Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoCódigo / SDK · Pronto p/ usoX: @pukerrainbrow→ original

Projeto paralelo do LangChain virou startup avaliada em US$ 3 bilhões e captou US$ 300 milhões

O projeto que Harrison Chase publicou em outubro de 2022 como hobby foi avaliado em US$ 3 bilhões: em 13 de novembro, o LangChain fechou uma rodada C de US$ 300 milhões liderada pela CapitalG. Avaliação é o quanto os investidores atribuem à empresa como um todo. Quem paga é o LangSmith, um "painel de controle" para agentes de IA, onde é possível ver o que eles fazem e limitar seu acesso a modelos e dados. Para equipes que já têm agentes em produção, o recado é claro: controlar agentes está virando uma linha separada no orçamento.

Processado por IA de X: @pukerrainbrow; editado por Hamidun News
Projeto paralelo do LangChain virou startup avaliada em US$ 3 bilhões e captou US$ 300 milhões
Fonte: X: @pukerrainbrow. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalX: @pukerrainbrow ↗
Editor-chefe
Dado-chave #1O LangSmith é usado por mais de 7.000 organizações, entre elas NVIDIA e Toyota
Dado-chave #2A Workday reduziu o lançamento de um novo agente de cinco meses para menos de um dia
Dado-chave #3Os projetos open-source foram baixados mais de 1 bilhão de vezes, e hoje chegam a 350 milhões de downloads por mês

Em outubro de 2022, o engenheiro Harrison Chase publicou a biblioteca LangChain em acesso aberto como projeto paralelo. Quatro anos depois, trata-se de uma empresa que os investidores avaliaram em US$ 3 bilhões. "Avaliação" aqui significa o valor de toda a companhia segundo a última rodada, e não a receita.

Em 13 de novembro, o LangChain anunciou a rodada C: US$ 300 milhões em novos recursos, liderados pelo fundo CapitalG. O dinheiro não vem pela biblioteca, e sim pelo LangSmith, plataforma onde é possível executar agentes de IA, acompanhar o que eles fazem e limitar suas capacidades. Mais de 7.

000 organizações já a utilizam. Se você desenvolve agentes, essa história mostra em que estágio o mercado está disposto a pagar.

Como um projeto paralelo virou empresa

Chase se formou em Harvard em 2017 e depois trabalhou como engenheiro de machine learning na Kensho Technologies e na Robust Intelligence. Foi lá que conheceu Ankush Gola, que se formou em engenharia elétrica em Princeton em 2015 e passou quatro anos como engenheiro sênior no Facebook. Um mês após o lançamento do LangChain surgiu o ChatGPT, e a primeira onda de desenvolvedores que queriam criar aplicações em torno de modelos de linguagem chegou ao projeto. Quando o interesse cresceu, Chase e Gola constituíram a empresa em 2023.

O financiamento veio rápido. Em abril de 2023, a Benchmark liderou uma rodada seed de US$ 10 milhões; em seguida, a Sequoia liderou a série A, de US$ 25 milhões. Em outubro de 2025, a IVP liderou a série B, de US$ 125 milhões, com avaliação de US$ 1,25 bilhão, e agora a avaliação subiu para US$ 3 bilhões. Participaram da rodada C a GIC, a DFJ Growth, a IVP, a Sapphire Ventures, a Salesforce Ventures, a Insight Venture Partners, a QuantumLight e a MongoDB Ventures. Sequoia, Amplify e Benchmark investiram novamente. No total, a empresa captou US$ 460 milhões.

Os projetos open-source do LangChain foram baixados mais de 1 bilhão de vezes e hoje somam mais de 350 milhões de downloads por mês. Essa base de desenvolvedores funciona como um canal de vendas gratuito para o produto pago.

Por que os clientes pagam: LangSmith

O LangSmith pode ser descrito como um painel de controle para agentes. Ele funciona com qualquer framework e qualquer modelo, não apenas com o próprio LangChain. Os agentes podem rodar na nuvem do LangChain ou na conta do próprio cliente na AWS, na Azure ou no Google Cloud. A plataforma monitora e avalia o comportamento dos agentes e também controla quais modelos, ferramentas e dados eles podem acessar.

Há ainda uma novidade específica, o LangSmith Engine. Trata-se de um agente que melhora outros agentes: encontra erros em produção e escreve a correção, seja de código ou de prompt. Na prática, funciona como um engenheiro de plantão que lê os logs e propõe um ajuste.

Os números de clientes são: mais de 7.000 organizações, entre elas Harvey, Rippling, NVIDIA, Toyota e Salesforce. A Clay acompanha na plataforma centenas de milhões de execuções de agentes por mês. A Workday reduziu o tempo de lançamento de um novo agente de cinco meses para menos de um dia. Esses dados são divulgados pela própria empresa e ainda não passaram por verificação independente. Ainda assim, mostram que o gargalo mudou de lugar: criar um agente ficou mais fácil, mas garantir que ele se comporte de forma previsível continua difícil.

O que fazer, para desenvolvedores e gerentes de produto

Chase disse ao The Wall Street Journal: "O comportamento do agente é a parte mais difícil do controle". Um agente pode funcionar bem em demonstrações e se comportar de maneira estranha com dados reais. Perceber isso sem rastreamento, avaliação de qualidade e restrições de acesso é quase impossível.

Conclusões práticas:

  • planeje a observabilidade desde o primeiro dia: logs das etapas do agente, avaliação do resultado e controle do custo das requisições;
  • limite as permissões dos agentes antes do lançamento, e não depois do primeiro incidente: quais ferramentas e dados eles podem acessar;
  • não se prenda a um único framework: o valor do LangSmith está em não depender da escolha de modelo ou biblioteca;
  • compare soluções com a sua própria stack, e não com cases de marketing.

Há também ressalvas. A avaliação de US$ 3 bilhões pressupõe o crescimento futuro de um mercado de agentes que ainda é majoritariamente corporativo e não se consolidou. Concorrentes, de provedores de nuvem a outras ferramentas de observabilidade, também estão construindo painéis semelhantes. E um agente que se autoaperfeiçoa, como o Engine, precisa ser testado com o mesmo rigor de qualquer outro: uma correção escrita por IA exige revisão humana.

Hoje o LangChain tem 435 funcionários, e a empresa planeja chegar a 850 até o fim de 2027, quase dobrando de tamanho. É uma aposta de que as companhias vão lançar agentes em massa e pagar pela infraestrutura que os mantém sob controle.

História

Perguntas frequentes sobre a notícia

Como um projeto paralelo virou empresa?

Chase se formou em Harvard em 2017 e depois trabalhou como engenheiro de machine learning na Kensho Technologies e na Robust Intelligence. Foi lá que conheceu Ankush Gola, que se formou em engenharia elétrica em Princeton em 2015 e passou quatro anos como engenheiro sênior no Facebook. Um mês após o lançamento do LangChain surgiu o ChatGPT, e a primeira onda de desenvolvedores que queriam criar aplicações em torno de modelos de linguagem chegou ao projeto.

Por que os clientes pagam: LangSmith?

O LangSmith pode ser descrito como um painel de controle para agentes. Ele funciona com qualquer framework e qualquer modelo, não apenas com o próprio LangChain. Os agentes podem rodar na nuvem do LangChain ou na conta do próprio cliente na AWS, na Azure ou no Google Cloud. A plataforma monitora e avalia o comportamento dos agentes e também controla quais modelos, ferramentas e dados eles podem acessar. Há ainda uma novidade específica, o LangSmith Engine.

O que fazer, para desenvolvedores e gerentes de produto?

Chase disse ao The Wall Street Journal: "O comportamento do agente é a parte mais difícil do controle". Um agente pode funcionar bem em demonstrações e se comportar de maneira estranha com dados reais. Perceber isso sem rastreamento, avaliação de qualidade e restrições de acesso é quase impossível.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…