Thinking Machines paga US$65M al año a Crusoe por inferencia

Crusoe firma con Thinking Machines Lab un contrato anual de US$65M para inferencia sobre Nvidia HGX B200

Crusoe Managed Inference, el servicio de inferencia gestionada de Crusoe, acaba de cerrar un contrato anual de US$65 millones con Thinking Machines Lab, el laboratorio fundado por la ex-CTO de OpenAI Mira Murati. El acuerdo, anunciado por ambas compañías y reportado por The Next Web, lleva al proveedor de infraestructura nacido como operación de minería de criptomonedas a superar los US$100M de ARR contratado en un producto que todavía no cumple su primer año. Para un founder que está dimensionando costes de inferencia, el dato relevante es este: la inferencia gestionada especializada ya no es un mercado naciente, es un mercado con métricas de SaaS.

¿Qué incluye exactamente el contrato entre Crusoe y Thinking Machines Lab?

El despliegue es un Tailored Deployment: un endpoint dedicado, con benchmarks firmados y SLA, montado sobre sistemas Nvidia HGX B200 conectados con redes InfiniBand Quantum-2 de Nvidia — el tier de hardware más alto disponible en la nube de Crusoe. Thinking Machines Lab no opera su propia pila de inferencia: paga por capacidad comprometida y libera a su equipo de ingeniería para enfocarse en modelos.

Los modelos que correrán sobre esa infraestructura incluyen Inkling, la familia de modelos abiertos del propio laboratorio, además de versiones GLM 5.2 y GLM 5.3, propiedad del laboratorio chino Z.ai (antes Zhipu AI). También se ejecutarán variantes fine-tuned que el laboratorio desarrolle. El acuerdo contempla, además, explorar inferencia batch para generar datos sintéticos a gran escala: usar los propios modelos para producir datos de entrenamiento, no solo para servir a usuarios finales.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La presencia de GLM — modelos chinos — en la cartera de un laboratorio estadounidense ejecutándose sobre infraestructura americana introduce una pregunta de cadena de suministro de IA que el sector todavía no tiene marco para responder, como ya advirtió la fuente original.

¿Por qué Crusoe es el proveedor del momento para inferencia de IA?

Crusoe nació en 2018 como operación de minería de criptomonedas alimentada con gas natural flared, y pivotó hacia infraestructura de IA cuando la demanda de cómputo se disparó. En pocas semanas de septiembre de 2026 ha acumulado más de US$14.000M entre contratos y capital nuevo:

Serie F de US$3.900M a valoración de US$30.900M, co-liderada por Atreides Management, Mubadala Capital y Valor Equity Partners, con participación de Nvidia, Founders Fund, GIC, Qatar Investment Authority, Radical Ventures y TPG, según Blockonomi.
Más de US$140.000M de valor contratado acumulado y 6 GW de capacidad contratada, de los cuales aproximadamente 1 GW ya está operativo, según datos de la propia compañía reportados por Pulse 2.0.
Contrato a cinco años con Jane Street por US$13.000M para provisión de GPUs e infraestructura de IA.
Acuerdo con OpenAI para el campus Stargate de Abilene, Texas, donde OpenAI entrenó Astra, su primer sistema que describe como AGI.
Clientes en Crusoe Cloud: Meta, Microsoft, Oracle, Cognition, Figure y Perplexity.
Reconocido como Visionary en el Gartner Magic Quadrant y designado NVIDIA Exemplar Cloud.
Sus reservas (bookings) en Crusoe Cloud crecieron más de 20 veces interanual en lo que va de 2026, según la propia compañía.

Lo que sostiene el negocio es la tesis de su CEO, Chase Lochmiller: controlar "de los electrones a los tokens" — generación y compra de energía, construcción modular de data centers, fabricación de hardware propio y servicios cloud, todo verticalmente integrado. Esa integración explica por qué Crusoe Managed Inference puede prometer, según datos publicados por la empresa, hasta 9,9 veces menor time-to-first-token y cinco veces más throughput que vLLM gracias a su tecnología Crusoe MemoryAlloy. Artificial Analysis lo sitúa como primero en velocidad de inferencia entre proveedores cloud.

¿Quién es Thinking Machines Lab y por qué necesita US$65M anuales de infraestructura?

Thinking Machines Lab fue fundada a principios de 2025 por Mira Murati, ex-CTO de OpenAI, tras su salida de la compañía. Su ronda semilla — US$2.000M a valoración de US$12.000M en julio de 2025 — está entre las mayores semillas de la historia y fue liderada por Andreessen Horowitz, con participación de Nvidia, AMD, Cisco, ServiceNow, Accel y Jane Street, según TechCrunch.

En julio de 2026 el laboratorio lanzó Inkling, su modelo abierto insignia: un mixture-of-experts con 975.000 millones de parámetros totales y 12.000 millones activos, que maneja texto, imágenes y audio. Tinker, su plataforma de fine-tuning-as-a-service, alcanzó disponibilidad general en diciembre de 2025 y es hoy la fuente principal de ingresos del laboratorio. El run rate de ingresos anualizado del laboratorio supera los US$100 millones, según una fuente citada por TechCrunch.

El laboratorio está en conversaciones para levantar una nueva ronda de entre US$5.000M y US$6.000M a una valoración pre-money de al menos US$40.000M, con Nvidia aportando cerca de US$2.500M y Accel en talks para liderar, según The Information. En marzo de 2026, ambas compañías habían anunciado un acuerdo multianual para desplegar al menos un gigavatio de sistemas Vera Rubin de Nvidia, con el primer despliegue apuntado a principios de 2027.

Para un laboratorio con ese nivel de ambición de capital y de hardware, un contrato anual de US$65M con un proveedor establecido no es solo logística: es la señal operativa que vuelve creíble la valoración ante los inversores.

¿Qué dice este acuerdo sobre el mercado de inferencia gestionada?

Lo que el contrato demuestra, más allá de las cifras, es que el modelo de inferencia gestionada especializada ha pasado de hipótesis a producto con métricas de SaaS reales. Tres factores hacen que este segmento sea estructuralmente interesante para founders:

Coste de oportunidad para el laboratorio: cada dólar gastado en operar su propia pila de GPUs es un dólar que no va a investigación de modelos. Para un laboratorio joven con ambición frontier, externalizar la inferencia es una decisión estratégica, no solo operativa.
Cambio generacional de hardware cada dos años: el hardware cambia — hoy son B200, mañana Vera Rubin, pasado mañana lo que sea — pero la capa de servicio (SLA, tuning, integración con pipelines) no caduca. Esa capa es lo que fideliza al cliente, como muestran los contratos plurianuales de Crusoe con Jane Street y Thinking Machines.
Riesgo de verticalización: si AMD o Intel desarrollan aceleradores competitivos, o si Nvidia decide entrar directamente en inferencia gestionada, el margen del intermediario se comprime. La defensa es exactamente lo que Crusoe está haciendo: construir SLAs y capas de servicio que encarecen el cambio de proveedor.

La pregunta de largo plazo que deja abierta el acuerdo es si los hyperscalers (AWS, Google Cloud, Azure) o el propio Nvidia entrarán directamente en este segmento, o si dejarán que Crusoe y similares lo desarrollen antes de adquirirlos. El precedente histórico del cloud — AWS comprando capacidades antes de construir — sugiere que la ventana para Crusoe es finita.

¿Qué significa esto para tu startup?

Si tu producto depende de inferencia de modelos grandes y estás eligiendo proveedor, este acuerdo redefine tres palancas operativas que tenías que mirar en 2026:

Evalúa Crusoe Managed Inference (o equivalentes) como opción si tu latencia importa y no quieres operar tu propia pila. Antes de la conversación comercial, documenta tus métricas actuales de time-to-first-token y throughput por nodo. Los benchmarks que Crusoe publica (9,9× más rápido que vLLM en TTFT, 5× más throughput) son la línea base sobre la que vas a negociar.
Modela la inferencia como CAPEX de capacidad comprometida, no como OPEX variable. Un contrato anual como el de Thinking Machines (US$65M/año) implica comprometer presupuesto por adelantado a cambio de SLA y precio. Calcula el coste por usuario activo en ambos escenarios — comprometido vs. on-demand — y decide cuál refleja tu tracción real. Si tu consumo es estable y creciente, el modelo CAPEX gana; si es errático, el OPEX sigue siendo más seguro.
Diseña tu stack con abstracciones para no quedarte atrapado por el proveedor. AWS, Google Cloud y Microsoft Azure ya ofrecen servicios de inferencia gestionada. El riesgo de lock-in sube cuando el proveedor integra verticalmente — como Crusoe con energía, data centers y cloud — porque cambiar de proveedor significa migrar también el SLA y las integraciones operativas. Construye una capa de transporte que separe tu aplicación del proveedor subyacente; es la decisión que te dará flexibilidad en 12-18 meses sin reescribir código.