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/pt/articles/labelbox-raises-100m-for-horizon-and-recu-c952439e.md.
A Labelbox anunciou mais de US$ 100 milhões em financiamento da Série E em 14 de outubro de 2026, a uma **avaliação pré-money de US$ 1,25 bi...
A Labelbox anunciou mais de US$ 100 milhões em financiamento da Série E em 14 de outubro de 2026, a uma avaliação pré-money de US$ 1,25 bilhão. A Infinitum Partners liderou o financiamento, com participação de Wipro Ventures, a16z, B Capital, Tau Ventures, Snowpoint Ventures e outras.
O anúncio apoia dois produtos voltados a públicos diferentes: o Horizon, que fornece ambientes de aprendizado por reforço para desenvolvedores de modelos, e o Recursion Managed Agents, que executa trabalho para equipes empresariais. Ambos dependem de um ciclo de feedback que avalia um resultado e usa essa avaliação para aprimorar trabalhos posteriores.
O financiamento inclui tanto capital próprio quanto uma linha de crédito. Essa distinção deve permanecer vinculada ao valor divulgado: a empresa não descreveu o montante total como capital próprio recém-captado.
Da mesma forma, o valor de US$ 1,25 bilhão é explicitamente pré-money. Não se trata de uma avaliação pós-money anunciada, e somar o valor integral do financiamento a ela ignoraria a divisão não divulgada entre capital próprio e crédito.
A Labelbox afirma ter alcançado lucratividade em 2026 enquanto crescia mais de cinco vezes em relação ao ano anterior. Também informa ter mais de 400 clientes e relacionamentos com mais de 90% dos principais laboratórios de IA dos Estados Unidos. Essas são declarações da empresa, e não números auditados de forma independente; além disso, o anúncio não fornece as definições detalhadas necessárias para reconstruir cada métrica.
A empresa pretende direcionar o financiamento para pesquisa, engenharia e as equipes que entregam Horizon e Recursion aos clientes. A nota de seu fundador descreve uma progressão que vai do software para dados de treinamento, passa por ambientes de treinamento de modelos e chega a agentes operacionais.
O Horizon foi projetado para laboratórios de fronteira que precisam que os modelos pratiquem tarefas complexas e recebam feedback útil. Sua abordagem WorldSim constrói ambientes empresariais simulados que contêm código, painéis, planilhas, apresentações e documentos, em vez de apresentar a um modelo apenas uma pergunta isolada.
A sequência pretendida é:
A Labelbox descreve recompensas calibradas e avaliação ajustada às metas pass@k dos clientes. Em termos comuns, essa medida se refere ao sucesso quando um modelo dispõe de um número especificado de tentativas; ela é diferente de declarar que uma única execução sempre será bem-sucedida.
A página do Horizon aborda programação, pesquisa, trabalho de conhecimento multimodal, agentes de voz que usam ferramentas, uso de computador e cibersegurança. Ela também descreve comparações de preferência humana para ensinar discernimento quando mais de um resultado é tecnicamente aceitável. Uma verificação determinística pode estabelecer se uma tarefa cumpriu uma regra, enquanto o feedback de especialistas pode distinguir a qualidade entre duas abordagens que, de outro modo, seriam válidas.
O Recursion Managed Agents aplica um ciclo relacionado ao trabalho empresarial. O lançamento de 8 de outubro da Labelbox descreve três entradas: o objetivo, o evento que inicia o trabalho e a rubrica usada para avaliar o resultado.
Uma execução pode começar a partir de um agendamento, alerta, mensagem no Slack, webhook ou chamada de API. Um agente avaliador separado verifica a saída em relação à rubrica e aponta as evidências de suporte. Critérios que falham podem levar a revisões, enquanto falhas persistentes podem retornar para revisão humana com a transcrição e as notas do avaliador.
O produto oferece suporte a três modos de trabalho:
| Modo | Comportamento anunciado |
|---|---|
| Multiagente | Um coordenador delega a especialistas com seus próprios modelos, instruções, ferramentas e permissões |
| Equipe | Cópias de um agente dividem trabalhos independentes em um quadro compartilhado e verificam os resultados |
| Automático | O modo padrão escolhe quando especialistas ou uma equipe são necessários |
A Labelbox afirma que os agentes podem trabalhar em mais de 100 aplicativos empresariais e servidores MCP. As permissões de ferramentas diferenciam ações somente de leitura, alterações de dados e operações destrutivas, e as credenciais são mantidas em um cofre em vez de serem expostas ao modelo.
Esses controles descrevem a operação pretendida do produto. Eles não são evidência de que toda tarefa deva ser executada sem supervisão nem de que uma rubrica capture automaticamente todos os requisitos de uma empresa.
O lançamento de agentes gerenciados explica como relatórios de sessão podem se tornar memória reutilizável. Após cinco novos relatórios, e no máximo uma vez por hora, um curador pode revisá-los e atualizar as lições de um agente. Os clientes podem inspecionar a memória, revisar alterações recentes, excluir lições desatualizadas ou desativar a memória de um agente.
Essa distinção é essencial para interpretar as alegações de melhoria da empresa. Uma execução futura pode usar um registro melhor de trabalhos anteriores sem alterar os pesos do modelo subjacente. O lançamento afirma explicitamente que nenhum modelo foi retreinado durante o exemplo relatado.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
A Labelbox descreve 39 revisões de pull requests avaliadas em uma versão de agente e um modelo. Entre as 33 revisões que passaram pelo avaliador, o custo mediano caiu de US$ 13,15 nas primeiras 11 para US$ 8,90 nas 11 finais, enquanto o tempo por revisão permaneceu em cerca de 27 minutos e a memória foi atualizada 15 vezes.
Esse é um exemplo observacional interno, e não um teste controlado com trabalhos idênticos. A própria Labelbox observa que cada pull request era diferente. O caso sugere uma abordagem útil de medição, comparando qualidade e custo em conjunto, mas não estabelece uma economia universal de 32% para todos os clientes.
O relatório de origem e o lançamento do produto descrevem sandboxes isolados, ferramentas com escopo definido, credenciais armazenadas em cofre e retenção zero de dados nos provedores externos de LLM. Essas alegações não devem ser reduzidas à afirmação de que todo o produto não retém informações: o Recursion também armazena registros de sessão e memória selecionada como parte de seu design.
Antes de usar o produto com dados empresariais, uma equipe deve verificar os termos contratuais aplicáveis, os acordos com provedores, as configurações de retenção e a documentação de conformidade. Uma lista de frameworks compatíveis não substitui a verificação de quais relatórios ou garantias se aplicam àquela implantação específica.
A Labelbox descreve preços por hora de sessão do agente, com custos de computação e de modelo incluídos em uma estimativa. As tarifas e condições atuais devem ser consultadas na documentação de preços; o anúncio de financiamento não é uma cotação de preço fixo para um fluxo de trabalho específico.
A documentação de preços consultada em 15 de outubro descreve créditos pré-pagos e nenhum plano, assento ou taxa de assinatura. Ela também identifica uma exceção: quando o uso do modelo é cobrado pelo próprio provedor do cliente, a estimativa por hora de sessão cobre apenas a computação. Portanto, a configuração escolhida importa mais do que um único valor horário de destaque.
A Labelbox anunciou mais de US$ 100 milhões em financiamento. O valor inclui capital próprio e uma linha de crédito, portanto não deve ser integralmente classificado como investimento em capital próprio.
A Labelbox a classifica explicitamente como uma avaliação pré-money. O anúncio não fornece detalhes suficientes sobre a divisão entre capital próprio e crédito para calcular uma avaliação pós-money confiável apenas com base no valor divulgado.
O Horizon fornece ambientes de aprendizado por reforço e recursos de avaliação para desenvolvedores de modelos. O Recursion Managed Agents executa tarefas empresariais, avalia os resultados e usa o feedback das sessões para orientar trabalhos futuros.
O lançamento descreve memória selecionada que sessões posteriores podem utilizar, em vez de atualizações automáticas dos pesos do modelo após cada execução. A Labelbox afirma que o exemplo citado de pull requests usou o mesmo modelo durante todo o período, sem retreinamento.
Os gatilhos anunciados incluem agendamentos, alertas, mensagens no Slack, webhooks e chamadas de API. As ações disponíveis ao agente ainda dependem das ferramentas e permissões configuradas para ele.
Não: essa afirmação se refere ao tratamento por provedores externos de modelos e não elimina os próprios registros de sessão ou a memória do produto. Verifique os termos e as configurações atuais do produto para os dados envolvidos em uma implantação.
O financiamento da Labelbox amplia seu trabalho em ambientes de treinamento de modelos e agentes empresariais gerenciados. Os termos anunciados são mais de US$ 100 milhões distribuídos entre capital próprio e crédito, a uma avaliação pré-money de US$ 1,25 bilhão.
Para a avaliação do produto, a questão central é se o trabalho avaliado melhora a qualidade e o custo sob a própria rubrica, permissões e requisitos de dados de uma equipe.
Comece com uma frase e tenha um site completo em minutos.
