La demanda de modelos abiertos impulsa a Applied Compute hacia una valoración de 3.000 millones de dólares

Según un informe de The Information, Applied Compute, una empresa californiana que ayuda a otras compañías a desarrollar, implementar y mejorar modelos de IA de código abierto, está negociando con inversores para obtener financiación por valor de unos 3.000 millones de dólares

De recaudarse, esta cantidad duplicaría con creces su valoración anterior de 1.300 millones de dólares en una ronda de financiación que se dio a conocer hace tan solo cuatro meses, lo que demuestra un cambio en la percepción de los inversores con respecto a la infraestructura de IA.

Esto es un indicio de un cambio más amplio en la industria de la IA. Con el avance de los modelos abiertos, las empresas buscan constantemente sistemas que puedan personalizar y gestionar según sus necesidades, lo que genera una creciente demanda de infraestructura que permita entrenar, implementar y mejorar dichos modelos.

Hugging Face, la plataforma líder para modelos abiertos, afirmó que en 2025 su plataforma alcanzó los 13 millones de usuarios y cuenta con más de 2 millones de modelos públicos, lo que demuestra el avance del ecosistema de IA de código abierto.

Duplicando la inversión inicial de 1.300 millones de dólares en la Serie B

Applied Compute anunció en abril una ronda de financiación de 80 millones de dólares, con Kleiner Perkins como principal inversor, con una valoración posterior a la inversión de 1.300 millones de dólares, lo que elevó la financiación total de la empresa a 160 millones de dólares.

En esta nueva ronda de financiación, la cifra de 3.000 millones de dólares valora la empresa en aproximadamente 2,3 veces ese nivel en cuestión de meses. La financiación aún está abierta, por lo que esta valoración podría cambiar.

La cifra propuesta contrasta notablemente con los datos de financiación de Epoch AI. Mistral AI, uno de los principales desarrolladores de modelos abiertos, recaudó 3.000 millones de dólares en capital hasta septiembre de 2025, con una valoración de 13.700 millones de dólares según el conjunto de datos de Epoch.

En cambio, Applied Compute ha recaudado hasta ahora unos 160 millones de dólares , lo que significa que su valoración estimada de 3.000 millones de dólares se basa en una financiación mucho menor en comparación con Mistral. Si bien no es posible comparar directamente a ambas empresas, ya que Mistral crea modelos fundamentales mientras que Applied Compute proporciona la infraestructura necesaria, esta diferencia demuestra la importancia que los inversores otorgan a la infraestructura para los modelos de IA de código abierto.

La ronda de financiación más reciente de Mistral fue casi 25 veces superior a la financiación total recibida por Applied Compute y tuvo una valoración aproximadamente 4,6 veces mayor que la de Applied Compute. Esto permite comprender el aumento de la valoración de Applied Compute sin tener que basarse en proyecciones de ingresos inciertas.

Lo que Applied Compute realmente vende

Applied Compute describe su plataforma como una nube para el entrenamiento, la inferencia y la mejora continua de modelos abiertos. Su Agent Cloud, o AC2, permite a las empresas entrenar modelos con sus propios datos y flujos de trabajo, a la vez que los implementan en producción.

Su idea principal radica en vincular el entrenamiento del modelo con el despliegue de agentes. A diferencia de la práctica tradicional de separar el entrenamiento del despliegue, Applied Compute permite a las organizaciones mantener su infraestructura de agentes sin cambios y desplegar un modelo alternativo entrenado que se ajuste a sus necesidades.

“El arnés puede quedarse donde ya está funcionando.” — Vinjai Vale, Applied Compute

La plataforma utiliza tracde producción, contexto empresarial y aprendizaje por refuerzo para mejorar modelos especializados. Esto podría resultar cada vez más valioso a medida que las empresas vayan más allá de los asistentes de IA genéricos.

La investigación de Applied Compute ilustra este enfoque. En un experimento reciente, entrenaron un enrutador para distribuir tareas de ingeniería de software entre NVIDIA Nemotron 3 Ultra, GPT-5.5 y Claude Opus 4.7. La compañía afirmó que el enrutador alcanzó un rendimiento similar al de GPT-5.5 con un coste aproximadamente un 25 % menor, aprovechando al mismo tiempo la mayor parte de las ventajas de una estrategia de oráculo.

Esta estrategia considera los modelos de IA como componentes intercambiables. En lugar de asignar todas las tareas al modelo más potente, las empresas pueden equilibrar la capacidad y el coste.

Esto cobra mayor relevancia a medida que los modelos abiertos reducen la brecha con los sistemas propietarios. Cryptopolitan ya ha analizado la competencia de Kimi K3 con OpenAI y Anthropic, demostrando cómo los modelos chinos de código abierto están desafiando cada vez más a los sistemas estadounidenses en cuanto a capacidad y precio.

Por qué el momento favorece una apuesta por el modelo abierto

Las conversaciones de Applied Compute para recaudar fondos coinciden con un cambio en el gasto en infraestructura de IA, que se está orientando hacia las cargas de trabajo de producción. Gartner prevé la inferencia representará el 55 % del gasto en infraestructura como servicio optimizada para IA en 2026, a medida que la IA se integre en más aplicaciones del mundo real.

Esa tendencia encaja con el modelo de Applied Compute. La empresa no se limita a vender capacidad de procesamiento para entrenamiento; está construyendo infraestructura diseñada para que los modelos sigan mejorando después de su implementación.

El crecimiento de Hugging Face es otro indicio de la expansión del mercado. Su plataforma alcanzó los 13 millones de usuarios y más de 2 millones de modelos públicos en 2025, a medida que los desarrolladores crean cada vez más modelos y aplicaciones optimizados sobre sistemas existentes.

Para las empresas, los modelos de ponderación abierta también ofrecen un mayor control. Pueden personalizarlos en función de sus flujos de trabajo propios e implementarlos manteniendo un mayor control sobre sus datos y el comportamiento del modelo.

Esto le otorga a Applied Compute una posición potencialmente valiosa. Si las empresas desean cada vez más desarrollar IA en torno a sus propios datos, en lugar de simplemente alquilar inteligencia a proveedores cerrados, la infraestructura que conecta los modelos con cargas de trabajo propietarias podría convertirse en una parte importante del mercado global de IA.

Por lo tanto, la valoración propuesta de 3.000 millones de dólares es más que una apuesta por una sola startup. Es una apuesta a que las empresas utilizarán, entrenarán, personalizarán y mejorarán continuamente los modelos de IA en torno a sus propios negocios.

No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.