Accel está negociando liderar una ronda de 1.000 millones de dólares en Thinking Machines, la empresa de Mira Murati, a una valoración de al menos 40.000 millones. Lo adelanta The Information y lo recoge TechCrunch. Con más de 100 millones de ingresos anualizados, el múltiplo sale por encima de 400 veces ventas.
Puntos clave
- Ronda: 1.000 millones de dólares. Lidera Accel.
- Valoración: 40.000 millones como mínimo.
- Ronda anterior: Serie A de 2.000 millones a 12.000 millones de valoración. La valoración se triplica.
- A finales de 2025 la empresa llegó a buscar unos 50.000 millones y no cerró a ese precio.
- Ingresos anualizados: por encima de 100 millones de dólares.
- Ni Accel ni Thinking Machines han comentado a TechCrunch.
El múltiplo, mirado de frente
400 veces ingresos es un número que conviene decir en voz alta antes de acostumbrarse a él.
Una empresa de software SaaS sana cotiza entre 5 y 15 veces ingresos. Las mejores, en momentos de euforia, llegan a 30. Cuarenta mil millones sobre cien millones de facturación es otro planeta, y no se justifica con el negocio actual.
Se justifica con la opción. Lo que compra Accel a ese precio no es la facturación de Thinking Machines, es la posibilidad de que el equipo que salió del corazón de OpenAI construya algo del tamaño de OpenAI. Es una apuesta sobre personas, no sobre una cuenta de resultados.
El dato que ordena la historia es el de finales de 2025: buscaron 50.000 y no lo consiguieron. Cerrar ahora a 40.000 es a la vez triplicar la valoración de la Serie A y aceptar un recorte sobre la ambición de hace nueve meses.
Qué vende Thinking Machines
Dos productos, y los dos van al mismo sitio: que el modelo se adapte a ti, no al revés.
Inkling es un modelo de pesos abiertos que monetiza por cómputo de uso. Tinker es una plataforma para adaptar modelos sobre datos propios.
Esa es la tesis de la empresa. Frente a OpenAI y Anthropic vendiendo un modelo general al que llevas tu problema, Thinking Machines vende el andamiaje para que una empresa cocine el suyo. Ya vimos el resultado en la práctica cuando un Qwen3-235B afinado con su método superó a toda la frontera en tareas financieras por 13,8 puntos.
Ese experimento es el argumento comercial entero: un modelo abierto mediano, afinado bien sobre datos de un dominio, gana al modelo frontera generalista en ese dominio. Y cuesta una fracción.
La fuga de cofundadores
El asterisco de la historia está en el equipo. Varios cofundadores han vuelto a OpenAI, entre ellos Lilian Weng y Luke Metz.
En una apuesta que se justifica por las personas, que las personas se vayan a la casa de la que salieron no es un detalle menor. Es el riesgo principal escrito en la primera línea del contrato.
Por qué importa
Para una empresa española que usa IA, la parte útil de esta noticia no es la valoración. Es la tesis.
Si Accel pone 1.000 millones sobre la idea de que afinar modelos abiertos sobre datos propios gana a usar el modelo frontera de turno, alguien con mucho dinero y mucha información cree que ese camino es el que se impone. Y ese camino está disponible hoy, sin esperar a nadie.
Traducido a tu semana: si tienes un proceso donde el modelo general falla siempre en lo mismo, y tienes histórico propio de cómo se resuelve bien, ahí hay un caso de afinado. No hace falta un equipo de investigación. Hacen falta unos cientos de ejemplos bien etiquetados y una tarde.
Lo caro no es el afinado. Es no tener los datos ordenados.
Fuente original: TechCrunch
Relacionado
