Por Canuto  

Arcee AI, una startup de aproximadamente 30 empleados, recaudó USD $150 millones con una valoración superior a USD $1.000 millones después de entrenar su familia de modelos de IA por unos USD $20 millones. Su familia Trinity y la apuesta por pesos abiertos buscan conquistar industrias reguladas, mientras la empresa se prepara para desarrollar un modelo de un billón de parámetros.
***

  • Arcee AI levantó USD $150 millones en una ronda respaldada por Microsoft, Samsung, Hitachi, Wipro y Prosperity7 Ventures.
  • La startup entrenó su familia Trinity durante seis meses con 2.048 GPUs Nvidia Blackwell B300 y un presupuesto cercano a USD $20 millones.
  • La nueva financiación se destinará a un modelo de pesos abiertos que superará el billón de parámetros y competirá en el mercado empresarial.

Arcee AI recaudó USD $150 millones en una ronda que elevó la valoración de la startup por encima de USD $1.000 millones, después de entrenar su familia de modelos de inteligencia artificial con un presupuesto cercano a USD $20 millones. La empresa de San Francisco, fundada en junio de 2023 por Mark McQuade, Jacob Solawetz y Brian Benedict, sostiene que su estructura reducida le permitió concentrar recursos en modelos de pesos abiertos y en una arquitectura eficiente para el despliegue empresarial.

La ronda reunió a los brazos de capital de riesgo de Microsoft, mediante M12, además de Hitachi Ventures, Samsung, Wipro y Prosperity7 Ventures. Arcee AI cuenta con aproximadamente 30 empleados y pretende utilizar el nuevo capital para entrenar un modelo que supere el billón de parámetros, una escala que la colocaría en competencia directa con los desarrollos más grandes de la industria.

Una familia de modelos entrenada con recursos limitados

El principal producto de Arcee AI es Trinity, una familia de modelos de pesos abiertos que cubre distintos niveles de capacidad y consumo. Su versión Nano tiene 6.000 millones de parámetros, mientras que Mini alcanza 26.000 millones; el modelo insignia Large o Thinking llega a 400.000 millones de parámetros totales, aunque solo activa alrededor de 13.000 millones durante cada operación.

Esa diferencia responde al uso de una arquitectura de mezcla de expertos, conocida como MoE por sus siglas en inglés. En lugar de activar todas las redes internas ante cada consulta, el sistema dirige la tarea hacia los subconjuntos de expertos que considera más adecuados, lo que puede reducir el costo de inferencia sin renunciar a un nivel elevado de rendimiento.

Según la información publicada sobre la compañía, entrenar la gama de Trinity tomó aproximadamente seis meses y requirió 2.048 GPUs Nvidia Blackwell B300. La factura rondó los USD $20 millones, una cifra que representaba cerca de la mitad del financiamiento acumulado por Arcee AI antes de la nueva ronda y que la empresa presenta como evidencia de una estrategia de uso eficiente del hardware.

El contraste con otros proyectos ayuda a dimensionar la apuesta, aunque las comparaciones no son completamente equivalentes porque intervienen generaciones distintas de chips y configuraciones de entrenamiento. Meta también ha desarrollado modelos de gran escala, como Llama 3.1 405B, pero no existe una equivalencia directa entre ambos proyectos únicamente a partir del número de parámetros o de GPUs utilizadas.

Qué significa apostar por pesos abiertos

Los modelos de pesos abiertos permiten que una empresa descargue los componentes entrenados, ejecute la inferencia en su propia infraestructura y adapte el sistema a necesidades específicas. Ese enfoque se diferencia de los servicios completamente propietarios, como los que se ofrecen únicamente mediante una API, porque puede dar a los clientes mayor control sobre sus datos y sobre la forma en que implementan el modelo.

La categoría tampoco equivale necesariamente al código abierto en sentido estricto. En muchos casos, los pesos del modelo se distribuyen con licencias permisivas, pero los datos utilizados durante el entrenamiento y algunos detalles del proceso permanecen cerrados; Arcee AI publica sus principales modelos bajo la licencia Apache 2.0, que permite su uso comercial, modificación y despliegue sin regalías.

La compañía identifica una oportunidad especialmente atractiva en sectores como finanzas, salud y defensa, donde las reglas de residencia de datos pueden impedir que información sensible salga de una jurisdicción determinada. Para esas industrias, ejecutar un modelo dentro de la propia infraestructura puede simplificar algunos desafíos de cumplimiento, aunque también obliga a asumir responsabilidades sobre seguridad, mantenimiento, capacidad informática y supervisión.

Los inversionistas que participaron en la ronda operan en mercados donde esas exigencias suelen ser relevantes para sus clientes. Microsoft, Hitachi, Samsung y Wipro tienen exposición a sectores corporativos y tecnológicos que demandan controles sobre los datos, por lo que su respaldo también funciona como una señal de interés comercial en herramientas de IA que puedan instalarse en entornos privados.

Una competencia cada vez más intensa

Arcee AI no compite en un mercado vacío. Laboratorios chinos han lanzado modelos de pesos abiertos con capacidades crecientes, y los desarrollos de DeepSeek contribuyeron a reforzar la idea de que un rendimiento elevado no siempre exige presupuestos de entrenamiento descomunales.

Meta mantiene además la familia Llama, que continúa entre las bases de pesos abiertos más adoptadas por la industria. Mistral AI, desde Francia, también consolidó una posición relevante entre clientes empresariales europeos, de modo que Trinity tendrá que diferenciarse no solo por el tamaño de sus modelos, sino también por su rendimiento en razonamiento, agentes y costos de despliegue.

Arcee AI presenta Trinity como una alternativa competitiva para tareas de agentes y razonamiento con un costo de implementación sustancialmente menor. Esa promesa puede resultar decisiva para compañías que desean controlar sus datos y evitar tarifas variables de proveedores externos, aunque la adopción dependerá de la calidad real de los modelos, la disponibilidad de soporte y la capacidad de la startup para sostener el desarrollo.

La financiación acumulada de Arcee AI antes de esta ronda se ubicaba entre USD $30 millones y USD $50 millones, por lo que los nuevos USD $150 millones modifican de forma considerable su margen de maniobra. La empresa ahora debe convertir una valoración superior a USD $1.000 millones y una plantilla de aproximadamente 30 personas en productos empresariales capaces de competir con laboratorios mucho más grandes.

El siguiente objetivo es entrenar un modelo de más de un billón de parámetros, una meta que acercaría a Arcee AI a la escala de algunos sistemas asociados con Google y a posibles generaciones futuras de Meta. El reto no consistirá únicamente en aumentar el número de parámetros, sino en conservar la eficiencia, controlar los costos de infraestructura y demostrar que los pesos abiertos pueden satisfacer las exigencias de clientes regulados.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados