Labelbox tar in över 100 miljoner dollar i E-serien till en värdering på 1,25 miljarder dollar för att utveckla förstärkningsinlärning och AI-agenter

Den 14 oktober 2026 meddelade Labelbox att bolaget hade tagit in över 100 miljoner dollar i en finansieringsrunda i E-serien, till en värdering före investering på 1,25 miljarder dollar. Rundan leddes av Infinitum Partners och kombinerar eget kapital med en kreditfacilitet.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures och Snowpoint Ventures deltog också, bland andra. Vd:n och medgrundaren Manu Sharma redogjorde för villkoren i ett blogginlägg från företaget, och företaget uppgav att finansieringen ska stödja fortsatt forskning och utveckling inom dess två kärnprodukter, Horizon och Recursion Managed Agents, samt utbyggnaden av teamen som tar produkterna till kunderna. Sharma skrev att tillgången till beräkningskapacitet blir central i företagets nästa kapitel och noterade att Infinitums John Yetimoglu var en tidig investerare i Groq och nu medverkar till att bygga upp storskalig beräkningsinfrastruktur hos GroqCloud.

Företagets position och historik

Labelbox uppgav att företaget nådde lönsamhet 2026 samtidigt som det växte till mer än fem gånger nivån året innan. Företaget uppger att det har över 400 kunder, däribland mer än 90 procent av de ledande amerikanska AI-laboratorierna, och att kundbasen omfattar ledande AI-laboratorier, hyperskalare, startupbolag och Fortune 500-företag.

Sharma, Brian och Dan grundade Labelbox 2018. I en grundaranteckning skrev Sharma att han kom till USA för att lära sig konstruera och bygga flygplan och raketer, och att han arbetade med beräkningsströmningsdynamik och neurala nätverk. Hans senare roller på DroneDeploy och Planet Labs visade honom hur stor del av möjligheterna inom maskininlärning som låg i data.

Inlägget beskriver företagets historia i tre kapitel: programvara för träningsdata åt dem som bygger AI; miljöer för förstärkningsinlärning, som utvecklades efter det Sharma kallar ChatGPT-ögonblicket, då de mest kapabla modellerna började bli bättre genom att öva på verkliga arbetsuppgifter; och agenter, som företaget först byggde för eget bruk innan det öppnade systemet för kunder.

Sharma skrev också att Labelbox bygger varje lager i sin plattform självt: ett agentramverk utformat för agenter med mycket lång tidshorisont, sandlådinfrastruktur som kör miljontals virtuella maskiner, egen infrastruktur för efterträning med förstärkningsinlärning samt ett expertnätverk med över 4 miljoner människor.

Horizon-miljöer för förstärkningsinlärning

Enligt företaget bygger Horizons WorldSim-system simulerade företag med kod, kontrollpaneler, kalkylblad, presentationer och dokument fyllda med realistiska affärsdata. I dessa försöker en modell utföra en svår uppgift i flera steg från början till slut, samtidigt som varje steg registreras som en sekvens. Deterministiska verifierare poängsätter varje sekvens på samma sätt vid varje körning. När två sekvenser båda är korrekta lär expertens preferens modellen det som Sharma kallar gott omdöme. Företaget beskriver en verksamhet som omfattar tusentals världar och miljontals poängsatta sekvenser, anpassade till ett AI-laboratoriums pass@k-mål inom kodning, datoranvändning, forskning, multimodalt arbete och röstbaserade uppgifter.

På Horizons produktsida listas bland annat autonom AI-forskning, agentkodning och programvaruteknik, multimodalt kunskapsarbete, röst med agentbaserad verktygsanvändning, datoranvändning och cybersäkerhet som användningsområden. Sharma skrev att Labelbox nu arbetar med 90 procent av de ledande AI-laboratorierna i framkant och hyperskalarna.

Recursion Managed Agents

I finansieringsmeddelandet står det att Labelbox öppnade Recursion Managed Agents för företagskunder tidigare i oktober 2026. Enligt produktens utformning får en hanterad agent ett mål, en utlösare – till exempel ett schema, en avisering, ett Slack-meddelande, en webhook eller ett API-anrop – och en bedömningsmatris som definierar hur ett väl utfört arbete ser ut. En separat utvärderingsagent poängsätter varje körning rad för rad mot bedömningsmatrisen och hänvisar till belägg för varje bedömning. Om arbetet inte når upp till kraven reviderar agenten det.

Agenterna kan arbeta i tre lägen: fleragentsläge, där en samordnare kopplar samman specialister som var och en har sin egen modell, sina instruktioner, verktyg och behörigheter; teamläge, där kopior av en agent delar upp arbetet på en gemensam tavla och kontrollerar varandras resultat; samt automatiskt läge, standardläget, där agenten själv avgör när ett jobb kräver specialister eller ett team.

Företaget uppger att agenterna fungerar med över 100 affärsapplikationer och alla MCP-servrar. Varje verktyg har behörighet att antingen endast läsa, ändra data eller utföra destruktiva åtgärder, och inloggningsuppgifter förvaras i ett valv så att modellen aldrig ser dem. Sessionerna körs i isolerade sandlådor, och Labelbox uppger att plattformen inte sparar några data hos någon LLM-leverantör. Företagets angivna efterlevnadsprogram omfattar SOC 2 Type II, GDPR, CCPA, NIST 800-171 och PCI DSS. Priset sätts per agenttimmessession, med kostnaderna för beräkningskapacitet och modeller samlade i en enda uppskattning. Befintliga företagskunder hos Labelbox får en engångskredit på 100 dollar.

I ett inlägg om produktlanseringen daterat den 8 oktober 2026 beskrev Labelbox företagets interna utrullning så här: ”Det överraskande var inte att agenterna kunde utföra arbetet. Det var hur snabbt de blev bättre på det.” Företaget uppger att det kör 51 agenter fördelade på 11 team inom bland annat programvaruutveckling, driftsäkerhet, säkerhet, forskning inom maskininlärning, utvärdering, produktutveckling, ekonomi, försäljning, strategi och inköp.

I ett internt exempel uppgav Labelbox att dess agent för granskning av pull requests genomförde 39 utvärderade granskningar med en enda agentversion och modell. Av de 33 granskningar som godkändes av utvärderingssystemet sjönk mediankostnaden från 13,15 dollar för de första 11 granskningarna till 8,90 dollar för de sista 11, vilket är 32 % mindre per granskning. Agentens minne uppdaterades samtidigt 15 gånger, och tiden per granskning låg kvar på cirka 27 minuter. Enligt produktens minnesfunktioner läser en kuratoragent de nya sessionsrapporterna och uppdaterar agentens minne när fem nya rapporter finns, dock högst en gång i timmen. Kunderna kan se vad en agent har lärt sig och radera sådant den lärt sig som inte längre stämmer.