Modal alcanza los 1.000 millones de dólares de ARR y capta 750 millones con una valoración de 15.750 millones

Si alguna vez has intentado llevar una aplicación de IA a producción, ya conoces la situación. Necesitas GPU y no hay suficientes. El modelo pesa decenas de gigabytes y tarda una eternidad en cargarse. El código generado por una red neuronal necesita un lugar donde ejecutarse, con el aislamiento necesario para que no pueda acceder al resto del sistema. Todo esto se puede montar con la pila habitual de Docker, Kubernetes y Terraform, pero acabarás ahogado en YAML y compras de hardware. Modal construyó un negocio alrededor de ese problema y ahora tiene cifras que mostrar.

Qué ha pasado

Modal anunció que ha superado los 1.000 millones de dólares de ingresos anualizados. Se trata de extrapolar los ingresos actuales a un año completo, no de los ingresos obtenidos durante el último año. Solo han pasado cinco meses desde su ronda de serie C y, en ese tiempo, el uso de la plataforma se ha triplicado. El crecimiento interanual fue de más de 15 veces.

La empresa también cerró una ronda de serie D de 750 millones de dólares con una valoración posinversión de 15.750 millones. Accel lideró la ronda, a la que se sumó Kleiner Perkins, y todos los inversores anteriores, entre ellos Menlo Ventures, General Catalyst, Redpoint, Lux Capital, Amplify Partners y Bain Capital Ventures, volvieron a invertir. El equipo cuenta ya con más de 200 personas en Nueva York, San Francisco y Estocolmo.

Conviene recordar que todas las cifras proceden del propio blog de Modal y no se han verificado de forma independiente. Aun así, su cartera de clientes impresiona: DoorDash, Cognition, Ramp, Linear, Hebbia, Runway, Physical Intelligence, 1X y Chai Discovery utilizan la plataforma. Jev, la aplicación de TypeSafe AI, procesó 1 billón de tokens en sus primeros tres días de vida, sin que el equipo tuviera que ocuparse de la infraestructura.

Por qué Sandboxes

La parte más reveladora de la historia tiene que ver con los entornos aislados. Modal lanzó Sandboxes en 2023, tras observar que cada vez más personas pedían a los LLM que escribieran código y que ese código necesitaba un lugar donde ejecutarse. Hoy es un producto independiente con un ritmo anualizado de ingresos de 300 millones de dólares. A través de él se han lanzado casi 3.000 millones de entornos aislados y puede escalar hasta un millón de ellos simultáneos.

Un ejemplo sencillo: tienes un agente en segundo plano que corrige errores en un repositorio. Clona el proyecto, ejecuta las pruebas, modifica el código y vuelve a ejecutar las pruebas. Todo esto debe ocurrir en un entorno aislado que arranque en segundos y desaparezca al terminar. Si lo ejecutas en tus propios servidores, tendrás que gestionar la seguridad, las colas y los periodos de inactividad. Modal cita casos similares para el aprendizaje por refuerzo y las plataformas de vibe coding. Además, las máquinas virtuales ya están disponibles de forma general en Sandboxes.

También hay otros productos. Las funciones, cuya propuesta es «escribe el código y Modal lo ejecutará», siguen siendo la base para la inferencia con vLLM y SGLang, la generación de imágenes y el entrenamiento. Recientemente se incorporó el entrenamiento multinodo: un solo decorador pone en marcha un clúster con conexión RDMA, sin compromisos de reserva de capacidad. Para la inferencia, la empresa lanzó Modal servers para servidores HTTP y funciones para servir LLM, como Endpoint Candidates. Además, está avanzando «hacia las capas superiores de la pila», con RL y posentrenamiento.

Qué significa en la práctica

El propio autor del blog compara este momento con la era de la nube, cuando surgieron Docker y Kubernetes: cada cambio genera su propio conjunto de herramientas. Modal apuesta por que los componentes tradicionales no sirven para la IA y, por eso, ha desarrollado desde cero su sistema de archivos, entorno de ejecución de contenedores, planificador y red. Todo funciona sobre un conjunto de capacidad de más de 20 nubes, lo que alivia parcialmente la escasez de GPU.

Para los desarrolladores y responsables de producto, hay tres conclusiones. En primer lugar, la ejecución aislada de código generado por LLM se ha convertido en una categoría de infraestructura por derecho propio, y construirla por cuenta propia a menudo no resulta rentable. En segundo lugar, si desarrollas agentes, flujos de RL o cargas de inferencia exigentes, conviene comparar el coste y el tiempo de arranque de una plataforma especializada con los de tu despliegue actual de Kubernetes. En tercer lugar, la valoración de 15.750 millones de dólares demuestra que los inversores ven en los «picos y palas» para las aplicaciones de IA un mercado tan grande como el de los propios modelos.

Las limitaciones también son evidentes. Se trata de un único proveedor, y quedas vinculado a su API y a su entorno de ejecución. El ritmo anualizado de ingresos puede fluctuar mucho durante una fase de crecimiento explosivo, y probablemente una parte de los ingresos procede de unos pocos grandes clientes. Antes de migrar las cargas de producción, revisa las condiciones de capacidad, el SLA y los costes de salida. Pero, como indicador de la demanda de infraestructura para agentes y entrenamiento, esta noticia dice mucho.