Daytona: 60 milyon dolarlık tur, 1 milyar dolar değerleme

Daytona, 20 Ekim 2026 tarihli duyurusunda FirstMark Growth liderliğinde 60 milyon dolarlık Series B turunu tamamladığını, toplam finansmanının 91 milyon dolara ve şirket değerlemesinin 1 milyar dolara ulaştığını açıkladı. Aynı duyuruda ocaktan bu yana gelirinin yaklaşık 25 kat büyüdüğünü bildirdi. Qualcomm Ventures, Samsung Next ve Okta Ventures stratejik yatırımcılar arasında yer alıyor; Patrick Collison, Tobi Lütke ve Aravind Srinivas da tura katılan isimlerden.

Daytona’nın kurucu ortağı ve CEO’su Ivan Burazin, Fortune söyleşisinde turun yaklaşık 50 milyon dolarının mevcut yatırımcılardan geldiğini söyledi ve hizmetin rolünü “The inference clouds is where the agent thinks, and our cloud is where the agent works” sözleriyle anlattı. Söz konusu değerleme, ayrı bir bulut hizmetinin geliri değil, Daytona şirketine bu finansman turunda biçilen değer. Girişimin sunduğu hizmet, yapay zekâ ajanlarının kod ve araç çalıştırdığı ortamları talep üzerine oluşturuyor.

Mevcut yatırımcıların payı sermaye türünü göstermiyor

Turda önceki yatırımcıların ağırlığı dikkat çekiyor. FirstMark, E2VC, Upfront Ventures ve Pace Capital daha önce de Daytona’yı destekleyen yatırımcılar arasında; yeni stratejik yatırımcılar ise çip, cihaz ve kimlik yönetimi alanlarından geliyor. Bu bileşim, farklı şirketlerin ajanların çalışacağı altyapıya ilgi duyduğunu gösteriyor. Ancak yatırımcıların kim olduğu, paranın tamamının Daytona’nın kasasına girip girmediği sorusunu tek başına yanıtlamıyor.

Birincil yatırımda şirket yeni hisse çıkarır ve karşılığındaki kaynağı alır. İkincil işlemde mevcut bir ortak hissesini satar; ödeme şirkete değil, satış yapan ortağa gider. Önceki yatırımcıların yeniden katılması her iki işlem biçimiyle de uyumludur. Açıklanan tur tutarının birincil ve ikincil işlemler arasında nasıl bölündüğü belirtilmediği için yeni işletme kaynağını toplam tur büyüklüğüne eşitlemek doğru olmaz. Değerleme de gerçekleşmiş gelir veya nakit bakiyesi değil, yatırım işleminde şirkete atfedilen değerdir.

Daytona’nın ajan bulutunda farklı olan çalışma döngüsü

Daytona’nın sattığı katman, ajanın yanıt üretmek için kullandığı modelden sonra devreye giriyor. Kod yazan, Git işlemi yapan, tarayıcı kullanan veya yazılım çalıştıran ajan, kendi araçları ve dosyaları olan bir yürütme ortamına ihtiyaç duyuyor. Daytona bu ortamları birbirinden yalıtılmış sandbox’lar olarak sağlıyor. Şirketin anlatımına göre ortam milisaniyeler içinde açılabiliyor, görevin durumunu koruyabiliyor ve aynı başlangıç noktasından bağımsız kopyalara ayrılabiliyor; bu hız şirketin ürün iddiası, bağımsız bir karşılaştırmalı test sonucu değil.

İşin ekonomik yönü, ortamın ne zaman açıldığı kadar beklerken neyi koruduğuna bağlı. Daytona’nın kalıcılık belgeleri, durdurulan bir sandbox’ın dosyaları ve kurulu paketleri sakladığını, ancak bellekteki süreçlerin durdurma sırasında temizlendiğini açıklıyor. Linux ve Windows sanal makine sandbox’larında duraklatma ve yeniden başlatma, bellekteki durumu da koruyabiliyor. GPU sandbox’ları ise durdurulduğunda siliniyor; sonuçları daha uzun süre tutmak için ayrı depolama gerekiyor.

Başlatma: Uzun süre açık kalan bir uygulama sunucusunda kurulum gecikmesi seyrek yaşanır. Ajan görevi için sık sık yeni sandbox açıldığında aynı gecikme her işte tekrar eder. Hazırlık süresini kısaltmak, özellikle kısa görevlerde kullanıcının beklediği toplam süreyi etkiler.
Durumun korunması: Dosya sisteminin saklanması, depoları ve bağımlılıkları yeniden hazırlama işini azaltır. Belleğin de korunması gerekiyorsa uygun sanal makineyi duraklatmak gerekir. Böylece hangi durumun tutulacağı, depolama ve işlem kaynağı ihtiyacını doğrudan belirler.
Çatallama: Çalışan bir sanal makinenin dosya sistemi ve belleği bağımsız kopyalara ayrılabilir. Ajan aynı noktadan farklı kod değişikliklerini deneyebilir; paralel denemeler süre kazandırırken eşzamanlı kaynak tüketimini artırır.
Yalıtım: Ayrı sandbox’lar, ajanın çalıştırdığı kodu ve erişebildiği araçları görev bazında sınırlar. Güvenlik sonucu yalnızca ortamların ayrı olmasına bağlı değildir; verilen ağ ve yazılım izinleri de belirleyicidir.

Daytona Linux, Windows ve macOS ortamlarıyla GPU gerektiren işleri aynı ürün ailesinde sunuyor. Bu kapsam, farklı işletim sistemlerine ihtiyaç duyan ajan ürünleri için altyapı işletimini sadeleştirebilir. Bunun maliyet avantajına dönüşmesi ise görevlerin ne kadar sürdüğüne, kaç ortamın aynı anda çalıştığına ve durumun ne kadar süre saklandığına bağlı.

Gelir iddiası ve müşteri kullanımı ne anlatıyor?

Şirketin gelir büyümesi iddiası güçlü bir talep işareti olarak sunuluyor, fakat başlangıç geliri ve bugünkü mutlak tutar açıklanmadığı için işin ölçeğini tek başına göstermiyor. Kârlılık ve bir sandbox’ın şirkete maliyeti de bilinmiyor. Dolayısıyla hızlı büyüme ile bu büyümenin ne kadar verimli finanse edildiği ayrı sorular olarak kalıyor.

Daytona’nın müşteri örnekleri iki farklı kullanım biçimini gösteriyor. Meta ve Cohere gibi model geliştiricileri ile Writer, Clay ve n8n gibi ürünlerinde ajan çalıştıran şirketler aynı tür görevi yürütmüyor; ortak ihtiyaçları, izole ortamları talebe göre oluşturabilmek. Writer’ın şirket içinde işlettiği sandbox altyapısından Daytona’ya geçmesi, ortamları açma ve kapatma işinin ürün ekibi için başlı başına bir operasyon yüküne dönüşebildiğini somutlaştırıyor. AfterQuery’nin kendi GKE kümesi yerine Daytona’yı kullanması ise eğitim ve deneme ortamlarının da bu talebin parçası olduğunu gösteriyor. Bunlar şirketin paylaştığı örnekler; başka bir müşteride aynı maliyet veya performans sonucunu garanti etmiyor.

Yeni kaynakla büyümenin ağırlık merkezi

Burazin’in anlattığı harcama planında satış ve pazara açılma ekibinin büyütülmesi, mühendislik işe alımlarının önünde yer alıyor. Bu tercih, Daytona’nın teknik işlevleri geliştirirken daha fazla müşterinin ajan görevlerini üretimde çalıştırmasına odaklandığını gösteriyor. Türkiye’de yapay zekâ altyapısı kuran girişimler açısından somut soru, kendi yürütme ortamlarını işletmek için harcanan mühendislik zamanı ile dışarıdan alınan hizmetin toplam maliyetinin nasıl değişeceği.

Ajan görevleri çoğaldıkça belirleyici ölçü yalnızca bir sandbox’ın ne kadar hızlı açıldığı olmayacak. Bekleyen ortamların saklama maliyeti, paralel kopyaların tükettiği kapasite ve görev başına gelir, bu altyapının ticari ölçekte nasıl karşılık bulduğunu gösterecek.

Ayrıca okuyun: