Labelbox привлекает более $100 млн для Horizon и агентов Recursion

14 октября 2026 года Labelbox объявила о привлечении более $100 млн в рамках раунда Series E при pre-money оценке в $1,25 млрд. Раунд возглавила Infinitum Partners; также в нем приняли участие Wipro Ventures, a16z, B Capital, Tau Ventures, Snowpoint Ventures и другие.

Объявление поддерживает два продукта для разных категорий клиентов: Horizon, который предоставляет среды для обучения с подкреплением разработчикам моделей, и Recursion Managed Agents, который выполняет рабочие задачи для корпоративных команд. Оба продукта зависят от цикла обратной связи, который оценивает результат и использует его для улучшения последующей работы.

Условия финансирования и заявления компании

Финансирование включает как акционерный капитал, так и кредитную линию. Это различие следует сохранять при упоминании общей суммы: компания не заявляла, что вся сумма является вновь привлеченными инвестициями в капитал.

Аналогично, сумма в $1,25 млрд прямо названа pre-money оценкой. Это не объявленная post-money оценка, и прибавление полной суммы финансирования к ней проигнорировало бы нераскрытое распределение между капиталом и кредитом.

Labelbox заявляет, что в 2026 году достигла прибыльности, увеличив показатели более чем в пять раз год к году. Компания также сообщает о более чем 400 клиентах и отношениях с более чем 90% ведущих ИИ-лабораторий США. Это заявления компании, а не независимо аудированные показатели; в объявлении также нет детальных определений, необходимых для воспроизведения каждого показателя.

Компания планирует направить финансирование на исследования, инженерные разработки и команды, поставляющие Horizon и Recursion клиентам. В заметке основателя описана эволюция от ПО для обучающих данных через среды обучения моделей к операционным агентам.

Horizon: практические среды для разработчиков моделей

Horizon предназначен для передовых лабораторий, которым нужно, чтобы модели тренировались на сложных задачах и получали полезную обратную связь. Его подход WorldSim создает смоделированные бизнес-среды с кодом, дашбордами, электронными таблицами, презентациями и документами, а не предлагает модели только отдельный вопрос.

Предполагаемая последовательность выглядит так:

1. Поместить модель в смоделированную рабочую среду.
2. Дать ей многошаговую задачу и доступные инструменты.
3. Записать ее действия как траекторию.
4. Оценить результат и предоставить сигнал вознаграждения.
5. Использовать полученные данные в процессе обучения или оценки модели.

Labelbox описывает калиброванные вознаграждения и оценку, настроенную под целевые показатели клиентов pass@k. В обычных терминах этот показатель касается успешности модели при заданном числе попыток; он отличается от утверждения, что один запуск всегда бывает успешным.

Страница Horizon охватывает программирование, исследования, мультимодальную интеллектуальную работу, голосовых агентов, использующих инструменты, компьютерное взаимодействие и кибербезопасность. Также в ней описываются сравнения предпочтений людей для обучения суждению в случаях, когда технически приемлемы несколько результатов. Детерминированная проверка может установить, соответствует ли задача правилу, тогда как экспертная обратная связь помогает различить качество двух в остальном корректных подходов.

Recursion: цель, триггер и рубрика

Recursion Managed Agents применяет аналогичный цикл к корпоративной работе. В анонсе Labelbox от 8 октября описаны три входных параметра: цель, событие, запускающее работу, и рубрика, по которой оценивается результат.

Запуск может происходить по расписанию, предупреждению, сообщению Slack, вебхуку или API-вызову. Отдельный агент-оценщик проверяет результат по рубрике и указывает подтверждающие доказательства. Критерии, не прошедшие проверку, могут приводить к доработкам, а устойчивые сбои могут передаваться на проверку человеку вместе с расшифровкой выполнения и заметками оценщика.

Продукт поддерживает три режима работы:

Labelbox заявляет, что агенты могут работать более чем с 100 бизнес-приложениями и MCP-серверами. Разрешения на инструменты разграничивают действия только для чтения, изменения данных и деструктивные операции, а учетные данные хранятся в хранилище, а не раскрываются модели.

Эти механизмы контроля описывают предполагаемую работу продукта. Они не доказывают, что каждую задачу следует выполнять без контроля или что рубрика автоматически охватывает все требования бизнеса.

Улучшения памяти — это не то же самое, что переобучение

В запуске управляемых агентов объясняется, как отчеты о сессиях могут становиться повторно используемой памятью. После появления пяти новых отчетов и не чаще одного раза в час куратор может просмотреть их и обновить уроки агента. Клиенты могут просматривать память, изучать недавние изменения, удалять устаревшие уроки или отключать память для агента.

Это различие критически важно для интерпретации заявлений компании об улучшениях. Будущий запуск может использовать более качественную запись предыдущей работы, не изменяя веса базовой модели. В анонсе прямо сказано, что во время приведенного примера модель не переобучалась.

Labelbox описывает 39 оцененных проверок pull request для одной версии агента и одной модели. Среди 33 проверок, прошедших оценщик, медианная стоимость снизилась с $13,15 для первых 11 до $8,90 для последних 11, тогда как время на одну проверку оставалось около 27 минут, а память обновлялась 15 раз.

Это внутренний наблюдательный пример, а не контролируемое исследование с идентичными задачами. Сама Labelbox отмечает, что каждый pull request отличался. Пример предлагает полезный подход к измерению, сопоставляющий качество и стоимость, но не подтверждает универсальную экономию в 32% для всех клиентов.

Обработка данных и коммерческая оценка

В исходном отчете и анонсе продукта описаны изолированные песочницы, инструменты с ограниченной областью действия, защищенные учетные данные и нулевое хранение данных у внешних поставщиков LLM. Эти заявления не следует сводить к утверждению, что весь продукт не хранит никакой информации: Recursion также хранит записи сессий и отобранную память как часть своей архитектуры.

Перед использованием продукта с бизнес-данными команде следует проверить применимые договорные условия, соглашения с поставщиками, настройки хранения данных и документацию по соответствию требованиям. Список поддерживаемых фреймворков не заменяет проверку того, какие именно отчеты или гарантии применимы к конкретному развертыванию.

Labelbox описывает ценообразование за час агентской сессии, при этом расходы на вычисления и модели включаются в расчет. Актуальные ставки и условия следует проверять в документации по ценам; объявление о финансировании не является фиксированным ценовым предложением для конкретного процесса.

В документации по ценам, проверенной 15 октября, описаны предоплаченные кредиты и отсутствие тарифных планов, мест или абонентской платы. В ней также указано исключение: когда использование модели оплачивается через собственного поставщика клиента, оценка за час сессии покрывает только вычисления. Поэтому выбранная конфигурация важнее одной общей почасовой цены.

FAQ

Сколько Labelbox привлекла в раунде Series E?

Labelbox объявила о финансировании в размере более $100 млн. Эта сумма включает акционерный капитал и кредитную линию, поэтому ее не следует целиком называть инвестициями в капитал.

Оценка в $1,25 млрд — это pre-money или post-money?

Labelbox прямо называет ее pre-money оценкой. В объявлении недостаточно деталей о распределении между капиталом и кредитом, чтобы надежно рассчитать post-money оценку только по общей сумме.

В чем разница между Horizon и Recursion?

Horizon предоставляет среды для обучения с подкреплением и возможности оценки для разработчиков моделей. Recursion Managed Agents выполняет корпоративные задачи, оценивает результаты и использует обратную связь по сессиям для последующей работы.

Переобучают ли агенты Recursion модель после каждой задачи?

В анонсе описана отобранная память, которую могут использовать последующие сессии, а не автоматическое обновление весов модели после каждого запуска. Labelbox заявляет, что в приведенном примере с проверкой pull request на всем протяжении использовалась одна и та же модель без переобучения.

Что может запускать управляемого агента?

Заявленные триггеры включают расписания, предупреждения, сообщения Slack, вебхуки и API-вызовы. Доступные агенту действия по-прежнему зависят от настроенных для него инструментов и разрешений.

Означает ли нулевое хранение у поставщика LLM, что Recursion ничего не хранит?

Нет: это утверждение относится к обработке данных внешним поставщиком моделей и не отменяет собственные записи сессий и память продукта. Для данных конкретного развертывания следует проверить действующие условия продукта и настройки.

Связанные инструменты

• Labelbox Horizon: Среды для обучения с подкреплением и оценки для передовых моделей.
• Recursion Managed Agents: Корпоративные агенты с оркестрацией, оценкой и отобранной памятью.
• Model Context Protocol: Протокол интеграции, используемый совместимыми инструментами и серверами агентов.

Связанные ссылки

• Отчет Unite.AI о финансировании Labelbox: Предоставленная статья и ее ссылки на источники компании.
• Объявление Labelbox о раунде Series E: Первичный источник об условиях финансирования и показателях компании.
• Обзор продукта Horizon: Официальные сведения о смоделированных средах и сигналах обучения.
• Запуск Recursion Managed Agents: Объясняет режимы выполнения, оценку, память и внутренний пример стоимости.
• Обзор продукта Recursion: Текущее официальное описание продукта управляемых агентов.
• Документация по ценам Recursion: Проверьте текущие правила тарификации перед оценкой рабочей нагрузки.

Итоги

Финансирование Labelbox расширяет ее работу над средами обучения моделей и управляемыми корпоративными агентами. Основные условия: более $100 млн в форме капитала и кредита при pre-money оценке в $1,25 млрд.

При оценке продукта ключевой вопрос заключается в том, улучшает ли работа с оценкой качество и стоимость в рамках собственных рубрик, разрешений и требований команды к данным.