Labelbox привлекла более $100 млн в раунде Series E при оценке в $1,25 млрд для развития обучения с подкреплением и ИИ-агентов

14 октября 2026 года Labelbox сообщила, что привлекла более $100 млн в рамках раунда Series E при оценке компании до привлечения инвестиций в $1,25 млрд. Раунд возглавила Infinitum Partners; финансирование сочетает долевые инвестиции и кредитную линию.

В раунде также участвовали, среди прочих, Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures и Snowpoint Ventures. Генеральный директор и сооснователь Manu Sharma изложил условия сделки в публикации в блоге компании. Компания сообщила, что финансирование позволит продолжить исследования и инженерные разработки в рамках двух основных продуктов — Horizon и Recursion Managed Agents, а также расширить команды, которые помогают внедрять эти продукты у клиентов. Sharma написал, что доступ к вычислительным ресурсам станет ключевым фактором на следующем этапе развития компании. Он отметил, что John Yetimoglu из Infinitum был одним из первых инвесторов Groq и теперь участвует в создании крупномасштабной вычислительной инфраструктуры в GroqCloud.

Положение компании и история

По заявлению Labelbox, в 2026 году компания достигла прибыльности, увеличив масштабы бизнеса более чем в пять раз по сравнению с предыдущим годом. Компания сообщает, что у нее более 400 клиентов, в том числе свыше 90% ведущих американских лабораторий ИИ. В их число входят передовые лаборатории ИИ, гиперскейлеры, стартапы и компании из списка Fortune 500.

Sharma, Brian и Dan основали Labelbox в 2018 году. В заметке основателя Sharma написал, что приехал в США, чтобы научиться проектировать и строить самолеты и ракеты, занимаясь вычислительной гидродинамикой и нейронными сетями. По его словам, последующая работа в DroneDeploy и Planet Labs показала ему, какая значительная часть возможностей в машинном обучении связана с данными.

В публикации история компании разделена на три этапа: программное обеспечение для работы с обучающими данными для тех, кто создает ИИ; среды обучения с подкреплением, созданные после того, что Sharma называет «моментом ChatGPT», когда наиболее способные модели начали совершенствоваться, практикуясь на реальных задачах; и агенты, которых компания сначала создала для собственного использования, а затем открыла систему для клиентов.

Sharma также написал, что Labelbox самостоятельно разрабатывает каждый уровень своей платформы: каркас агента для работы на чрезвычайно длинном горизонте, инфраструктуру изолированных сред, запускающую миллионы виртуальных машин, собственную инфраструктуру постобучения с подкреплением и сеть экспертов, насчитывающую более 4 миллионов человек.

Среды обучения с подкреплением Horizon

По данным компании, система WorldSim в составе Horizon создает смоделированные компании с кодом, панелями мониторинга, электронными таблицами, презентациями и документами, наполненными реалистичными деловыми данными. В такой среде модель самостоятельно выполняет сложную многоэтапную задачу от начала до конца, а каждый шаг записывается как траектория. Детерминированные средства проверки оценивают каждую траекторию одинаково при каждом запуске. Если обе траектории верны, предпочтение эксперта помогает обучить модель тому, что Sharma называет чутьем. Компания сообщает, что работает в масштабе тысяч миров и миллионов оцененных траекторий, настраивая их под целевые показатели pass@k лаборатории в задачах программирования, работы с компьютером, исследований, мультимодальных задач и голосовых взаимодействий.

На странице продукта Horizon перечислены такие направления, как автономные исследования в области ИИ, программирование агентами и разработка программного обеспечения, мультимодальная интеллектуальная работа, голосовое взаимодействие с использованием инструментов агентами, работа с компьютером и кибербезопасность. Sharma написал, что Labelbox теперь сотрудничает с 90% ведущих передовых лабораторий ИИ и гиперскейлеров.

Recursion Managed Agents

В объявлении о финансировании говорится, что Labelbox открыла Recursion Managed Agents для корпоративных клиентов в начале октября 2026 года. Согласно замыслу продукта, управляемый агент получает цель, условие запуска — например, расписание, оповещение, сообщение в Slack, вебхук или вызов API — и набор критериев, определяющих, как должна выглядеть качественно выполненная работа. Отдельный агент-оценщик проверяет каждый запуск по этим критериям, пункт за пунктом, и указывает подтверждающие данные для каждого вывода; если результат не соответствует требованиям, агент его дорабатывает.

Агенты могут работать в трех режимах: многоагентном, когда координатор объединяет работу специализированных агентов, у каждого из которых есть собственная модель, инструкции, инструменты и разрешения; командном, когда копии агента распределяют задачи на общей доске и проверяют результаты друг друга; и автоматическом — режиме по умолчанию, в котором агент сам решает, когда для выполнения задачи нужны специалисты или команда.

По заявлению компании, агенты работают с более чем 100 бизнес-приложениями и любым сервером MCP. Для каждого инструмента задается один из уровней доступа: только чтение, изменение данных или деструктивные действия; учетные данные хранятся в защищенном хранилище и никогда не становятся видны модели. Сеансы запускаются в изолированных средах, а Labelbox утверждает, что платформа обеспечивает нулевое хранение данных у всех поставщиков больших языковых моделей. В заявленную программу соответствия требованиям входят SOC 2 Type II, GDPR, CCPA, NIST 800-171 и PCI DSS. Стоимость рассчитывается за час сеанса агента; расходы на вычисления и модели объединяются в одной смете. Существующие корпоративные клиенты Labelbox единовременно получают кредит в размере $100.

Описывая внутреннее внедрение продукта в публикации о запуске продукта от 8 октября 2026 года, Labelbox написала: «Удивительным было не то, что агенты могли выполнять эту работу. А то, как быстро они становились в ней лучше». По данным компании, в 11 командах работают 51 агент: в области разработки программного обеспечения, надежности, безопасности, исследований в сфере машинного обучения, оценки моделей, разработки продукта, финансов, продаж, стратегии и закупок.

В одном внутреннем примере Labelbox сообщила, что агент проверки запросов на слияние выполнил 39 оценочных проверок на одной версии агента и одной модели. Из 33 проверок, прошедших оценку, медианная стоимость снизилась с $13.15 за первые 11 проверок до $8.90 за последние 11 — на 32% меньше за проверку. При этом память агента обновлялась 15 раз, а каждая проверка занимала около 27 минут. Согласно механизму работы с памятью продукта, когда накапливается пять новых отчетов о сеансах, агент-куратор читает их и обновляет память агента; это происходит не чаще одного раза в час. Клиенты могут просматривать, чему научился агент, и удалять уроки, которые больше не актуальны.