AfterQuery, ИИ-стартап возрастом 18 месяцев, достиг оценки в $3,2 млрд в рамках нового раунда финансирования, сообщило в понедельник издание Forbes со ссылкой на двух человек, обладающих прямыми сведениями о сделке. Эта цифра более чем в десять раз превышает оценку в $300 млн, которую компания имела пятью месяцами ранее, когда закрыла раунд Series A на $30 млн — ранний раунд финансирования, в рамках которого стартап продает долю в себе за капитал для роста.

Этот рост сделал AfterQuery самым быстрым стартапом в истории Y Combinator, прошедшим путь от основания до статуса «единорога» — стартапского термина для частной компании стоимостью более $1 млрд, — по словам партнера YC Густафа Альстрёмера. AfterQuery отказалась комментировать эту информацию. Один из источников Forbes сообщил, что компания уже прибыльна и определилась с ведущим инвестором раунда.

Основатели — 23-летний Спенсер Матига и 22-летний Карлос Георгеску — платят врачам, юристам, инженерам и финансовым аналитикам за создание данных об экспертных суждениях того типа, который ИИ-лаборатории уже не могут собрать с открытого интернета. Друзья со школьных времен основали компанию в феврале 2025 года, через 18 месяцев после присоединения к зимней(batch) программе Y Combinator 2025 года без продукта и без четкой идеи.

В июле Матига написал на X, что годовая регулярная выручка (ARR) — годовая стоимость действующих подписок компании — выросла до «сотен миллионов», по сравнению со $100 млн в апреле.

AfterQuery is quickly closing the gap on the "giants." We've already grown multiples past the $100M revenue run rate cited here. If you're a post-training researcher or lab that needs long-horizon tasks, professional / knowledge work data, high-fidelity RL environments, code… — Spencer Mateega (@spencermateega) July 12, 2026

Изначально основатели хотели создавать ИИ-агентов для финансовой сферы. Тестирование показало, что ведущие модели постоянно ошибались в тонких вопросах профессионального уровня — не из-за нехватки базовых возможностей, а потому, что их никто не учил тому, как эксперт в действительности рассуждает при принятии сложного решения. Поэтому они сменили направление.

Теперь AfterQuery платит специалистам за создание данных о рассуждениях: письменных пошаговых описаний того, как профессионал решает проблему, которые используются, чтобы научить ИИ-модели суждению, а не только фактам. Такой материал стал центральным для пост-обучения — этапа после первоначального построения модели, когда лаборатории уточняют ее поведение с помощью отобранной обратной связи, — а также для обучения с подкреплением, где модели совершенствуются, выполняя оцениваемые задания. Nvidia использовала эти данные для обучения своих моделей Nemotron с открытым исходным кодом, а среди клиентов AfterQuery также, по данным Forbes, — Thinking Machines Lab бывшего технического директора OpenAI Миры Мурати и юридическая ИИ-компания Legora.

Спрос, стоящий за этой сменой направления, носит отраслевой характер. Передовые лаборатории — компании, создающие самые продвинутые ИИ-системы — уже выбрали большинство пригодного текста из открытого интернета, а синтетические данные, то есть сгенерированный ИИ обучающий материал, имеют ограничения. В дефиците остается суждение, которое может дать только настоящие сертифицированные эксперты.

Другие компании стремятся восполнить тот же дефицит с разных сторон. Южнокорейская финтех-компания Toss недавно открыла свои 30 миллионов пользователей для экономики ИИ-данных через партнерство с фирмой инфраструктуры данных Poseidon, оплачивая обычным пользователям запись данных реального мира, которые модели не могут найти в интернете.

AfterQuery не единственная компания, извлекающая выгоду из этого дефицита. Александру Вангу из Scale AI в 2021 году в 24 года стал первым в отрасли миллиардером в сфере разметки данных, после чего Meta заплатила $14,3 млрд за 49% -ную долю и поставила Ванга во главе собственной ИИ-лаборатории. Основатели конкурента Mercor в прошлом октябре побили ранний рекорд Ванга, став миллиардерами в 22 года.

По словам Матиги, преимущество AfterQuery перед Mercor, который полагается на ИИ-интервьюера для набора большого пула подрядчиков, заключается в собственном программном обеспечении, отбирающем материалы со сложностью по принципу «Златовласки» — достаточно сложные, чтобы бросить вызов передовой модели, но не настолько, чтобы она не могла извлечь урок из ответа. Кроме того, AfterQuery обучает собственные модели на этих данных перед продажей, чтобы показать лабораториям, что материал действительно дает результат, а не просить поверить на слово.

Mercor, со своей стороны, в настоящее время ведет переговоры с Nvidia о раунде финансирования, который оценил бы компанию в $20 млрд — вдвое больше ее оценки в $10 млрд в прошлом октябре. Раунд AfterQuery еще не закрыт, и компания не назвала ведущего инвестора, поэтому окончательные условия и то, удержится ли заявленная оценка в $3,2 млрд, еще предстоит подтвердить.