Finansiering
Model ML tar in 250 miljoner dollar i serie B till en värdering på 1,5 miljarder dollar för att utöka AI-teamen

Viktiga punkterModel ML tog in 250 miljoner dollar till en värdering på 1,5 miljarder dollar för att…
Visa mer
- Model ML tog in 250 miljoner dollar till en värdering på 1,5 miljarder dollar för att utöka AI-teamen i London och New York.
- Företagets agenter körs på ett företags egna system och data och tränar aldrig modeller på kunddata.
- Model ML dirigerar uppgifter mellan leverantörer och uppger att dess egna modeller kostar 2 % av frontier-modellernas nivåer.
Model ML meddelade den 17 november 2026 att företaget tagit in 250 miljoner dollar i en serie B-finansieringsrunda till en värdering på 1,5 miljarder dollar. General Atlantic och QED Investors ledde rundan gemensamt. Kapitalet ska finansiera större forsknings- och ingenjörsteam i London och New York, en fördjupad produktutveckling och en bredare utrullning hos kunder.
Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund och 13Books Capital deltog också, vilket innebär att den totala finansieringen nu uppgår till 350 miljoner dollar. Serie B-rundan kommer 18 månader efter att Model ML trädde fram ur tystnadsläge och följer på en serie A-runda på 75 miljoner dollar, ledd av FT Partners i november 2025.
Rapporterad tillväxt och internationell räckvidd
Model ML uppgav att de årligen återkommande intäkterna ökade tolv gånger jämfört med samma kvartal året innan under tredje kvartalet 2026, medan antalet dagliga aktiva användare blev 26 gånger fler. Dessa mått kopplar den nya finansieringen till den ökade användningen av plattformen och ger ytterligare sammanhang för värderingen och expansionsplanerna.
Kontor som öppnade under 2026 i Paris, Madrid, Tokyo, Singapore och Dubai ska hjälpa företaget att betjäna kunder i olika regioner. De kompletterar Model ML:s huvudkontor i London och verksamhet i New York och utökar företagets internationella närvaro medan det satsar på en bredare utrullning.
Paul Stamas, verkställande direktör och globalt ansvarig för finansiella tjänster på General Atlantic, sade att företag inom finans- och professionella tjänster snabbt går från att experimentera med AI till att använda tekniken i det dagliga arbetet. Han sade att Model ML:s kunder redan anförtros plattformen alltmer komplexa arbetsuppgifter.
Personliga AI-agenter för finansiellt arbete
Bröderna Chaz och Arnie Englander grundade Model ML för att erbjuda personliga AI-agenter till bankirer, konsulter och investerare. Agenterna körs på ett företags system och med dess data och hämtar sammanhang från kunder, pågående affärer och individuella arbetspreferenser. De blir mer personanpassade genom fortlöpande interaktioner.
”AI borde göra mer än att ge dig ett svar eller en avisering till. Den borde förstå ditt arbete och få saker gjorda”, sade Chaz Englander, medgrundare och vd för Model ML.
Model ML uppger att en agent kan ta fram en analys på några minuter i stället för dagar. Om en händelse exempelvis påverkar ett företag på en bankirs bevakningslista bedömer agenten händelsens betydelse, analyserar följderna och tar fram en analys i företagets egna format i stället för att bara skicka en avisering.
Driftsättning och modellekonomi
Kunderna kan köra plattformen i sin egen infrastruktur, ett driftsättningsalternativ som Model ML ofta använder för att hålla data kvar i kundens miljö. Företaget uppger att kunddata aldrig används för att träna AI-modeller. Model ML är certifierat enligt ISO/IEC 27001:2022 och granskas enligt SOC 2 Type II.
Valet av modell hanteras av ett routningslager i stället för att företaget förbinder sig till en enda AI-leverantör. Model ML utvärderar modeller med verkliga finansiella arbetsuppgifter och fördelar sedan uppgifterna utifrån kvalitet, hastighet och kostnad. Företagets egna finjusterade modeller med öppen källkod hanterar en växande andel av arbetet.
För det arbete som hanteras av de interna modellerna uppger företaget att kostnaderna ligger på 2 % av nivåerna för de mest avancerade modellerna, att modellerna i de flesta fall arbetar fem gånger snabbare och att precisionen är lika hög som eller högre än hos de mest avancerade modellerna. Dessa siffror gäller specifika arbetsuppgifter och beskriver de uppgifter som tilldelas Model ML:s egna modeller, inte plattformen som helhet.
Expansionen är nu beroende av att företaget kan upprätthålla kombinationen av kundkontrollerad data, personanpassad automatisering och modellekonomi för specifika arbetsuppgifter när agenterna tas i bruk i större skala.












