A Applied Compute almeja uma avaliação de US$ 3 bilhões com o crescimento da demanda por modelos abertos

A Applied Compute, empresa da Califórnia que auxilia outras empresas no desenvolvimento, implementação e aprimoramento de modelos de IA de código aberto, está negociando com investidores para garantir um financiamento estimado em cerca de US$ 3 bilhões, segundo reportagem do The Information.

Caso o valor seja atingido, ele mais que dobraria sua avaliação anterior de US$ 1,3 bilhão, obtida em uma rodada de financiamento divulgada há apenas quatro meses, demonstrando a mudança na percepção dos investidores em relação à infraestrutura de IA.

Isso indica uma mudança mais ampla no setor de IA. Com o avanço dos modelos abertos, as empresas estão constantemente buscando sistemas que possam personalizar para seu uso e gerenciamento, resultando em uma crescente demanda por infraestrutura capaz de treinar, implantar e aprimorar esses modelos.

A Hugging Face, plataforma líder em modelos abertos, afirmou que em 2025 sua plataforma atingiu 13 milhões de usuários e conta com mais de 2 milhões de modelos públicos, como prova do avanço do ecossistema de IA de código aberto.

Dobrando o investimento inicial de US$ 1,3 bilhão da Série B

a Applied Compute anunciou uma rodada de financiamento de US$ 80 milhões, com a Kleiner Perkins como principal financiadora, resultando em uma avaliação pós-investimento de US$ 1,3 bilhão e elevando o financiamento total da empresa para US$ 160 milhões.

Nesta nova rodada de financiamento, o valor de US$ 3 bilhões avalia a empresa em aproximadamente 2,3 vezes esse patamar em poucos meses. O financiamento ainda está em aberto, portanto essa avaliação pode mudar.

O valor proposto também contrasta fortemente com os dados de financiamento da Epoch AI. A Mistral AI, uma das principais desenvolvedoras de modelos abertos, captou US$ 3 bilhões em capital próprio até setembro de 2025, com uma avaliação de US$ 13,7 bilhões, segundo os dados da Epoch.

Em contraste, a Applied Compute arrecadou até agora cerca de US$ 160 milhões, o que significa que sua avaliação estimada em US$ 3 bilhões se baseia em um financiamento muito menor em comparação com a Mistral. As empresas em si não podem ser comparadas diretamente, já que a Mistral cria modelos fundamentais enquanto a Applied Compute fornece a infraestrutura necessária; no entanto, essa diferença demonstra a importância que os investidores atribuem à infraestrutura para modelos de IA de código aberto.

A rodada de financiamento mais recente da Mistral foi quase 25 vezes maior que o financiamento total recebido pela Applied Compute e resultou em uma avaliação aproximadamente 4,6 vezes superior à da Applied Compute. Isso permite compreender o aumento da avaliação da Applied Compute sem depender de projeções de receita incertas.

O que a Applied Compute realmente vende

A Applied Compute descreve sua plataforma como uma nuvem para treinamento, inferência e aprimoramento contínuo de modelos abertos. Seu Agent Cloud, ou AC2, permite que empresas treinem modelos com base em seus próprios dados e fluxos de trabalho, implantando-os em produção.

Sua ideia principal reside em vincular o treinamento do modelo à implantação dos agentes. Em contraste com a prática tradicional de diferenciar treinamento de implantação, o Applied Compute permite que as organizações mantenham sua infraestrutura de agentes inalterada e implantem um modelo treinado alternativo que atenda às suas necessidades.

“O chicote de fios pode permanecer onde já está instalado.” — Vinjai Vale, Applied Compute

A plataforma utiliza tracde produção, contexto empresarial e aprendizado por reforço para aprimorar modelos especializados. Isso pode se tornar cada vez mais valioso à medida que as empresas forem além dos assistentes genéricos de IA.

A pesquisa da Applied Compute ilustra essa abordagem. Em um experimento recente, a empresa treinou um roteador para distribuir tarefas de engenharia de software entre os algoritmos Nemotrontron Ultra da NVIDIA, GPT-5.5 e Claude Opus 4.7. A empresa afirmou que o roteador alcançou desempenho equivalente ao do GPT-5.5 com um custo aproximadamente 25% menor, ao mesmo tempo em que aproveitou ao máximo os benefícios de uma estratégia baseada em oráculos.

A estratégia trata os modelos de IA como componentes intercambiáveis. Em vez de enviar cada tarefa para o modelo mais poderoso, as empresas podem equilibrar capacidade e custo.

Isso se torna ainda mais relevante à medida que os modelos abertos reduzem a diferença em relação aos sistemas proprietários. Cryptopolitan já abordou anteriormente a competição do Kimi K3 com a OpenAI e a Anthropic, mostrando como os modelos chineses de código aberto estão desafiando cada vez mais os sistemas americanos em termos de capacidade e preço.

Por que o momento favorece uma aposta em modelo aberto?

As discussões sobre a captação de recursos da Applied Compute ocorrem em um momento em que os gastos com infraestrutura de IA estão se voltando para cargas de trabalho de produção. A Gartner prevê a inferência representará 55% dos gastos com infraestrutura como serviço otimizada para IA em 2026, à medida que a IA avança para aplicações mais práticas.

Essa tendência se encaixa no modelo da Applied Compute. A empresa não está simplesmente vendendo poder computacional para treinamento; ela está construindo infraestrutura projetada para manter os modelos em constante aprimoramento após a implantação.

O crescimento da Hugging Face oferece mais um indício da expansão do mercado. Sua plataforma alcançou 13 milhões de usuários e mais de 2 milhões de modelos públicos em 2025, à medida que os desenvolvedores criam cada vez mais modelos e aplicativos refinados em sistemas já existentes.

Para empresas, os modelos de peso aberto também oferecem maior controle. As empresas podem personalizá-los de acordo com fluxos de trabalho proprietários e implementá-los, mantendo maior controle sobre seus dados e o comportamento do modelo.

Isso confere à Applied Compute uma posição potencialmente valiosa. Se as empresas desejarem cada vez mais construir IA em torno de seus próprios dados, em vez de simplesmente alugar inteligência de fornecedores proprietários, a infraestrutura que conecta modelos a cargas de trabalho proprietárias poderá se tornar uma parte importante do mercado global de IA.

A avaliação proposta de US$ 3 bilhões é, portanto, mais do que uma aposta em uma única startup. É uma aposta de que as empresas usarão, treinarão, personalizarão e aprimorarão continuamente os modelos de IA em torno de seus próprios negócios.