22 KASIM 2026, PAZAR INSTAGRAM RSS REKLAM & İŞ BİRLİĞİ
TEDLEYNMEDYA
BÜLTEN

LangChain 300 Milyon Dolar Yatırım Aldı: Değeri Bir Yılda 3 Milyar Dolara Çıktı

Yapay zekâ ajanlarını yönetmeye odaklanan LangChain, CapitalG liderliğinde 300 milyon dolar topladı. Şirketin değeri bir yılda 1,25 milyar dolardan 3 milyar dolara çıktı.

Bilgisayar ekranında yapay zekâ ajanlarını izleme panelinde çalışan bir yazılım geliştirici.
Görsel: LangChain

Açık kaynaklı bir yazılım projesi olarak doğan LangChain, 13 Kasım 2026'da 3 milyar dolar değerleme üzerinden 300 milyon dolarlık C serisi yatırım aldığını duyurdu. Şirketin değeri, yaklaşık bir yıl önceki 1,25 milyar dolarlık değerlemenin iki katından fazlasına çıktı. Yeni kaynak, şirketlerin yapay zekâ ajanlarını çalıştırmasına, geliştirmesine ve denetlemesine yarayan LangSmith platformuna yönlendirilecek.

Yatırımcılar kim?

Turu, Google'ın büyüme fonu CapitalG yönetti. Singapur'un varlık fonu GIC ile DFJ Growth yeni ve önemli katılımcılar arasında yer aldı. Mevcut yatırımcılardan IVP ve Sapphire Ventures da tura katıldı. Salesforce Ventures, Insight Venture Partners, QuantumLight ve MongoDB Ventures ilk kez yatırımcı olurken Sequoia, Amplify ve Benchmark da bu turda yer aldı.

LangChain bir yıl önce, IVP liderliğinde 125 milyon dolar toplamış ve 1,25 milyar dolar değerlemeye ulaşmıştı. Growth List'in Business Wire'a dayandırdığı bilgiye göre şirketin bugüne kadar topladığı toplam yatırım 460 milyon dolara ulaştı.

Açık kaynak projeden ajan platformuna

LangChain, 2022'de Harrison Chase'in başlattığı açık kaynaklı bir proje olarak ortaya çıktı. İlk dönemde, büyük dil modellerinin tek başına zorlandığı web araması, API çağırma ve veritabanıyla çalışma gibi işleri modellere bağlamayı kolaylaştıran bir araç setiydi. Bugün ise ağırlık merkezi, şirketlerin ürettiği yapay zekâ ajanlarını üretim ortamında yönetmek.

Şirketin duyurusuna göre LangSmith üç ana başlık altında toplanıyor:

  • Ajan çalışma ortamı (Agent Runtime): Deep Agents, LangGraph, LangChain, LangSmith Agent Server, Sandboxes, Managed Agents ve Fleet gibi bileşenler.
  • Ajan geliştirme (Agent Improvement): Gözlemlenebilirlik ve değerlendirme araçları; hataları arayıp düzeltme öneren LangSmith Engine ve ajan kayıtlarını eğitim verisine dönüştüren LangSmith Fine-Tuning.
  • Ajan yönetişimi (Agent Governance): Model bütçeleri, yedek davranışlar, hassas veri korumaları ile araç erişimi ve kimlik doğrulama için LLM ve araç geçitleri.

Şirketin en çok vurguladığı nokta, LangSmith'in herhangi bir modele, buluta veya ekosisteme bağlı olmaması. Harrison Chase'in imzasını taşıyan duyuruda "Şirketler ihtiyaçlarına en uygun modelleri seçmekte özgür olmalı" ifadesi yer alıyor. Şirketin misyonu da "her şirketin kendi zekâsına sahip olmasını sağlamak" olarak tanımlanıyor.

Müşteriler ve rakamlar

LangChain'in açıklamasına göre LangSmith'i 7 binden fazla kurum kullanıyor. Harvey, Rippling, Listen Labs, NVIDIA, Toyota ve Salesforce isimleri verilen müşteriler arasında. Şirket, Clay'in LangSmith ile ayda yüz milyonlarca ajan çalışmasını izlediğini, Workday'in ise yeni bir ajanı devreye alma süresini beş aydan bir günün altına indirdiğini belirtiyor. Bunlar şirket beyanı; gelir veya çalışan sayısı açıklanmadı.

TechCrunch'ın değerlendirmesine göre benzer avantajlar vaat eden başka girişimler de var. Büyük bulut sağlayıcıları ve öncü yapay zekâ laboratuvarları ise kullanıcıları kendi modellerine ve ekosistemlerine bağlama eğiliminde. LangChain bu alanda erken başlamanın avantajını taşıyor. Şirket, 20 Kasım 2026'da düzenleyeceği etkinlikte LangSmith'in yeni özelliklerini tanıtacak.

Türkiye'deki geliştiriciler ve girişimler için anlamı

LangChain'in çekirdek kütüphaneleri açık kaynaklı olduğu için Türkiye'deki geliştiriciler ve girişimler bu araçlara herhangi bir yatırım veya ortaklık gerekmeden erişebiliyor. Bu tur, ajan geliştirmenin artık "çalışan bir demo" aşamasından "denetlenebilir ve bütçesi kontrol edilen sistem" aşamasına geçtiğini gösteriyor. Kendi ürününe yapay zekâ ajanı eklemeyi düşünen ekipler için çıkarılacak pratik dersler şunlar:

  • Tek modele bağlanmamak: Model fiyatları ve performansı hızla değişiyor; farklı modeller arasında geçiş yapabilen bir mimari maliyet riskini azaltıyor.
  • Baştan izleme kurmak: Ajanın hangi adımı neden attığını kaydetmek, hata ayıklamayı ve müşteriye hesap vermeyi kolaylaştırıyor.
  • Harcama ve erişim sınırları koymak: Ajanların hangi araçlara erişebileceğini ve ne kadar model bütçesi kullanabileceğini sınırlamak, kontrolsüz maliyetlerin önüne geçiyor.

Bu haber yatırım tavsiyesi değildir. Yapay zekâ altyapısına yönelen yatırım dalgasının bir başka örneği için yapay zekâ modellerini uzmanlarla eğiten Mercor'un 750 milyon dolarlık turuna dair haberimize göz atabilirsiniz.

— HAFTALIK BÜLTEN

Böyle haberleri her pazar sabahı tek e-postada al.

— INSTAGRAM Her gün bir yapay zekâ hikayesi için @tedleynmedya'yı takip et. TAKİP ET →

#Yatırım#girişim#yapay zekâ ajanları#LangChain#LangSmith#CapitalG

Girişimler kategorisinden

Tümü →

— HAFTALIK BÜLTEN

Haftanın yapay zekâsı, pazar sabahı.

Haftanın en önemli gelişmeleri tek e-postada. Reklamsız, kısa ve kaynaklı.

Haftada bir e-posta. İstediğin an ayrılabilirsin.