Финансирование
Model ML привлекает $250 млн в раунде серии B при оценке в $1,5 млрд, чтобы расширить команды, работающие над ИИ

Ключевые моментыModel ML привлекла 250 миллионов долларов при оценке в 1,5 миллиарда долларов, чтобы…
Показать больше
- Model ML привлекла 250 миллионов долларов при оценке в 1,5 миллиарда долларов, чтобы расширить команды по искусственному интеллекту в Лондоне и Нью-Йорке.
- Агенты компании работают на собственных системах и данных фирмы и никогда не обучают модели на данных клиентов.
- Model ML распределяет задачи между провайдерами и сообщает, что стоимость её собственных моделей составляет 2% от уровня передовых моделей.
Model ML объявила 17 ноября 2026 года о привлечении $250 млн в раунде финансирования серии B при оценке компании в $1,5 млрд. Раунд совместно возглавили General Atlantic и QED Investors. Средства направят на расширение команд исследований и разработки в Лондоне и Нью-Йорке, углубление работы над продуктом и более широкое внедрение решений среди клиентов.
В раунде также приняли участие Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund и 13Books Capital. Общий объем привлеченных средств достиг $350 млн. Раунд серии B состоялся через 18 месяцев после выхода Model ML из скрытого режима и последовал за раундом серии A на $75 млн, который в ноябре 2025 года возглавила FT Partners.
Заявленные темпы роста и международное присутствие
По данным Model ML, в третьем квартале 2026 года годовая регулярная выручка выросла в 12 раз по сравнению с аналогичным периодом прошлого года, а число ежедневно активных пользователей увеличилось в 26 раз. Эти показатели связывают новое финансирование с ростом использования платформы и дают дополнительный контекст для оценки компании и планов по расширению.
Офисы, открытые в 2026 году в Париже, Мадриде, Токио, Сингапуре и Дубае, призваны помочь компании обслуживать клиентов в разных регионах. Они дополнят штаб-квартиру Model ML в Лондоне и подразделение в Нью-Йорке, расширяя международное присутствие компании по мере ее стремления к более широкому внедрению решений.
Пол Стамас, управляющий директор и глобальный руководитель направления финансовых услуг в General Atlantic, заявил, что финансовые организации и компании сферы профессиональных услуг быстро переходят от экспериментов с ИИ к его повседневному использованию. По его словам, клиенты Model ML уже доверяют платформе все более сложные задачи.
Персональные агенты для работы в финансовой сфере
Братья Чаз и Арни Ингландеры создали Model ML, чтобы предоставлять персональных ИИ-агентов банкирам, консультантам и инвесторам. Агенты работают с системами и данными компании, учитывая контекст, связанный с клиентами, текущими сделками и индивидуальными рабочими предпочтениями. Благодаря постоянному взаимодействию они все лучше подстраиваются под пользователя.
«ИИ должен не просто выдавать еще один ответ или присылать уведомление. Он должен понимать вашу работу и выполнять задачи», — заявил Чаз Ингландер, сооснователь и генеральный директор Model ML.
По словам Model ML, агент может подготовить анализ за минуты, а не за дни. Например, если какое-либо событие затрагивает компанию из списка организаций, за которыми следит банкир, агент оценивает его значимость, анализирует последствия и готовит материалы в форматах, принятых в компании, вместо того чтобы просто отправить оповещение.
Развертывание и экономика моделей
Клиенты могут запускать платформу в собственной инфраструктуре. Model ML часто выбирает такой вариант развертывания, чтобы данные оставались в среде клиента. Компания заявляет, что данные клиентов никогда не используются для обучения моделей ИИ. Model ML сертифицирована по стандарту ISO/IEC 27001:2022 и прошла аудит SOC 2 Type II.
Выбор модели обеспечивает уровень маршрутизации, а не привязка к одному поставщику ИИ. Model ML оценивает модели на реальных финансовых задачах, а затем распределяет задания с учетом качества, скорости и стоимости. Все большую долю таких задач выполняют собственные дообученные модели компании с открытым исходным кодом.
По данным компании, при выполнении задач собственными моделями затраты составляют 2% от уровня затрат при использовании передовых моделей, в большинстве случаев обработка выполняется в пять раз быстрее, а точность не уступает точности передовых моделей или превосходит ее. Эти показатели относятся к конкретным рабочим задачам и описывают задания, порученные собственным моделям Model ML, а не платформу в целом.
Дальнейшее расширение теперь зависит от того, удастся ли сохранить сочетание контролируемого клиентами хранения данных, персонализированной автоматизации и экономической эффективности моделей для конкретных задач по мере более широкого внедрения агентов.












