Prime Intellect ha levantado 130 millones de dólares en una Serie A que la valora en 1.000 millones. Lo cuenta TechCrunch. La startup vende algo concreto: que una empresa pueda entrenar sus propios agentes de IA sobre sus propios datos, sin depender de los grandes laboratorios. Hace unos días sacó de beta su plataforma Lab; ahora llega el dinero para acelerarla.
Puntos clave
- Serie A de 130 millones de dólares a una valoración de 1.000 millones.
- La lidera Radical Ventures, con Nvidia Ventures, Intel Capital, Dell Technologies Capital e Iconiq.
- Ingresos anualizados de 100 millones, con clientes como Ramp y Zapier.
- Fundada en 2024, apuesta por el aprendizaje por refuerzo para que cada empresa sea "su propio laboratorio de IA".
Quién pone el dinero
La ronda la encabeza Radical Ventures, pero la lista de acompañantes dice mucho de hacia dónde mira el sector. Entran Nvidia Ventures, Intel Capital, Dell Technologies Capital e Iconiq, y detrás una fila de ángeles que son fundadores de peso: Aravind Srinivas (Perplexity), Aaron Levie (Box), Winston Weinberg (Harvey), Jeff Wang (Cognition) y Brendan Foody (Mercor). Cuando fundadores que ya construyeron sus propias empresas de IA meten dinero de su bolsillo, es una señal.
Qué vende exactamente
La idea de Prime Intellect es que no necesitas ser OpenAI para tener un modelo afinado a lo tuyo. Con técnicas de aprendizaje por refuerzo, que premian al modelo cuando resuelve bien una tarea y lo penalizan cuando falla, una empresa puede coger un modelo base y refinarlo para sus procesos concretos. La compañía lo resume como convertirte en "tu propio laboratorio de IA". Fundada en 2024, ya ha alcanzado unos ingresos anualizados de 100 millones de dólares, la prueba de que hay demanda real y no solo relato.
El caso Ramp
El mejor argumento de venta es un cliente contándolo. Ramp usó Prime Intellect para montar un agente que encuentra respuestas dentro de hojas de cálculo. El resultado, según su co-CEO Karim Atiyeh, "superó a los modelos frontera en precisión, corriendo más rápido y a una fracción del coste". Ese es justo el punto: para una tarea acotada y con tus datos, un modelo pequeño bien entrenado puede ganarle al modelo gigante y generalista, y encima sale más barato.
Ramp no está sola. Zapier también figura entre los clientes que pagan por la versión alojada de estas herramientas, y son empresas que mueven volumen real, no pilotos de laboratorio. El modelo de cobro tampoco es menor: Prime Intellect factura por los tokens que de verdad mueven el modelo, no por horas de GPU reservada que se quedan sin usar. Para quien entrena, pagar solo por el cómputo útil cambia bastante la cuenta frente a alquilar un clúster y comerse los tiempos muertos.
Por qué importa para tu empresa
Aquí hay una idea que vale oro para cualquier operador. El modelo más caro y potente no siempre es el que te da mejor resultado en TU tarea. Si tienes un proceso muy concreto y repetitivo (clasificar facturas, buscar en tus propios datos, responder un tipo de consulta), entrenar un modelo pequeño para eso puede batir en precisión, velocidad y coste a tirar de la API de un frontera. La condición de siempre: primero el dato bien colocado. Sin datos ordenados y una forma clara de puntuar si el modelo acierta, no hay entrenamiento que valga. Pero cuando eso está, la puerta a tener "tu propio laboratorio" ya no es solo para gigantes.
Relacionado
