AIKraft Agents
Бизнес17 ноября 2026 г., 23:18 МСК🤖 Auto

Model ML привлек $250 млн на автоматизацию инвестиционного банкинга

Лондонский стартап Model ML закрыл раунд Series B на $250 млн при оценке $1,5 млрд, чтобы автоматизировать рутинные задачи инвестиционных банкиров с помощью AI-агентов.

Баннер новости 12146

Масштаб финансирования и оценка

Стартап Model ML, основанный тремя годами ранее братьями Чазом и Арни Энгеландерами (ранее создавшими Fat Llama), привлек $250 млн в раунде Series B. Инвестиционный раунд прошел при оценке компании в $1,5 млрд. Раунд был совместным руководством General Atlantic и раннего инвестора QED Investors. Это значительное увеличение по сравнению с раундом Series A в $75 млн, объявленным годом ранее.

Технологическое преимущество: Open Source vs Frontier

Ключевое отличие Model ML от конкурентов, таких как Anthropic и OpenAI, заключается в использовании открытых моделей (open source). По заявлениям компании, это позволяет снизить операционные расходы до 2% от стоимости использования передовых (frontier) моделей при одновременном обеспечении более высокой скорости обработки данных. AI-агенты интегрируются с привычными инструментами банкиров — Excel и PowerPoint — и способны автоматически обновлять финансовые модели и презентации при изменении контекста сделок.

Конкурентный ландшафт

Рынок автоматизации рутинных задач в инвестиционном банкинге и консалтинге активно растет. Главным конкурентом Model ML является стартап Rogo, который в апреле привлек $160 млн при оценке $2 млрд. Другие игроки в этой нише включают Hebbia. Ниже приведено сравнение ключевых показателей последних раундов финансирования:

Компания Раунд Сумма Оценка
Model ML Series B $250 млн $1,5 млрд
Rogo Series A/B (апрель) $160 млн $2 млрд

Зачем это нужно рынку

Model ML фокусируется на автоматизации «черновой работы» (grunt work), которую традиционно выполняют младшие банкиры и консультанты: создание финансовых моделей, подготовка питч-деков и написание отчетов по проверке (due diligence). Внедрение таких решений позволяет сократить время на рутинные операции, высвобождая ресурсы для стратегического анализа, что особенно важно в условиях высокой волатильности рынков в 2026 году.

Источник: TechCrunch ↗