River AI haalt $1,1 miljard op om persoonlijke AI-agenten te bouwen die jij kunt trainen, bezitten en besturen

Op 11 augustus 2026 kondigde River AI – een startup die nog geen twee maanden uit de stealth-modus is – aan dat het $1,1 miljard had opgehaald in een gecombineerde seed- en Series A-financieringsronde . De ronde werd geleid door General Catalyst en AMP PBC, met strategische investeringen van Nvidia, AMD Ventures, Y Combinator en Temasek .

De startup werd opgericht door Igor Babuschkin (medeoprichter van xAI), een veteraan van DeepMind en OpenAI die bij beide organisaties grootschalige training leidde. River AI kwam op 10 juni 2026 uit de stealth-modus met een ambitieuze stelling: de AI-industrie heeft te lang tools gebouwd om mensen te vervangen, maar zou juist tools moeten bouwen die met en voor elk individu werken .

Een full-stack missie: AI helemaal opnieuw opbouwen

River AI's kernmissie is om AI helemaal opnieuw uit te vinden door de volledige stack end-to-end te herbouwen – van trainingsinfrastructuur en modellen tot de productlaag en hardware – met als doel persoonlijk trainbare agentische assistenten te creëren . Het bedrijf positioneert dit expliciet als een verschuiving weg van AI die menselijke werknemers vervangt. In plaats daarvan wil het AI die je kunt onderwijzen, vormen en bezitten .

Zoals oprichter Igor Babuschkin het omschreef, betekent dit het creëren van intelligentie die "met je meebeweegt" in plaats van in een black box te zitten die je alleen met prompts kunt bedienen . De langetermijnvisie: een wereld waarin elke persoon zijn eigen persoonlijk getrainde AI-agenten heeft die namens hem of haar werken, in plaats van one-size-fits-all modellen die eigendom zijn van één enkel bedrijf .

Eerste product: de River API – een alternatief voor prompt engineering

River's eerste product, live sinds de lancering in juni 2026, is de River API – een cloud-trainingsdienst voor open-weight modellen . De API biedt:

• LoRA-gebaseerde fine-tuning en reinforcement learning (RL) op open-source modellen variërend van 35 miljard tot 1 biljoen parameters, waaronder Qwen3.6, Kimi K2.6 en GLM 5.2 (met regelmatig nieuwe toevoegingen)
• Een enkele Python-client voor training, sampling en serving, met token-gebaseerde facturering per miljoen tokens voor zowel training als inferentie – in plaats van per GPU-uur

River positioneert deze API direct als een alternatief voor prompt engineering. In de productliteratuur staat: "Prompting stuurt een model dat je niet bezit en niet kunt verbeteren. River laat je open modellen trainen tot modellen die echt van jou zijn – en ze serveren zoals elk ander endpoint" .

Enterprise-performance: RL-runs in 15 minuten met 2–4x kostenbesparing

River claimt dat via zijn API elke onderneming een complexe reinforcement learning trainingsrun kan voltooien in 15 tot 20 minuten, zonder dat er een dedicated infrastructuurteam nodig is . Het platform handelt automatisch gewichtsoverdrachten, sampling-training consistentie, elastische compute-toewijzing en GPU-beheer af .

Het bedrijf stelt verder dat deze aanpak 2 tot 4 keer kostenbesparing oplevert vergeleken met closed-source alternatieven, doordat inactieve GPU-kosten worden geëlimineerd via token-gebaseerde meting en geautomatiseerd infrastructuurbeheer .

Een medeoprichter met diepe AI-geloofsbrieven

Igor Babuschkin brengt aanzienlijke geloofwaardigheid mee naar de onderneming. Voordat hij xAI medeoprichtte, werkte hij aan generatieve modellering en reinforcement learning bij Google DeepMind en leidde hij grootschalige training bij OpenAI . Andere medeoprichters zijn Dmytro (Dima) Soboliev, Ievgen Soboliev en Aaron Rogers, met een leidinggevend team dat ook voormalige OpenAI- en DeepMind-onderzoekers omvat .

Het grotere plaatje: persoonlijke AI voor iedereen

Naast het API-product is River AI's bredere visie een van de meest onderscheidende in het huidige AI-landschap. In plaats van te concurreren om één enkel superintelligent model te bouwen dat iedereen bedient, wil River iedereen in staat stellen zijn eigen intelligentie te bezitten – gevormd door hun eigen data, taken en doelen . Het bedrijf is van plan uit te breiden van de huidige API naar modellen, de productlaag en hardware om dit volledig te realiseren .

Zoals General Catalyst Managing Director Marc Bhargava opmerkte, is de investering gekoppeld aan een bredere strategische zorg: "Het Amerikaanse leiderschap in AI vereist dringend leiderschap in open-weight, aanpasbaar trainbare AI-infrastructuur" . River AI, met zijn $1,1 miljard oorlogskas en top-tier investeerders, wedt dat de toekomst van AI niet één model is dat je prompt, maar miljoenen modellen die mensen zelf trainen en bezitten.