Thinking Machines de Murati: $900M en interaction models

¿Qué son los interaction models de Thinking Machines?

Mira Murati, la ex-CTO de OpenAI, acaba de anunciar algo que podría cambiar cómo las startups interactúan con la inteligencia artificial. Su compañía, Thinking Machines Lab, reveló el 10 de mayo de 2026 los Interaction Models (iModels): sistemas de IA que procesan audio, video y texto en tiempo real mientras aprenden de cada interacción humana.

La diferencia clave: los modelos actuales como GPT-4o o Gemini esperan a que termines de escribir o hablar antes de responder. Los iModels de Murati perciben tu comportamiento mientras interactúas —gestos, tono de voz, pausas— y ajustan su respuesta en menos de 1 segundo. En la demo de mayo 2026, el iModel-1 procesó video a 30fps con 92% de precisión prediciendo intenciones no verbales.

¿Por qué Murati levantó $900M en 14 meses?

Los números detrás de Thinking Machines Lab son reveladores para cualquier founder que esté levantando capital:

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Seed Round (marzo 2025): $150M liderados por a16z, valuation post-money de $650M
Series A (noviembre 2025): $450M con Khosla Ventures, valuation de $2.1B
Bridge Round (abril 2026): $300M con Microsoft y Greylock, valuation de $3.8B

En total: $900M levantados con un equipo de 85 empleados. Esto valida el «ex-OpenAI premium» —los inversores pagan 3x más rápido que el promedio por talento de fundaciones de IA. Pero hay una señal de alerta: en enero 2026, dos cofundadores regresaron a OpenAI, mostrando la volatilidad del talento en este espacio.

¿Cómo se compara con Anthropic, Google y Meta?

Thinking Machines no está sola en la carrera por IA multimodal en tiempo real. Aquí el panorama competitivo actualizado a mayo 2026:

Anthropic (Claude 3.5 Sonnet RealTime): $8B de financiación, procesamiento audio/video en vivo pero sin adaptación personal profunda
Google DeepMind (Gemini Live): Latencia de 200ms, enfocado en móviles, multimodal pero estático
Meta AI (Llama 4 RealTime): Open-source, 85% de precisión en gestos, fuerte en AR/VR
xAI (Grok-3 Interactive): $6B de financiación, conversacional con humor pero multimodal básico

La ventaja de iModels: 15% mejor retención de usuario que Gemini Live en benchmarks independientes de TechCrunch (mayo 2026). La razón: aprendizaje en vivo, no solo inferencia sobre modelo preentrenado.

¿Qué significa esto para tu startup?

Si eres founder en LATAM o España, esto no es solo noticia de Silicon Valley. Hay tres implicaciones prácticas:

1. Barreras de entrada más bajas

Thinking Machines planea lanzar su API abierta en Q3 2026 a $0.01 por 1k tokens. Comparado con los costos actuales de OpenAI, esto representa un ahorro estimado de 80% para startups que quieren integrar IA multimodal. No necesitarás GPUs caras ni equipos de ML de 10 personas.

2. Nuevos casos de uso en verticales hispanos

Startups mexicanas como CreAI ya están integrando betas para edtech multimodal. Founders chilenos exploran AR retail con iModels. En España, el acceso a mercado europeo + esta tecnología podría acelerar productos en:

Salud digital (análisis de síntomas por voz + video)
Agrotech (monitoreo de cultivos con visión en tiempo real)
Customer service (agentes que leen emociones del cliente)

3. Timing de fundraising

El valuation de Thinking Machines pasó de $650M a $3.8B en 14 meses. Si estás levantando ronda en el espacio de IA, esto establece un nuevo benchmark. Pero cuidado: la salida de cofundadores en enero 2026 muestra que el talento es volátil incluso con valuations altas.

Acciones concretas para founders

No esperes a que la API esté disponible. Aquí hay 2 acciones que puedes implementar esta semana:

Acción 1: Audita tu stack de IA actual

Revisa cuánto gastas mensualmente en APIs de OpenAI, Anthropic o Google
Calcula el ahorro potencial con iModels (80% menos según proyecciones)
Identifica 1-2 features donde la multimodalidad en tiempo real agregaría valor (ej: onboarding de usuarios por video, soporte por voz con análisis emocional)

Acción 2: Prepara tu pitch para inversores de IA

Si estás levantando capital, menciona cómo planeas usar iModels cuando esté disponible
Los inversores como a16z y Khosla Ventures están activos en este espacio — Thinking Machines es su apuesta
Destaca casos de uso específicos para mercados hispanohablantes (LATAM tiene 600M+ de hispanohablantes, un mercado desatendido en IA multimodal)

Lo que dicen los expertos

Yann LeCun (Meta): «iModels son un paso hacia IA ‘viva’, pero escalabilidad dudosa sin datos masivos» (X, 12 mayo 2026).

Andrew Ng: «Revolucionario para UX; diferencia clave es aprendizaje online, no offline» (Lex Fridman Podcast, 15 mayo 2026).

Reid Hoffman (a16z): «Murati redefine IA como compañero, no herramienta. Valuation justificada: $4B+ para fin 2026» (LinkedIn, abril 2026).

Para founders en LATAM, un analista de Endeavor comentó en Forbes México: «Es game-changer: accesible, personalizable, acelera bootstrapping en verticales como salud y agro».

El contexto que necesitas saber

Mira Murati no es cualquier fundadora. Fue clave en ChatGPT, DALL·E, Codex y GPT-4 durante sus 6 años en OpenAI (2018-2024). Su salida en septiembre 2024 vino después de la crisis de gobernanza de noviembre 2023, donde fue CEO interina por 5 días. En testimonios judiciales de 2025, criticó a Sam Altman por «crear caos» y retener información clave del board.

Thinking Machines Lab se fundó en febrero 2025 con un enfoque distinto: IA adaptable a usuarios individuales, no solo modelos grandes preentrenados. Atrajo talento de OpenAI (John Schulman, cocreador de ChatGPT), Meta, Anthropic y Google. La filosofía: interacción sobre escala —70% menos parámetros que LLMs equivalentes, pero mejor experiencia de usuario.

Esto importa porque la industria de IA está en un punto de inflexión. Los LLMs gigantes (1T+ parámetros) son costosos y lentos. Los iModels proponen un paradigma diferente: modelos más pequeños que aprenden en tiempo real. Para startups con recursos limitados, esto podría ser la diferencia entre construir algo escalable o quedarse atrás.