enkelt agentversjon og modell. Av de 33 gjennomgangene som besto graderingen, falt mediankostnaden fra 13,15 dollar for de første 11 gjennomgangene til 8,90 dollar for de siste 11 – 32 % mindre per gjennomgang. Samtidig ble agentens minne oppdatert 15 ganger, og tiden per gjennomgang holdt seg på rundt 27 minutter. Ifølge produktets minnemekanikk leser en kuratoragent de nye økt rapportene og oppdaterer agentens minne når det finnes fem slike rapporter, og dette skjer høyst én gang i timen. Kundene kan se hva en agent har lært, og slette enhver lærdom som ikke lenger stemmer.