Thinking Machines, el lab de Murati, apunta a US$40.000M

Una ronda de US$1.000M para un laboratorio con menos de dos años de vida

Thinking Machines, el laboratorio de inteligencia artificial fundado por la ex-CTO de OpenAI Mira Murati en febrero de 2025, está en conversaciones para levantar US$1.000M a una valoración de al menos US$40.000M, según reportó The Information este jueves y confirmó TechCrunch con fuentes propias. El inversor existente Accel lidera las negociaciones para encabezar la ronda.

Si se cierra a esa cifra, sería más de tres veces los US$12.000M de valoración post-money que la compañía aseguró en su ronda seed de US$2.000M en julio de 2025, una de las seed más grandes de la historia. La operación llega después de que en 2025 la propia empresa explorara una ronda a US$50.000M que finalmente no prosperó y empujó a Thinking Machines de vuelta a su valoración seed a inicios de 2026, según el seguimiento de CryptoBriefing.

El dato que más llama la atención es otro: con un run rate anual de ingresos por encima de US$100M, una valoración de US$40.000M implica un múltiplo de ingresos extraordinariamente alto. Para ponerlo en contexto, Anthropic cerró su Serie H de mayo de 2026 a US$965.000M con un run rate de US$47.000M, lo que dejó un múltiplo cercano a 20x. Thinking Machines, con US$100M de run rate, se mueve en un múltiplo varias veces mayor.

🤖 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

Qué ha construido Thinking Machines en menos de dos años

El laboratorio, estructurado como public benefit corporation, ha pasado de promesa a producto en una velocidad poco habitual para una empresa sin ingresos comerciales hasta hace pocos meses. La línea de tiempo verificable, según el seguimiento de CryptoBriefing, es esta:

Octubre 2025: lanzamiento de Tinker, una API para hacer fine-tuning de modelos open-weight.
Marzo 2026: acuerdo multi-año con Nvidia que garantiza acceso a al menos un gigavatio de capacidad de cómputo, más una inversión adicional no revelada.
Acuerdo paralelo con Google Cloud para infraestructura.
15 de julio de 2026: lanzamiento de Inkling, un modelo multimodal fundacional con 975.000 millones de parámetros bajo licencia open-weight. La monetización llega vía tarifas de cómputo por uso en Tinker, el modelo de «pago por adaptar» sobre datos propietarios.

Un gigavatio de cómputo es una cifra difícil de dimensionar. Un data center grande consume entre 50 y 100 megavatios, así que ese acuerdo equivale en la práctica a entre 10 y 20 centros de datos completos dedicados a Thinking Machines. Pocas empresas en el mundo tienen esa potencia reservada.

La plantilla, según el mismo seguimiento, ronda entre 100 y 200 empleados a mediados de 2026, una cifra muy inferior a la de competidores como OpenAI o Anthropic, que superan los miles. La pregunta que cualquier founder debe hacerse es cómo una organización tan pequeña consigue un múltiplo de ingresos mayor que el de Anthropic.

Por qué Accel duplica y por qué el mercado está más frío

Que Accel, uno de los inversores históricos de Facebook, Slack y Spotify, lidere esta ronda no es trivial. Accel ya era inversor existente y, al encabezar la operación, está doblando su apuesta en plena corrección de mercado. La lectura más probable: Accel defiende su posición en una mesa donde la ronda a US$50.000M fracasó hace menos de un año y donde los fundadores han empezado a irse.

El contexto sectorial ayuda a entender el momento. El ecosistema de modelos abiertos se ha comprimido drásticamente: según el Vercel AI Gateway Production Index de julio, los modelos open-weight ya manejaban el 29% de los tokens del gateway en junio, frente al 11% de abril, pero absorbían menos del 4% del gasto. Anthropic, con el 32% de tokens, captura el 61% del gasto en el mismo gateway. La presión de precios es real: OpenAI recortó el precio de GPT-5.6 Luna un 80% y el de Terra un 20% el 30 de julio. Moonshot, con Kimi K3, cobra US$3 por millón de tokens frente a los US$10 de Claude Fable 5 de Anthropic.

La pregunta incómoda para Thinking Machines es si su modelo de negocio — open-weight con monetización vía cómputo — resistirá esa compresión de márgenes. Inkling es open-weight, lo que significa que cualquier cliente puede bajarse los pesos y ejecutarlo en su propia infraestructura, erosionando el «stickiness» del que dependen los modelos cerrados. La estrategia de monetizar el fine-tuning sobre datos propietarios vía Tinker es la respuesta explícita a esa amenaza: que el valor no esté en el modelo base, sino en la adaptación al cliente.

La hemorragia de fundadores que pesa sobre la valoración

La nota de TechCrunch menciona varias salidas de alto perfil. La más documentada es la de Lilian Weng, ex-VP de research, safety en OpenAI y co-fundadora de Thinking Machines, que anunció en X que no podía sostener «el ritmo que requiere una startup» por motivos de salud y volvió a OpenAI casi de inmediato, donde lidera un equipo de investigación en auto-mejora recursiva. Antes se había ido Luke Metz, y según la cobertura de TechCrunch de agosto, el co-fundador Barret Zoph terminó recalando en Google tras una escala en OpenAI.

El patrón es consistente: la ronda seed de 2025 se apoyó masivamente en el pedigree de Murati y de los ex-OpenAI que la acompañaron. Cuando varios de esos perfiles vuelven a sus casas originales en menos de 18 meses, la narrativa cambia. Invertir a 400x ingresos basándose sobre todo en talento fundador es una tesis más débil cuando el talento se va.

¿Qué significa esto para tu startup?

Aunque la cifra parezca lejana a la realidad de un founder hispanohablante que levanta una ronda pre-seed, la decisión de Thinking Machines deja tres lecciones prácticas:

El múltiplo importa más que el monto. Una ronda grande a un múltiplo agresivo obliga a la siguiente ronda a sostener o mejorar el múltiplo. Cuando el mercado se enfría, como en 2026 con la compresión de precios en modelos, las empresas que entraron a múltiplos altos son las primeras en sufrir un down round. La ronda a US$50.000M que no cerró en 2025 es una advertencia.
La estrategia de monetización define la defensibilidad. Thinking Machines no cobra por el modelo (es open-weight), cobra por el cómputo de adaptación. Es un modelo de plataforma, no de modelo. Si tu startup de IA vende acceso a un modelo, la compresión de precios te va a tocar; si vendes adaptación, workflow o integración, la defensibilidad es mayor.
El pedigree del fundador no sustituye al producto. Murati tiene uno de los pedigrees más fuertes del sector. Y aun así, tuvo que aceptar una valoración 20% menor que la que buscaba y varios co-fundadores se fueron en 14 meses. Tu defensibilidad tiene que venir de la tracción, no de tu CV.

Conclusión

Thinking Machines está a punto de cerrar la ronda que confirme que el capital sigue fluyendo hacia los laboratorios de IA fundados por figuras de primera línea, incluso en un mercado donde los múltiplos de los incumbentes como OpenAI y Anthropic también están bajo presión. Que se cierre a US$40.000M y no a US$50.000M, con un run rate de US$100M y con salidas notables del equipo fundador, dice más sobre el momento del mercado que sobre la calidad de la empresa. Para los founders, la lectura práctica es clara: en ciclos donde el múltiplo se ajusta, gana quien construyó producto, no solo narrativa.