For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/labelbox-raises-100m-for-horizon-and-recu-c952439e.md.
Labelbox gab am 14. Oktober 2026 eine Series-E-Finanzierung von mehr als 100 Millionen US-Dollar bei einer **Pre-Money-Bewertung von 1,25 Mi...
Labelbox gab am 14. Oktober 2026 eine Series-E-Finanzierung von mehr als 100 Millionen US-Dollar bei einer Pre-Money-Bewertung von 1,25 Milliarden US-Dollar bekannt. Infinitum Partners führte die Finanzierung an; beteiligt waren unter anderem Wipro Ventures, a16z, B Capital, Tau Ventures, Snowpoint Ventures und weitere Investoren.
Die Ankündigung unterstützt zwei Produkte mit unterschiedlichen Zielgruppen: Horizon, das Reinforcement-Learning-Umgebungen für Modellentwickler bereitstellt, und Recursion Managed Agents, das Aufgaben für Unternehmensteams ausführt. Beide beruhen auf einer Feedback-Schleife, die ein Ergebnis bewertet und das Resultat zur Verbesserung nachfolgender Arbeit verwendet.
Die Finanzierung umfasst sowohl Eigenkapital als auch eine Kreditfazilität. Diese Unterscheidung sollte mit der Schlagzeilensumme verbunden bleiben: Das Unternehmen hat nicht den gesamten Betrag als neu aufgenommenes Eigenkapital beschrieben.
Ebenso wird die Summe von 1,25 Milliarden US-Dollar ausdrücklich als Pre-Money-Bewertung bezeichnet. Sie ist keine bekannt gegebene Post-Money-Bewertung; die vollständige Finanzierungssumme hinzuzurechnen würde die nicht offengelegte Aufteilung zwischen Eigenkapital und Kredit ignorieren.
Labelbox erklärt, 2026 bei einem Wachstum von mehr als dem Fünffachen gegenüber dem Vorjahr profitabel geworden zu sein. Das Unternehmen berichtet zudem von mehr als 400 Kunden und Beziehungen zu über 90 % der führenden US-amerikanischen KI-Labore. Dabei handelt es sich um Unternehmensangaben und nicht um unabhängig geprüfte Zahlen; die Ankündigung liefert außerdem nicht die detaillierten Definitionen, die erforderlich wären, um jede Kennzahl nachzuvollziehen.
Das Unternehmen plant, die Finanzierung für Forschung, Engineering und die Teams einzusetzen, die Horizon und Recursion bei Kunden bereitstellen. In einer Anmerkung des Gründers wird eine Entwicklung von Trainingsdaten-Software über Modelltrainingsumgebungen hin zu operativen Agents nachgezeichnet.
Horizon richtet sich an führende KI-Labore, deren Modelle komplexe Aufgaben üben und nützliches Feedback erhalten sollen. Der WorldSim-Ansatz erstellt simulierte Geschäftsumgebungen mit Code, Dashboards, Tabellenkalkulationen, Präsentationen und Dokumenten, statt einem Modell lediglich eine isolierte Frage vorzulegen.
Die vorgesehene Abfolge lautet:
Labelbox beschreibt kalibrierte Belohnungen und Evaluierungen, die auf die pass@k-Ziele der Kunden abgestimmt sind. Vereinfacht ausgedrückt betrifft diese Kennzahl den Erfolg eines Modells bei einer festgelegten Anzahl von Versuchen; sie ist nicht gleichbedeutend mit der Aussage, dass ein einzelner Durchlauf immer erfolgreich ist.
Die Horizon-Seite behandelt Coding, Recherche, multimodale Wissensarbeit, sprachgesteuerte Agents mit Werkzeugnutzung, Computer Use und Cybersicherheit. Sie beschreibt außerdem Vergleiche menschlicher Präferenzen, um Urteilsfähigkeit zu vermitteln, wenn mehr als ein Ergebnis technisch akzeptabel ist. Eine deterministische Prüfung kann feststellen, ob eine Aufgabe eine Regel erfüllt, während Expertenfeedback die Qualität von zwei ansonsten gültigen Ansätzen unterscheiden kann.
Recursion Managed Agents wendet eine ähnliche Schleife auf Unternehmensarbeit an. Der Produktlaunch von Labelbox vom 8. Oktober beschreibt drei Eingaben: das Ziel, das Ereignis, das die Arbeit startet, und die Rubrik, anhand derer das Ergebnis beurteilt wird.
Ein Durchlauf kann durch einen Zeitplan, einen Alert, eine Slack-Nachricht, einen Webhook oder einen API-Aufruf ausgelöst werden. Ein separater Grader-Agent prüft die Ausgabe anhand der Rubrik und verweist auf unterstützende Nachweise. Nicht erfüllte Kriterien können zu Überarbeitungen führen, während anhaltende Fehler mit Transkript und Grader-Anmerkungen zur menschlichen Prüfung zurückgegeben werden können.
Das Produkt unterstützt drei Arbeitsmodi:
| Modus | Angekündigtes Verhalten |
|---|---|
| Multi-Agent | Ein Koordinator delegiert an Spezialisten mit eigenen Modellen, Anweisungen, Werkzeugen und Berechtigungen |
| Team | Kopien eines Agents teilen unabhängige Arbeit auf einem gemeinsamen Board auf und prüfen die Ergebnisse |
| Auto | Der Standardmodus entscheidet, wann Spezialisten oder ein Team erforderlich sind |
Labelbox erklärt, dass Agents über mehr als 100 Business-Apps und MCP-Server hinweg arbeiten können. Werkzeugberechtigungen unterscheiden zwischen schreibgeschützten Aktionen, Datenänderungen und destruktiven Vorgängen; Zugangsdaten werden in einem Vault aufbewahrt, statt dem Modell offengelegt zu werden.
Diese Kontrollen beschreiben die vorgesehene Funktionsweise des Produkts. Sie sind kein Nachweis dafür, dass jede Aufgabe unbeaufsichtigt ausgeführt werden sollte oder dass eine Rubrik automatisch alle Anforderungen eines Unternehmens erfasst.
Der Launch der Managed Agents erläutert, wie Sitzungsberichte zu wiederverwendbarem Speicher werden können. Nach fünf neuen Berichten und höchstens einmal pro Stunde kann ein Kurator sie prüfen und die Erkenntnisse eines Agents aktualisieren. Kunden können den Speicher einsehen, aktuelle Änderungen prüfen, veraltete Erkenntnisse löschen oder den Speicher für einen Agent deaktivieren.
Diese Unterscheidung ist entscheidend für die Einordnung der Verbesserungsangaben des Unternehmens. Ein zukünftiger Durchlauf kann auf eine bessere Aufzeichnung vergangener Arbeit zurückgreifen, ohne die Gewichte des zugrunde liegenden Modells zu verändern. Im Launch wird ausdrücklich erklärt, dass während des genannten Beispiels kein Modell nachtrainiert wurde.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Labelbox beschreibt 39 bewertete Pull-Request-Reviews mit einer Agent-Version und einem Modell. Bei den 33 Reviews, die den Grader bestanden, sank der Medianpreis von 13,15 US-Dollar für die ersten 11 auf 8,90 US-Dollar für die letzten 11, während die Zeit pro Review bei etwa 27 Minuten blieb und der Speicher 15-mal aktualisiert wurde.
Dabei handelt es sich um ein internes Beobachtungsbeispiel, nicht um eine kontrollierte Studie mit identischer Arbeit. Labelbox weist selbst darauf hin, dass jeder Pull Request unterschiedlich war. Das Beispiel legt einen nützlichen Messansatz nahe, bei dem Qualität und Kosten gemeinsam verglichen werden, belegt jedoch keine universelle Einsparung von 32 % für alle Kunden.
Der Quellbericht und der Produktlaunch beschreiben isolierte Sandboxes, begrenzte Werkzeuge, sicher verwaltete Zugangsdaten und keine Datenaufbewahrung bei externen LLM-Anbietern. Diese Angaben sollten nicht zu der Behauptung verkürzt werden, dass das gesamte Produkt keinerlei Informationen speichert: Recursion speichert im Rahmen seines beschriebenen Konzepts auch Sitzungsaufzeichnungen und kuratierten Speicher.
Vor dem Einsatz des Produkts mit Geschäftsdaten sollte ein Team die geltenden Vertragsbedingungen, Provider-Vereinbarungen, Aufbewahrungseinstellungen und Compliance-Dokumentationen prüfen. Eine Liste unterstützter Frameworks ersetzt nicht die Prüfung, welche Berichte oder Zusicherungen für die konkrete Bereitstellung gelten.
Labelbox beschreibt eine Preisgestaltung pro Agent-Sitzungsstunde, bei der Compute- und Modellkosten in eine Schätzung einfließen. Aktuelle Tarife und Bedingungen gehören in die Preisdokumentation; die Finanzierungsankündigung ist kein Festpreisangebot für einen bestimmten Workflow.
Die am 15. Oktober geprüfte Preisdokumentation beschreibt im Voraus bezahlte Credits sowie keine Tarife, Seats oder Abonnementgebühren. Sie nennt auch eine Ausnahme: Wird die Modellnutzung über den eigenen Provider eines Kunden abgerechnet, umfasst die Schätzung pro Sitzungsstunde nur Compute-Kosten. Die gewählte Konfiguration ist daher wichtiger als eine einzelne stündliche Schlagzeilenzahl.
Labelbox gab eine Finanzierung von mehr als 100 Millionen US-Dollar bekannt. Der Betrag umfasst Eigenkapital und eine Kreditfazilität und sollte daher nicht vollständig als Eigenkapitalinvestment bezeichnet werden.
Labelbox bezeichnet sie ausdrücklich als Pre-Money-Bewertung. Die Ankündigung enthält nicht genügend Details über die Aufteilung zwischen Eigenkapital und Kredit, um aus der Schlagzeilensumme allein eine verlässliche Post-Money-Bewertung zu berechnen.
Horizon stellt Reinforcement-Learning-Umgebungen und Evaluierungsfunktionen für Modellentwickler bereit. Recursion Managed Agents führt Unternehmensaufgaben aus, bewertet die Ergebnisse und nutzt Sitzungsfeedback zur Information zukünftiger Arbeit.
Der Launch beschreibt kuratierten Speicher, den nachfolgende Sitzungen verwenden können, statt automatischer Aktualisierungen der Modellgewichte nach jedem Durchlauf. Labelbox erklärt, dass im angeführten Pull-Request-Beispiel durchgehend dasselbe Modell ohne Retraining verwendet wurde.
Zu den angekündigten Auslösern gehören Zeitpläne, Alerts, Slack-Nachrichten, Webhooks und API-Aufrufe. Die verfügbaren Aktionen des Agents hängen weiterhin von den für ihn konfigurierten Werkzeugen und Berechtigungen ab.
Nein: Diese Aussage bezieht sich auf die Verarbeitung bei externen Modellanbietern und schließt die eigenen Sitzungsaufzeichnungen oder den Speicher des Produkts nicht aus. Prüfen Sie die aktuellen Produktbedingungen und Einstellungen für die Daten in einer konkreten Bereitstellung.
Die Finanzierung von Labelbox erweitert die Arbeit des Unternehmens an Modelltrainingsumgebungen und verwalteten Unternehmens-Agents. Die Schlagzeilenbedingungen lauten: mehr als 100 Millionen US-Dollar aus Eigenkapital und Kredit bei einer Pre-Money-Bewertung von 1,25 Milliarden US-Dollar.
Für die Produktevaluierung lautet die zentrale Frage, ob bewertete Arbeit Qualität und Kosten unter den eigenen Rubriken, Berechtigungen und Datenanforderungen eines Teams verbessert.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
