LangChain sikrer 300 millioner dollar i serie C-runde til en verdsettelse på 3 milliarder dollar for styring av agenter

LangChain kunngjorde 13. november 2026 at selskapet hadde hentet inn 300 millioner dollar i en serie C-runde, til en verdsettelse på 3 milliarder dollar. Den eksisterende investoren CapitalG ledet finansieringsrunden.

Kapitalen skal støtte LangChains arbeid med LangSmith, en plattform for drift, forbedring og styring av agenter, uansett hvilket rammeverk som brukes til å bygge dem. Det uttalte oppdraget er å gjøre det mulig for virksomheter å velge modeller, kontrollere data og infrastruktur, kontinuerlig forbedre agenter og innføre styring for sikker drift i stor skala.

Runden fikk betydelige bidrag fra de nye investorene GIC og DFJ Growth og de eksisterende investorene IVP og Sapphire Ventures. Salesforce Ventures, Insight Venture Partners, QuantumLight og MongoDB Ventures deltok også, mens Sequoia, Amplify og Benchmark økte sine bidrag.

LangChain forventer at agenter som bygges for bestemte fagområder, vil bli selvstendige produkter og interne driftsverktøy, særpreget av kunnskap, data og brukeropplevelse. Kontroll over disse systemene vil danne grunnlaget for et varig konkurransefortrinn.

Utbredelse av LangSmith og resultater hos kundene

LangChain oppgir at LangSmith har brukere i over 7 000 organisasjoner. Blant eksemplene er oppstartsbedriftene Harvey, Rippling og Listen Labs, samt Fortune 500-selskapene NVIDIA, Toyota og Salesforce. Hos Clay sporer plattformen hundrevis av millioner agentkjøringer hver måned og bidrar til å forbedre agenter. Workday bruker LangSmith til drift og styring på tvers av organisasjonen, og reduserte tiden det tok å sette en ny agent i produksjon, fra fem måneder til under én dag.

Disse implementeringene viser hvorfor LangChain samler overvåking og styring med utrulling: Drift av agenter i stort omfang krever innsyn også etter lansering, mens en stor organisasjon i tillegg trenger en raskere og kontrollert vei til produksjon.

Kjøretid, forbedring og styring

LangSmiths grunnlag er organisert i agentkjøring, agentforbedring og agentstyring. Agentkjøring dekker hele veien fra agentarkitektur til produksjonsinfrastruktur. Utviklingsteam bruker Deep Agents, LangGraph og LangChain for å beholde valgfriheten når det gjelder modeller og bestemme hvordan konteksten håndteres. Sikker utrulling i stor skala skjer gjennom LangSmith Agent Server og Sandboxes, enten i skyen eller i kundens miljø. LangSmith Managed Agents og Fleet tilbyr også en fullstendig administrert vei til produksjon.

Agentforbedring kombinerer måling med automatiserte korrigeringer. LangSmiths funksjoner for observerbarhet og evaluering synliggjør agentenes atferd og vurderer kvaliteten. LangChain opplyser at LangSmith Engine, agenten som er innebygd i plattformen, leter etter feil, foreslår rettelser i kode og ledetekster og kontrollerer trafikken i produksjon for å avdekke tilbakefall. LangSmith Fine-Tuning hjelper team med å gjøre agentspor om til treningsdata som kan brukes til å finjustere og evaluere spesialiserte modeller.

Styringsdelen samler kontrollen over modeller, verktøy og data. Team kan bruke LLM- og verktøygatewayene til å fastsette modellbudsjetter og reserveatferd, beskytte sensitiv informasjon og administrere tilgang til verktøy og autentisering på tvers av team og agenter.

Kommende funksjoner i LangSmith

LangChain har planlagt et lanseringsarrangement 20. november 2026, der selskapet planlegger å presentere flere nye LangSmith-funksjoner som bygger på dette grunnlaget.

Det sentrale spørsmålet når disse funksjonene lanseres, er om de gjør det enklere å bygge agenter med høy ytelse, samtidig som kundene beholder kontrollen over modeller, data, infrastruktur og styring.