Labelbox 为 Horizon 和 Recursion 智能体融资超过 1 亿美元

Labelbox 于 2026 年 10 月 14 日宣布完成超过 1 亿美元的 E 轮融资，投前估值为 12.5 亿美元。Infinitum Partners 领投本轮融资，Wipro Ventures、a16z、B Capital、Tau Ventures、Snowpoint Ventures 等参投。

该公告支持两款面向不同客户的产品：为模型构建者提供强化学习环境的 Horizon，以及为企业团队执行工作的 Recursion Managed Agents。两者都依赖一个反馈闭环：对结果进行评分，并利用结果改进后续工作。

融资条款与公司声明

本轮融资包括股权融资和信贷额度。这一差异应始终与融资 headline 金额一并理解：公司并未将全部金额描述为新筹集的股权融资。

同样，12.5 亿美元明确为投前估值，而非已公布的投后估值。将全部融资 headline 金额直接加到这一估值上，会忽略股权与信贷之间尚未披露的拆分比例。

Labelbox 表示，公司在 2026 年实现盈利，且同比增长超过五倍。公司还称拥有超过 400 家客户，并与超过 90% 的美国领先 AI 实验室建立了合作关系。这些均为公司声明，而非独立审计数据；公告也未提供重建每项指标所需的详细定义。

公司计划将融资用于研发、工程，以及向客户交付 Horizon 和 Recursion 的团队。其创始人说明将公司的发展路径概括为：从训练数据软件，经过模型训练环境，发展至运营型智能体。

Horizon：面向模型构建者的练习环境

Horizon 面向需要让模型练习复杂任务并获得有效反馈的前沿实验室。其 WorldSim 方法构建包含代码、仪表板、电子表格、演示文稿和文档的模拟业务环境，而不是只向模型提出一个独立问题。

预期流程如下：

1. 将模型置于模拟工作环境中。
2. 向其提供多步骤任务及可用工具。
3. 记录其操作轨迹。
4. 对结果评分并提供奖励信号。
5. 在模型的训练或评估工作流中使用由此产生的证据。

Labelbox 表示，其校准后的奖励和评估机制会根据客户的 pass@k 目标进行调优。通俗而言，这一指标关注的是模型在给定尝试次数下取得成功的概率；它不同于宣称单次运行始终成功。

Horizon 页面涵盖编程、研究、多模态知识工作、使用工具的语音智能体、计算机使用和网络安全。它还描述了用于教授判断能力的人类偏好比较，适用于存在多个技术上可接受结果的情况。确定性检查可以判断任务是否满足某项规则，而专家反馈则可以区分两种本来都有效的方法在质量上的差异。

Recursion：目标、触发器与评分量规

Recursion Managed Agents 将类似闭环应用于企业工作。Labelbox 在 10 月 8 日的产品发布中描述了三项输入：目标、启动工作的事件，以及用于判断结果的评分量规。

一次运行可以由计划任务、告警、Slack 消息、Webhook 或 API 调用触发。独立的评分智能体会根据评分量规检查输出，并指出支持性证据。未通过的标准可能会触发修订，而持续失败的情况则可以连同记录和评分说明一起交由人工审核。

该产品支持三种工作模式：

Labelbox 表示，智能体可在超过 100 个业务应用和 MCP 服务器之间工作。工具权限区分只读操作、数据变更和破坏性操作，凭据则保存在保险库中，而不会暴露给模型。

这些控制机制描述的是产品的预期运行方式。它们并不意味着每项任务都应在无人监督下运行，也不意味着评分量规能自动覆盖企业的全部需求。

记忆改进不等同于重新训练

该托管智能体发布内容解释了会话报告如何成为可复用记忆。在新增五份报告之后，且每小时不超过一次，策展器可以审查这些报告并更新智能体的经验教训。客户可以检查记忆、审查近期变更、删除过时经验，或为某个智能体禁用记忆。

这一区别对于解读公司的改进声明至关重要。未来的运行可以使用更好的历史工作记录，而无需改变底层模型的权重。该发布内容明确表示，报告中的示例没有重新训练任何模型。

Labelbox 描述了在一个智能体版本和一个模型上进行的 39 次已评分拉取请求审查。在通过评分器的 33 次审查中，每次审查的成本中位数从前 11 次的 13.15 美元降至最后 11 次的 8.90 美元；每次审查耗时则仍约为 27 分钟，记忆共更新了 15 次。

这是一个内部观察案例，而不是对相同工作进行的受控试验。Labelbox 自己也指出，每个拉取请求都不相同。它提出了一种有用的衡量方法，即同时比较质量和成本，但并不能证明所有客户都能普遍节省 32%。

数据处理与商业评估

来源报道和产品发布内容描述了隔离沙箱、限定范围的工具、保险库中的凭据，以及外部 LLM 提供商处的零数据保留。这些声明不应被简化为整个产品不保留任何信息：Recursion 也会将会话记录和策展记忆作为其设计的一部分进行存储。

在将该产品用于业务数据前，团队应核查适用的合同条款、提供商安排、保留设置和合规文档。支持的框架清单不能替代对特定部署适用报告或保证措施的验证。

Labelbox 介绍的定价按每个智能体会话小时计费，并将计算和模型成本纳入估算。当前费率和条件应以定价文档为准；融资公告并不是针对某一具体工作流的固定报价。

截至 10 月 15 日查阅的定价文档描述了预付费额度，以及不设套餐、席位或订阅费用。文档还指出一个例外：当模型使用费用通过客户自己的提供商结算时，会话小时估算仅覆盖计算成本。因此，所选配置比单一的 headline 小时费率更重要。

常见问题

Labelbox 在 E 轮融资中筹集了多少资金？

Labelbox 宣布获得超过 1 亿美元融资。该金额包括股权融资和信贷额度，因此不应将其全部标注为股权投资。

12.5 亿美元估值是投前还是投后？

Labelbox 明确将其称为投前估值。公告未提供关于股权和信贷拆分的足够细节，因此无法仅依据 headline 金额计算可靠的投后估值。

Horizon 与 Recursion 有什么区别？

Horizon 为模型构建者提供强化学习环境和评估能力。Recursion Managed Agents 执行企业任务、对结果评分，并利用会话反馈为后续工作提供参考。

Recursion 智能体会在每次任务后重新训练模型吗？

该发布内容描述的是后续会话可以使用的策展记忆，而不是每次运行后自动更新模型权重。Labelbox 表示，其引用的拉取请求示例全程使用同一模型，且没有对模型进行重新训练。

什么可以触发托管智能体？

已公布的触发器包括计划任务、告警、Slack 消息、Webhook 和 API 调用。智能体可执行的操作仍取决于为其配置的工具和权限。

LLM 提供商的零数据保留是否意味着 Recursion 不存储任何内容？

不是：该声明涉及外部模型提供商的数据处理方式，并不意味着产品自身的会话记录或记忆不存在。应根据部署涉及的数据，检查当前产品条款和设置。

相关工具

• Labelbox Horizon：面向前沿模型的强化学习环境和评估。
• Recursion Managed Agents：具备编排、评分和策展记忆能力的企业智能体。
• Model Context Protocol：兼容智能体工具和服务器所使用的集成协议。

相关链接

• Unite.AI 的 Labelbox 融资报道：提供的文章及其公司来源参考链接。
• Labelbox 的 E 轮融资公告：融资条款和公司指标的主要来源。
• Horizon 产品概览：关于模拟环境和训练信号的官方详情。
• Recursion Managed Agents 发布公告：介绍执行模式、评分、记忆及内部成本示例。
• Recursion 产品概览：托管智能体产品的当前官方说明。
• Recursion 定价文档：在估算工作负载前检查当前计费规则。

摘要

Labelbox 的融资扩大了其在模型训练环境和托管企业智能体方面的投入。headline 条款为超过 1 亿美元，涵盖股权和信贷，投前估值为 12.5 亿美元。

对于产品评估而言，核心问题是：在团队自身的评分量规、权限和数据要求下，经评分的工作能否改善质量和成本。