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/es/articles/labelbox-raises-100m-for-horizon-and-recu-c952439e.md.
Labelbox anunció más de 100 millones de dólares en financiación Serie E el 14 de octubre de 2026, con una **valoración pre-money de 1.250 mi...
Labelbox anunció más de 100 millones de dólares en financiación Serie E el 14 de octubre de 2026, con una valoración pre-money de 1.250 millones de dólares. Infinitum Partners lideró la financiación, con participación de Wipro Ventures, a16z, B Capital, Tau Ventures, Snowpoint Ventures y otros.
El anuncio respalda dos productos dirigidos a clientes distintos: Horizon, que proporciona entornos de aprendizaje por refuerzo para creadores de modelos, y Recursion Managed Agents, que ejecuta trabajo para equipos empresariales. Ambos dependen de un ciclo de retroalimentación que evalúa un resultado y utiliza ese resultado para mejorar el trabajo posterior.
La financiación incluye capital y una línea de crédito. Esta distinción debe mantenerse asociada a la cifra principal: la empresa no describió el importe completo como nuevo capital recaudado.
Del mismo modo, la cifra de 1.250 millones de dólares se describe explícitamente como pre-money. No es una valoración post-money anunciada, y sumar la cifra completa de financiación ignoraría el reparto no divulgado entre capital y crédito.
Labelbox afirma haber alcanzado la rentabilidad en 2026 mientras crecía más de cinco veces interanual. También informa de más de 400 clientes y relaciones con más del 90 % de los principales laboratorios de IA de Estados Unidos. Estas son declaraciones de la empresa, no cifras auditadas de forma independiente, y el anuncio no proporciona las definiciones detalladas necesarias para reconstruir cada métrica.
La empresa planea destinar la financiación a investigación, ingeniería y a los equipos que entregan Horizon y Recursion a los clientes. La nota de su fundador describe una progresión desde el software de datos de entrenamiento, pasando por los entornos de entrenamiento de modelos, hasta los agentes operativos.
Horizon está diseñado para laboratorios de frontera que necesitan que los modelos practiquen tareas difíciles y reciban retroalimentación útil. Su enfoque WorldSim construye entornos empresariales simulados que contienen código, paneles, hojas de cálculo, presentaciones y documentos, en lugar de presentar a un modelo únicamente una pregunta aislada.
La secuencia prevista es:
Labelbox describe recompensas calibradas y evaluaciones ajustadas a los objetivos pass@k de los clientes. En términos sencillos, esta medida se refiere al éxito cuando un modelo dispone de un número determinado de intentos; es diferente de afirmar que una única ejecución siempre tiene éxito.
La página de Horizon abarca programación, investigación, trabajo de conocimiento multimodal, agentes de voz que utilizan herramientas, uso de ordenadores y ciberseguridad. También describe comparaciones de preferencias humanas para enseñar criterio cuando más de un resultado es técnicamente aceptable. Una comprobación determinista puede establecer si una tarea cumplió una regla, mientras que la retroalimentación de expertos puede distinguir la calidad de dos enfoques que, por lo demás, son válidos.
Recursion Managed Agents aplica un ciclo relacionado al trabajo empresarial. El lanzamiento de Labelbox del 8 de octubre describe tres elementos de entrada: el objetivo, el evento que inicia el trabajo y la rúbrica utilizada para evaluar el resultado.
Una ejecución puede iniciarse mediante una programación, una alerta, un mensaje de Slack, un webhook o una llamada a la API. Un agente evaluador independiente comprueba la salida frente a la rúbrica y señala la evidencia de respaldo. Los criterios no cumplidos pueden dar lugar a revisiones, mientras que los fallos persistentes pueden volver a revisión humana con la transcripción y las notas del evaluador.
El producto admite tres modos de trabajo:
| Modo | Comportamiento anunciado |
|---|---|
| Multiagente | Un coordinador delega en especialistas con sus propios modelos, instrucciones, herramientas y permisos |
| Equipo | Copias de un agente dividen trabajo independiente en un tablero compartido y verifican los resultados |
| Automático | El modo predeterminado decide cuándo se necesitan especialistas o un equipo |
Labelbox afirma que los agentes pueden trabajar con más de 100 aplicaciones empresariales y servidores MCP. Los permisos de las herramientas distinguen entre acciones de solo lectura, cambios de datos y operaciones destructivas, y las credenciales se conservan en una bóveda en lugar de exponerse al modelo.
Estos controles describen el funcionamiento previsto del producto. No demuestran que todas las tareas deban ejecutarse sin supervisión ni que una rúbrica capture automáticamente todos los requisitos de una empresa.
El lanzamiento de agentes gestionados explica cómo los informes de sesión pueden convertirse en memoria reutilizable. Después de cinco informes nuevos, y no más de una vez por hora, un curador puede revisarlos y actualizar las lecciones de un agente. Los clientes pueden inspeccionar la memoria, revisar cambios recientes, eliminar lecciones obsoletas o desactivar la memoria de un agente.
Esta distinción es esencial para interpretar las afirmaciones de mejora de la empresa. Una ejecución futura puede utilizar un mejor registro del trabajo anterior sin modificar los pesos subyacentes del modelo. El lanzamiento indica explícitamente que no se reentrenó ningún modelo durante el ejemplo comunicado.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Labelbox describe 39 revisiones de pull requests evaluadas en una versión de agente y un modelo. Entre las 33 revisiones que superaron la evaluación, el coste mediano cayó de 13,15 dólares en las primeras 11 a 8,90 dólares en las últimas 11, mientras que el tiempo por revisión se mantuvo en unos 27 minutos y la memoria se actualizó 15 veces.
Se trata de un ejemplo observacional interno, no de un ensayo controlado con trabajo idéntico. La propia Labelbox señala que cada pull request era diferente. Sugiere un enfoque de medición útil, al comparar conjuntamente calidad y coste, pero no establece un ahorro universal del 32 % para todos los clientes.
El informe fuente y el lanzamiento del producto describen entornos aislados, herramientas con alcance limitado, credenciales almacenadas en bóvedas y retención cero de datos en los proveedores externos de LLM. Estas afirmaciones no deben resumirse como una declaración de que el producto completo no retiene información: Recursion también almacena registros de sesión y memoria curada como parte de su diseño.
Antes de utilizar el producto con datos empresariales, un equipo debe revisar los términos contractuales aplicables, los acuerdos con proveedores, la configuración de retención y la documentación de cumplimiento. Una lista de marcos compatibles no sustituye la verificación de qué informes o garantías se aplican a una implementación concreta.
Labelbox describe precios por hora de sesión de agente, con los costes de computación y modelo incorporados a una estimación. Las tarifas y condiciones vigentes deben consultarse en la documentación de precios; el anuncio de financiación no es una cotización a precio fijo para un flujo de trabajo específico.
La documentación de precios revisada el 15 de octubre describe créditos prepagados y no incluye planes, licencias por usuario ni cuotas de suscripción. También identifica una excepción: cuando el uso del modelo se factura a través del proveedor del propio cliente, la estimación por hora de sesión cubre únicamente la computación. Por tanto, la configuración elegida importa más que una única cifra horaria principal.
Labelbox anunció más de 100 millones de dólares en financiación. El importe incluye capital y una línea de crédito, por lo que no debe etiquetarse por completo como inversión de capital.
Labelbox la denomina explícitamente valoración pre-money. El anuncio no proporciona suficiente detalle sobre la división entre capital y crédito para calcular una cifra post-money fiable a partir del titular.
Horizon proporciona entornos de aprendizaje por refuerzo y capacidades de evaluación para creadores de modelos. Recursion Managed Agents realiza tareas empresariales, evalúa los resultados y utiliza la retroalimentación de las sesiones para orientar el trabajo posterior.
El lanzamiento describe una memoria curada que las sesiones posteriores pueden utilizar, en lugar de actualizaciones automáticas de los pesos del modelo después de cada ejecución. Labelbox afirma que el ejemplo citado de pull requests utilizó el mismo modelo durante todo el proceso sin reentrenarlo.
Los disparadores anunciados incluyen programaciones, alertas, mensajes de Slack, webhooks y llamadas a la API. Las acciones disponibles para el agente siguen dependiendo de las herramientas y permisos configurados para él.
No: esa afirmación se refiere al tratamiento de los proveedores externos de modelos y no elimina los propios registros de sesión ni la memoria del producto. Revise los términos y la configuración vigentes del producto para los datos implicados en una implementación.
La financiación de Labelbox amplía su trabajo en entornos de entrenamiento de modelos y agentes empresariales gestionados. Las condiciones principales son más de 100 millones de dólares entre capital y crédito, con una valoración pre-money de 1.250 millones de dólares.
Para evaluar el producto, la pregunta central es si el trabajo evaluado mejora la calidad y el coste bajo la propia rúbrica, los permisos y los requisitos de datos de cada equipo.
Empieza con una sola frase y obtén un sitio completo en minutos.
