River AI henter inn 11,4 milliarder kroner for å bygge personlige AI-agenter du kan trene, eie og kontrollere

En fullstack-misjon: Bygge KI på nytt fra bunnen av

River AI sin kjerneoppgave er å finne opp KI på nytt fra bunnen av ved å bygge hele stabelen ende-til-ende – inkludert treningsinfrastruktur, modeller, produktlaget og maskinvare – for å skape personlig trenbare agentiske assistenter . Selskapet rammer dette eksplisitt inn som et skifte bort fra KI som erstatter menneskelige arbeidere. I stedet vil de ha KI som du kan lære opp, forme og eie .

Som gründer Igor Babuschkin har beskrevet det, handler dette om å skape intelligens som «flyter med deg» i stedet for å sitte i en svart boks du bare kan spørre . Den langsiktige visjonen: en verden der hver person har sine egne personlig trente KI-agenter som jobber på deres vegne, i stedet for én modell som passer alle og eies av ett enkelt selskap .

Første produkt: River API – en motgift mot «prompt engineering»

Rivers første produkt, som har vært tilgjengelig siden lanseringen i juni 2026, er River API – en skytjeneste for trening av åpne vektmodeller . API-et tilbyr:

• LoRA-basert fintuning og forsterkende læring (RL) på åpne kildemodeller fra 35 milliarder til 1 billion parametere, inkludert Qwen3.6, Kimi K2.6 og GLM 5.2 (flere legges til jevnlig)
• En enkel Python-klient for trening, sampling og servering, med token-basert fakturering per million tokens for både trening og inferens – i stedet for per GPU-time

River posisjonerer API-et direkte som en motgift mot «prompt engineering». Selskapets produktmateriell sier: «Å gi instruksjoner styrer en modell du ikke eier og ikke kan forbedre. River lar deg trene åpne modeller til modeller som virkelig er dine – og servere dem som et hvilket som helst annet endepunkt» .

Ytelse for bedrifter: 15 minutters RL-kjøringer til 2–4 ganger lavere kostnad

River hevder at gjennom API-et kan enhver bedrift fullføre en kompleks forsterkende læringstrening på 15 til 20 minutter uten å måtte ha et dedikert infrastrukturteam . Plattformen håndterer automatisk vektoverføringer, konsistens mellom sampling og trening, elastisk datakraftallokering og GPU-administrasjon under panseret .

Selskapet hevder videre at denne tilnærmingen gir 2 til 4 ganger lavere kostnader sammenlignet med lukkede kilderalternativer, ved å eliminere kostnader for inaktive GPUer gjennom token-basert fakturering og automatisert infrastrukturstyring .

En medgründer med tungvekter-erfaring

Igor Babuschkin bringer betydelig troverdighet til satsingen. Før han var med på å grunnlegge xAI, jobbet han med generative modeller og forsterkende læring hos Google DeepMind og ledet storstilt trening hos OpenAI . Andre medgründere inkluderer Dmytro (Dima) Soboliev, Ievgen Soboliev og Aaron Rogers, med et lederteam som også inkluderer tidligere OpenAI- og DeepMind-forskere .

Det store bildet: Personlig KI for alle

Utover API-produktet er River AI sin bredere visjon en av de mest særegne i dagens KI-landskap. I stedet for å konkurrere om å bygge én enkelt superintelligent modell som betjener alle, vil River gjøre det mulig for alle å eie sin egen intelligens – formet av deres egne data, oppgaver og mål . Selskapet planlegger å utvide fra dagens API til modeller, produktlag og maskinvare for å realisere dette fullt ut .

Som General Catalyst’s administrerende direktør Marc Bhargava bemerket, er investeringen knyttet til en bredere strategisk bekymring: «Amerikansk lederskap innen KI krever snarest lederskap innen åpen, tilpassbar KI-infrastruktur» . River AI, med sin krigskiste på 1,1 milliarder dollar og toppinvestorer, satser på at fremtiden for KI ikke er én enkelt modell du gir instruksjoner til – men millioner av modeller som folk trener og eier selv.