Fireworks ha levantado 1.505 millones de dólares a una valoración de 17.500 millones, según el anuncio publicado por la propia empresa el 15 de julio. La compañía sirve modelos de IA en producción para otras empresas y acaba de cruzar los 1.000 millones de ingresos anualizados. En octubre de 2025 valía 4.000 millones.
Puntos clave
- Ronda de 1.505 millones liderada por Atreides Management, Index Ventures y TCV. También entran Evantic Capital, Lightspeed Venture Partners, Nvidia, Bessemer Venture Partners, Menlo Ventures y 20VC.
- Valoración de 17.500 millones de dólares, 4,4 veces los 4.000 millones que marcó en su Serie C de octubre de 2025.
- Más de 1.000 millones de ingresos anualizados. Nueve meses antes eran 280 millones.
- 40 billones de tokens servidos al día (40 millones de millones). Más del 95% vienen de modelos ajustados con los datos propios de cada cliente.
Qué vende exactamente Fireworks
Inferencia. Es lo que pasa cada vez que alguien usa un modelo de IA ya entrenado: entrenar es construir el motor, la inferencia es cada kilómetro que recorre el coche. Un modelo hay que meterlo en máquinas, servirlo rápido y cobrarlo por uso, y ahí es donde vive Fireworks. Cobra por token servido sin haber pagado el entrenamiento del modelo.
La fundó en 2022 Lin Qiao, que en Meta dirigía el equipo de PyTorch, el software sobre el que se construye buena parte de los modelos de IA que existen. Su catálogo son sobre todo modelos abiertos, los que cualquiera puede descargar y ajustar.
El dato que más dice de su negocio es el 95%. Más de nueve de cada diez tokens que sirve salen de modelos ajustados con datos de un cliente concreto, no de un modelo genérico. La empresa lo llama inteligencia especializada y su tesis es que las compañías han dejado de alquilar inteligencia general para construir la suya.
De 4.000 a 17.500 millones en nueve meses
El 28 de octubre de 2025 Fireworks cerró 250 millones a 4.000 millones de valoración, con Lightspeed, Index y Evantic al frente y Sequoia detrás. Entonces declaraba 10.000 empresas clientes, 10 billones de tokens diarios y 280 millones de ingresos anualizados.
Nueve meses después: tokens x4, ingresos x3,6, valoración x4,4. Bloomberg adelantó en primavera que la empresa negociaba una ronda a 15.000 millones. Ha cerrado 2.500 millones por encima de esa cifra.
Nvidia repite como inversor, y ya estaba en las rondas anteriores junto a AMD, MongoDB y Databricks. Vende las GPU y además pone dinero en quien las llena.
El dinero se va a servir, no a entrenar
Fireworks dice que destinará la ronda a ampliar infraestructura de cómputo y a hacer crecer el equipo de ingeniería. Nombra dos clientes: Cursor, para sus modelos de código, y Harvey, la IA legal.
Nadie está poniendo 1.505 millones aquí para entrenar un modelo nuevo. Se está financiando la capa que sirve modelos abiertos ajustados, y esa capa mueve ya 40 billones de tokens al día en una sola empresa. Lo mismo apunta el dinero que se mueve alrededor: Reflection AI firmó 1.000 millones en cómputo con Nebius para su IA abierta, y Thinking Machines acaba de liberar un modelo de 975.000 millones de parámetros.
Con la valoración hay que ser honesto: 17,5 veces los ingresos anualizados es caro, y los márgenes de servir modelos dependen del precio de las GPU, que no controlan. Si el coste por token sigue cayendo, la factura de cómputo baja, pero también baja lo que pueden cobrar. Está por ver.
Por qué importa
Si en tu empresa ya pasáis volumen por Claude o ChatGPT, esto se traduce en una alternativa que hace nueve meses no estaba madura. Para procesos repetitivos y de mucho volumen (clasificar tickets, extraer datos de facturas, etiquetar producto), un modelo abierto ajustado con vuestros datos y servido por un tercero sale a una fracción del coste. Perplexity ya lo demostró: ajustó el modelo chino GLM 5.2 y lo puso a la altura de Opus 4.8 por un tercio del precio. Para lo que exige razonar de verdad, la frontera sigue compensando. El trabajo previo, y esto no lo resuelve ninguna ronda de financiación, es tener vuestros datos ordenados y etiquetados. Sin eso no hay modelo especializado que valga.
Relacionado
