Applied Compute, con sede en California, una empresa que ayuda a las organizaciones a desarrollar, desplegar y optimizar modelos de IA de pesos abiertos, supuestamente está en conversaciones con inversores para asegurar financiamiento a una valoración de aproximadamente $3 mil millones, según The Information.

Si se completa, la nueva ronda más que duplicaría la valoración anterior de la empresa de $1.3 mil millones, establecida hace apenas cuatro meses — un salto que subraya el cambio en la actitud de los inversores hacia la infraestructura de IA. Applied Compute no es la única en atraer capital hacia este espacio: Together AI, Fireworks AI y Anyscale han recaudado cada una financiamiento significativo para servir al ecosistema de modelos abiertos, reflejando una tesis más amplia de "picos y palas" en la que los inversores buscan exposición a infraestructura que se beneficia independientemente de qué modelos individuales ganen adopción.

El movimiento refleja una tendencia más amplia en la industria de la IA. A medida que avanzan los modelos abiertos, las empresas buscan cada vez más sistemas que puedan personalizar y controlar, impulsando la demanda de infraestructura capaz de entrenar, desplegar y mejorar continuamente esos modelos. Hugging Face, la plataforma líder de modelos abiertos, informó que alcanzó 13 millones de usuarios y más de 2 millones de modelos públicos en 2025, lo que ilustra la rápida maduración del ecosistema de IA de código abierto.

Duplicación desde una Serie B de $1.3 Mil Millones

Applied Compute divulgó una ronda de financiamiento de $80 millones en abril, liderada por Kleiner Perkins a una valoración post-money de $1.3 mil millones. Esa ronda elevó el financiamiento total de la empresa a aproximadamente $160 millones.

Bajo los nuevos términos propuestos, la cifra de $3 mil millones representa aproximadamente 2.3 veces la valoración de abril — lograda en cuestión de meses. La ronda de financiamiento sigue abierta, lo que significa que la valoración final aún podría cambiar.

La cifra propuesta también contrasta fuertemente con los datos de financiamiento de Epoch AI. Mistral AI, un desarrollador líder de modelos abiertos, había recaudado $3 mil millones en capital hasta septiembre de 2025 a una valoración de $13.7 mil millones, según el conjunto de datos de Epoch. Applied Compute, en comparación, ha recaudado aproximadamente $160 millones hasta la fecha — lo que significa que su valoración estimada de $3 mil millones se basa en una fracción del capital desplegado por Mistral.

Las dos empresas no son directamente comparables: Mistral construye modelos fundacionales, mientras que Applied Compute proporciona la capa de infraestructura. Aún así, la discrepancia destaca la prima que los inversores están colocando sobre la infraestructura para IA de código abierto. El financiamiento más reciente de Mistral fue casi 25 veces el financiamiento total de Applied Compute, con una valoración aproximadamente 4.6 veces mayor — lo que proporciona contexto para el aumento de valoración de Applied Compute sin depender de proyecciones de ingresos inciertas.

Lo que Applied Compute Ofrece

Applied Compute describe su plataforma como un entorno en la nube para el entrenamiento, la inferencia y la mejora continua de modelos abiertos. Su Agent Cloud, conocido como AC2, permite a las organizaciones entrenar modelos en torno a sus propios datos y flujos de trabajo mientras los despliegan en producción.

El concepto central vincula el entrenamiento de modelos directamente con el despliegue de agentes. A diferencia de los enfoques tradicionales que separan el entrenamiento del despliegue, Applied Compute permite a las organizaciones mantener su infraestructura de agentes existente mientras incorporan modelos recién entrenados adaptados a sus necesidades. Para industrias reguladas como la salud y los servicios financieros, esta arquitectura también aborda las restricciones de gobernanza de datos, ya que las empresas pueden refinar modelos dentro de entornos que controlan en lugar de enviar datos propietarios a proveedores de API externos.

"El arnés puede permanecer donde ya se ejecuta." — Vinjai Vale, Applied Compute

La plataforma aprovecha las trazas de producción, el contexto empresarial y el aprendizaje por refuerzo para refinar modelos especializados — capacidades que podrían volverse más valiosas a medida que las empresas vayan más allá de los asistentes de IA genéricos y busquen rendimientos medibles de sus inversiones en IA.

La propia investigación de Applied Compute demuestra este enfoque. En un experimento reciente, la empresa entrenó un enrutador para distribuir tareas de ingeniería de software entre el Nemotron 3 Ultra de NVIDIA, GPT-5.5 y Claude Opus 4.7. Según la empresa, el enrutador logró un rendimiento de nivel GPT-5.5 a un costo aproximadamente 25% menor mientras capturaba la mayor parte del beneficio de una estrategia oracular.

La estrategia subyacente trata los modelos de IA como componentes intercambiables. En lugar de enviar cada tarea al modelo más potente, las empresas pueden equilibrar capacidad y costo — un enfoque que se vuelve cada vez más relevante a medida que los modelos abiertos reducen la brecha con los sistemas propietarios y el gasto acumulado en API de proveedores propietarios se convierte en un gasto material para las organizaciones en expansión. Cryptopolitan ha cubierto anteriormente la competencia de Kimi K3 con OpenAI y Anthropic, ilustrando cómo los modelos de pesos abiertos chinos están desafiando a los sistemas de EE. UU. tanto en capacidad como en precio.

Por qué el momento favorece una apuesta por los modelos abiertos

Las conversaciones de recaudación de fondos de Applied Compute se producen en un momento en que el gasto en infraestructura de IA se está desplazando hacia las cargas de trabajo en producción. Gartner pronostica que la inferencia representará el 55% del gasto en infraestructura-como-servicio optimizada para IA en 2026 a medida que la IA se incorpore a más aplicaciones del mundo real.

Esa tendencia se alinea con el modelo de Applied Compute. La empresa no simplemente vende capacidad de entrenamiento; está construyendo infraestructura diseñada para mantener los modelos mejorando después del despliegue.

El crecimiento de Hugging Face ofrece más evidencia de un mercado en expansión. La plataforma alcanzó 13 millones de usuarios y más de 2 millones de modelos públicos en 2025, a medida que los desarrolladores construyen cada vez más modelos ajustados y aplicaciones sobre sistemas existentes.

Para las empresas, los modelos de pesos abiertos también ofrecen mayor control. Las compañías pueden personalizarlos en torno a flujos de trabajo propietarios y desplegarlos mientras conservan mayor autoridad sobre sus datos y el comportamiento de los modelos.

Esto posiciona a Applied Compute en una coyuntura potencialmente crítica. Si las empresas prefieren cada vez más construir IA en torno a sus propios datos en lugar de alquilar inteligencia de proveedores cerrados, la infraestructura que conecta modelos con cargas de trabajo propietarias podría convertirse en un segmento significativo del mercado global de IA. Varios grandes proveedores de la nube — incluyendo AWS, Google Cloud y Microsoft Azure — han ampliado sus propias capacidades de servicio de modelos abiertos, lo que sugiere que la capa de infraestructura se está convirtiendo en un terreno disputado en lugar de un nicho.

La valoración propuesta de $3 mil millones, por lo tanto, representa más que una apuesta a una sola startup. Es una apuesta a que las empresas utilizarán, entrenarán, personalizarán y mejorarán continuamente modelos de IA adaptados a sus propias operaciones — y que las herramientas que facilitan esa transición obtendrán una prima independientemente del éxito de cualquier modelo individual.