Finansiering

Model ML henter 250 millioner dollar i Series B-runde til en verdsettelse på 1,5 milliarder dollar for å utvide KI-teamene

Evan Mercer
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterModel ML hentet 250 millioner dollar til en verdsettelse på 1,5 milliarder dollar for å…
Vis mer
  • Model ML hentet 250 millioner dollar til en verdsettelse på 1,5 milliarder dollar for å utvide AI-teamene i London og New York.
  • Selskapets agenter kjører på et selskaps egne systemer og data og trener aldri modeller på kundedata.
  • Model ML ruter oppgaver på tvers av leverandører og oppgir at deres egne modeller koster 2 % av nivået til frontier-modeller.

Model ML kunngjorde 17. november 2026 at selskapet hadde hentet 250 millioner dollar i Series B-finansiering til en verdsettelse på 1,5 milliarder dollar. General Atlantic og QED Investors ledet finansieringsrunden sammen. Kapitalen skal finansiere større forsknings- og ingeniørteam i London og New York, videreutvikling av produktene og bredere utrulling hos kundene.

Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund og 13Books Capital deltok også. Dermed har selskapet hentet inn totalt 350 millioner dollar. Series B-runden kommer 18 måneder etter at Model ML kom ut av stealth-modus, og følger en Series A-runde på 75 millioner dollar ledet av FT Partners i november 2025.

Rapportert vekst og internasjonal rekkevidde

Model ML rapporterte at årlige gjentakende inntekter var 12 ganger høyere i tredje kvartal 2026 enn i samme kvartal året før, mens antallet daglige aktive brukere var 26 ganger høyere. Disse måltallene knytter den nye finansieringen til økt bruk av plattformen og gir mer kontekst for verdsettelsen og ekspansjonsplanene.

Kontorer som åpnet i Paris, Madrid, Tokyo, Singapore og Dubai i løpet av 2026, skal gjøre det lettere for selskapet å betjene kunder på tvers av regioner. De kommer i tillegg til Model MLs hovedkontor i London og virksomhet i New York, og utvider selskapets internasjonale tilstedeværelse mens det satser på bredere utrulling.

Paul Stamas, administrerende direktør og global leder for finansielle tjenester i General Atlantic, sa at virksomheter innen finansielle og profesjonelle tjenester raskt går fra å eksperimentere med KI til å bruke teknologien i det daglige. Han sa at Model MLs kunder allerede har tillit til plattformen når det gjelder stadig mer komplekse arbeidsoppgaver.

Personlige KI-agenter for finansarbeid

Brødrene Chaz og Arnie Englander grunnla Model ML for å tilby personlige KI-agenter til bankfolk, konsulenter og investorer. Agentene kjører på bedriftenes systemer og bruker dataene deres, og henter kontekst fra kunder, pågående transaksjoner og den enkeltes arbeidsvaner. De blir mer personlig tilpasset etter hvert som de brukes over tid.

«KI bør gjøre mer enn å gi deg enda et svar eller varsel. Den bør forstå arbeidet ditt og få ting gjort», sa Chaz Englander, medgrunnlegger og administrerende direktør i Model ML.

Model ML sier at en agent kan utarbeide analyser på minutter i stedet for dager. Hvis en hendelse for eksempel påvirker et selskap på en bankmanns liste over selskaper han følger, vurderer agenten hvor viktig hendelsen er, analyserer konsekvensene og utarbeider en analyse i bedriftens egne formater i stedet for bare å sende et varsel.

Utrulling og modelløkonomi

Kundene kan kjøre plattformen i sin egen infrastruktur. Model ML bruker ofte denne utrullingsløsningen for å holde dataene i kundens eget miljø. Selskapet opplyser at kundedata aldri brukes til å trene KI-modeller. Model ML er sertifisert etter ISO/IEC 27001:2022 og revidert etter SOC 2 Type II.

Valg av modell håndteres av et rutingslag, slik at selskapet ikke er bundet til én KI-leverandør. Model ML evaluerer modeller på reelle finansoppgaver og fordeler deretter oppgavene ut fra kvalitet, hastighet og kostnad. Selskapets egne finjusterte modeller med åpen kildekode håndterer en stadig større andel av arbeidet.

For arbeidet som håndteres av disse interne modellene, oppgir selskapet at kostnadene ligger på 2 % av nivået for de mest avanserte modellene, at modellene i de fleste tilfeller er fem ganger raskere, og at nøyaktigheten er like god som eller bedre enn hos de mest avanserte modellene. Tallene gjelder bestemte arbeidsoppgaver og beskriver oppgavene som tildeles Model MLs egne modeller, ikke plattformen som helhet.

Den videre ekspansjonen avhenger nå av at selskapet opprettholder denne kombinasjonen av data under kundenes kontroll, personlig tilpasset automatisering og oppgavespesifikk modelløkonomi etter hvert som agentene tas i bruk i større omfang.

Evan Mercer er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-oppstartsbedrifter, venturekapital og finansieringsdynamikken som former neste generasjon av teknologiselskaper. Rapporteringen hans fokuserer på tidligfaseinnovasjon, kapitalstrømmer og de strategiske beslutningene grunnleggere og investorer tar når AI-selskaper skalerer fra konsept til global påvirkning.

Med et strategisk og analytisk perspektiv undersøker Evan finansieringsrunder, markedsposisjonering og fremvoksende trender i AI-oppstartsmiljøet. Han følger hvordan venturekapital, bedriftsinvesteringer og børsnoterte markeder krysser med gjennombrudd innen kunstig intelligens, og skiller varige signaler fra kortsiktig hype.

Artiklene skrevet av Evan Mercer er AI-genererte og gjennomgås av Unite.AI sitt redaksjonelle team for å sikre nøyaktighet, kontekst og ansvarlig dekning av det globale AI-investeringslandskapet