Finansiering

LangChain säkrar 300 miljoner dollar i en C-runda till en värdering på 3 miljarder dollar för styrning av AI-agenter

mm
Publicerad
Lägg till Unite.AI bland dina föredragna källor på Google
LangChain team posing together on stage at the Interrupt conference
Viktiga punkterLangChain raised $300 million at a $3 billion valuation to fund its agent governance…
Visa mer
  • LangChain raised $300 million at a $3 billion valuation to fund its agent governance platform LangSmith.
  • Workday cut new agent deployment time from five months to under a day using LangSmith.
  • LangSmith serves over 7,000 organizations and centralizes control of models tools and data.

LangChain meddelade den 13 november 2026 att bolaget tagit in 300 miljoner dollar i en C-runda till en värdering på 3 miljarder dollar. Den befintliga investeraren CapitalG ledde finansieringsrundan.

Kapitalet stöder LangChains arbete med LangSmith, en plattform för att driva, förbättra och styra AI-agenter oavsett vilket ramverk som använts för att bygga dem. Plattformens uttalade uppdrag är att låta företag välja modeller, kontrollera data och infrastruktur, kontinuerligt förbättra AI-agenter och tillämpa styrning för säker drift i stor skala.

Rundan omfattade betydande deltagande från de nya investerarna GIC och DFJ Growth samt de befintliga investerarna IVP och Sapphire Ventures. Salesforce Ventures, Insight Venture Partners, QuantumLight och MongoDB Ventures deltog också, medan Sequoia, Amplify och Benchmark ökade sitt deltagande.

LangChain räknar med att AI-agenter som byggs för specifika områden blir fristående produkter och interna verktyg för verksamheten. De kommer att särskiljas genom kunskap, data och användarupplevelse, och kontrollen över dessa system utgör grunden för en varaktig konkurrensfördel.

Användning av LangSmith och kundresultat

LangChain uppger att LangSmith används av över 7 000 organisationer. Bland exemplen finns startupföretagen Harvey, Rippling och Listen Labs samt Fortune 500-företagen NVIDIA, Toyota och Salesforce. Hos Clay spårar plattformen hundratals miljoner AI-agentkörningar varje månad och bidrar till att förbättra AI-agenter. Workday använder LangSmith för drift och styrning i hela organisationen och har minskat tiden för att driftsätta en ny AI-agent från fem månader till mindre än en dag.

Dessa driftsättningar visar varför LangChain kombinerar övervakning och styrning med driftsättning: verksamhet med stora volymer AI-agentkörningar kräver insyn även efter lanseringen, samtidigt som stora organisationer behöver en kortare och kontrollerad väg till produktionsmiljön.

Körning, förbättring och styrning

LangSmiths grund består av tre delar: körning av AI-agenter, förbättring av AI-agenter och styrning av AI-agenter. Körning av AI-agenter omfattar hela vägen från AI-agentens arkitektur till produktionsinfrastrukturen. Utvecklingsteamen använder Deep Agents, LangGraph och LangChain för att behålla valfriheten när det gäller modeller och själva avgöra hur kontexten hanteras. Säker driftsättning i stor skala sker via LangSmith Agent Server och Sandboxes, antingen i molnet eller i kundernas miljöer, medan LangSmith Managed Agents och Fleet erbjuder en helt hanterad väg till produktion.

Förbättring av AI-agenter kombinerar mätning med automatiserade korrigerande åtgärder. LangSmiths verktyg för observerbarhet och utvärdering synliggör AI-agenternas beteende och bedömer kvaliteten. LangChain uppger att LangSmith Engine, plattformens inbyggda AI-agent, letar efter fel, tar fram korrigeringar av kod och instruktioner samt kontrollerar produktionsanvändningen för att upptäcka försämringar. LangSmith Fine-Tuning hjälper team att omvandla spår från AI-agenter till träningsdata som kan användas för att finjustera och utvärdera specialiserade modeller.

Styrningsdelen samlar kontrollen över modeller, verktyg och data. Team kan använda LLM- och Tool Gateways för att ange budgetar för modeller och reservlösningar, skydda känslig information samt hantera åtkomst till verktyg och autentisering för olika team och AI-agenter.

Kommande funktioner i LangSmith

LangChain har planerat ett lanseringsevenemang den 20 november 2026, där företaget planerar att presentera flera nya funktioner i LangSmith som bygger på denna grund.

Den centrala frågan inför dessa lanseringar är om de gör det enklare att bygga högpresterande AI-agenter och samtidigt bevara kundernas kontroll över modeller, data, infrastruktur och styrning.

mm

Evan Mercer är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som bevakar AI-startups, riskkapital och finansieringsdynamiken som formar nästa generation av teknikföretag. Hans rapportering fokuserar på innovation i tidig fas, kapitalflöden och de strategiska beslut som grundare och investerare fattar när AI-företag växer från koncept till global påverkan.

Med ett strategiskt och analytiskt perspektiv granskar Evan finansieringsrundor, marknadspositionering och framväxande trender i AI-startup‑ekosystemet. Han följer hur riskkapital, företagsinvesteringar och börsnoterade marknader korsar med genombrott inom artificiell intelligens och skiljer hållbara signaler från kortsiktig hype.

Artiklar skrivna av Evan Mercer är AI-genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, kontext och ansvarsfull täckning av det globala AI-investeringslandskapet