Financiamento
Model ML capta US$ 250 milhões em rodada Série B, com avaliação de US$ 1,5 bilhão, para expandir equipes de IA

Pontos-chaveA Model ML levantou 250 milhões de dólares com uma avaliação de 1,5 mil milhões de…
Ver mais
- A Model ML levantou 250 milhões de dólares com uma avaliação de 1,5 mil milhões de dólares para expandir as equipas de IA em Londres e Nova Iorque.
- Os agentes da empresa funcionam nos próprios sistemas e dados de uma empresa e nunca treinam modelos com dados de clientes.
- A Model ML encaminha tarefas entre fornecedores e relata que os seus próprios modelos custam 2% dos níveis dos modelos de fronteira.
Model ML anunciou em 17 de novembro de 2026 que captou US$ 250 milhões em uma rodada Série B, com avaliação de US$ 1,5 bilhão. General Atlantic e QED Investors lideraram a rodada, que financiará a ampliação das equipes de pesquisa e engenharia em Londres e Nova York, o aprofundamento do desenvolvimento de produtos e a expansão da implantação junto aos clientes.
Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund e 13Books Capital também participaram, elevando o total captado para US$ 350 milhões. A rodada Série B ocorre 18 meses após a Model ML sair do modo sigiloso e sucede uma rodada Série A de US$ 75 milhões, liderada pela FT Partners em novembro de 2025.
Crescimento divulgado e presença internacional
A Model ML informou que sua receita recorrente anual cresceu 12 vezes em relação ao mesmo período do ano anterior no terceiro trimestre de 2026, enquanto o número de usuários ativos diários aumentou 26 vezes. Esses indicadores relacionam o novo financiamento ao aumento do uso da plataforma e oferecem contexto adicional para a avaliação da empresa e seus planos de expansão.
Os escritórios inaugurados em 2026 em Paris, Madri, Tóquio, Singapura e Dubai foram pensados para ajudar a empresa a atender clientes em diferentes regiões. Eles se somam à sede da Model ML em Londres e à operação em Nova York, ampliando sua presença internacional enquanto a empresa busca expandir a implantação de sua plataforma.
Paul Stamas, diretor-gerente e chefe global de serviços financeiros da General Atlantic, afirmou que as instituições financeiras e de serviços profissionais estão passando rapidamente da experimentação com IA para o uso cotidiano. Ele disse que os clientes da Model ML já confiam à plataforma trabalhos cada vez mais complexos.
Agentes pessoais para o trabalho financeiro
Os irmãos Chaz e Arnie Englander criaram a Model ML para oferecer agentes pessoais de IA a banqueiros, consultores e investidores. Os agentes operam nos sistemas e com os dados da empresa, usando informações contextuais sobre clientes, negociações em andamento e preferências individuais de trabalho. Com interações contínuas, tornam-se cada vez mais personalizados.
“A IA deve fazer mais do que dar outra resposta ou enviar uma notificação. Ela deve entender seu trabalho e fazer as coisas acontecerem”, afirmou Chaz Englander, cofundador e CEO da Model ML.
Segundo a Model ML, um agente pode preparar uma análise em minutos, em vez de dias. Por exemplo, quando um acontecimento afeta uma empresa da carteira de cobertura de um banqueiro, o agente avalia sua importância, analisa suas implicações e produz uma análise nos formatos usados pela própria empresa, em vez de simplesmente emitir um alerta.
Implantação e economia dos modelos
Os clientes podem executar a plataforma em sua própria infraestrutura, uma opção de implantação que a Model ML costuma usar para manter os dados no ambiente do cliente. A empresa afirma que os dados dos clientes nunca são usados para treinar modelos de IA. A Model ML tem certificação ISO/IEC 27001:2022 e foi auditada segundo o padrão SOC 2 Tipo II.
A escolha do modelo é feita por uma camada de roteamento, em vez de depender de um único fornecedor de IA. A Model ML avalia modelos em trabalhos financeiros reais e, em seguida, atribui as tarefas de acordo com qualidade, velocidade e custo. Seus próprios modelos de código aberto ajustados para tarefas específicas estão assumindo uma parcela crescente desse trabalho.
Para o trabalho realizado por esses modelos internos, a empresa informa custos equivalentes a 2% dos níveis dos modelos de fronteira, velocidade cinco vezes maior na maioria dos casos e precisão igual ou superior à dos modelos de fronteira. Esses números são específicos de determinadas cargas de trabalho: descrevem as tarefas atribuídas aos modelos próprios da Model ML, e não à plataforma como um todo.
A expansão dependerá agora de manter essa combinação de dados sob controle dos clientes, automação personalizada e economia dos modelos específica para cada carga de trabalho, à medida que os agentes forem implantados de forma mais ampla.












