Modal atinge US$ 1 bilhão de ARR e capta US$ 750 milhões com avaliação de US$ 15,75 bilhões

Se você já tentou colocar uma aplicação de IA em produção, conhece o cenário. Precisa de GPUs, mas não há o suficiente. O modelo pesa dezenas de gigabytes e demora uma eternidade para carregar. O código gerado por uma rede neural precisa de um lugar para rodar, com isolamento para impedir que acesse o restante do sistema. Dá para montar tudo isso com a stack habitual de Docker, Kubernetes e Terraform, mas você acaba se afogando em YAML e compras de hardware. A Modal construiu um negócio em torno dessa dor e agora tem números para mostrar.

O que aconteceu

A Modal informou que ultrapassou US$ 1 bilhão em receita anualizada. Trata-se de uma extrapolação da receita atual para um ano inteiro, e não da receita obtida no último ano. Passaram-se apenas cinco meses desde a Série C e, nesse período, o uso da plataforma triplicou. O crescimento em relação ao ano anterior superou 15 vezes.

A empresa também fechou uma rodada Série D de US$ 750 milhões, com avaliação pós-investimento de US$ 15,75 bilhões. A Accel liderou a rodada, com a participação da Kleiner Perkins, e todos os investidores anteriores, incluindo Menlo Ventures, General Catalyst, Redpoint, Lux Capital, Amplify Partners e Bain Capital Ventures, voltaram a investir. A equipe conta agora com mais de 200 pessoas em Nova York, São Francisco e Estocolmo.

Vale lembrar que todos os números vêm do próprio blog da Modal e não foram verificados de forma independente. Ainda assim, a carteira de clientes impressiona: DoorDash, Cognition, Ramp, Linear, Hebbia, Runway, Physical Intelligence, 1X e Chai Discovery usam a plataforma. O Jev, aplicativo da TypeSafe AI, processou 1 trilhão de tokens em seus primeiros três dias de vida, sem que a equipe precisasse cuidar da infraestrutura.

Por que o Sandboxes

A parte mais reveladora da história envolve os ambientes isolados. A Modal lançou o Sandboxes em 2023, depois de perceber que muita gente estava pedindo aos LLMs que escrevessem código, e esse código precisava de um lugar para ser executado. Hoje, é um produto independente com receita anualizada de US$ 300 milhões. Quase 3 bilhões de sandboxes já foram iniciados por meio dele, e o produto escala para até um milhão de ambientes simultâneos.

Um exemplo simples: você tem um agente em segundo plano que corrige bugs em um repositório. Ele clona o projeto, executa testes, altera o código e roda os testes novamente. Tudo isso precisa acontecer em um ambiente isolado que inicia em segundos e desaparece ao concluir o trabalho. Se você executar isso nos próprios servidores, terá de cuidar da segurança, das filas e da ociosidade. A Modal cita casos semelhantes para aprendizado por reforço e plataformas de vibe coding. Agora, as máquinas virtuais também estão em disponibilidade geral no Sandboxes.

Há outros produtos. As funções, com a proposta de “escreva o código e a Modal executa”, continuam sendo a base para inferência com vLLM e SGLang, geração de imagens e treinamento. Recentemente, chegou o treinamento multinó: um único decorador inicia um cluster com conexão RDMA, sem compromissos de reserva de capacidade. Para inferência, a empresa lançou o Modal servers para servidores HTTP e recursos para servir LLMs, como Endpoint Candidates. Além disso, está avançando “para as camadas superiores da stack”, em direção a RL e pós-treinamento.

O que isso significa na prática

O próprio autor do blog compara o momento à era da nuvem, quando surgiram Docker e Kubernetes: cada mudança cria seu próprio conjunto de ferramentas. A Modal aposta que os componentes tradicionais não são adequados para IA e, por isso, desenvolveu do zero seu sistema de arquivos, runtime de contêineres, escalonador e rede. Tudo isso roda sobre um conjunto de capacidade de mais de 20 nuvens, o que alivia parcialmente a escassez de GPUs.

Para desenvolvedores e gerentes de produto, há três conclusões. Primeiro, a execução isolada de código gerado por LLMs tornou-se uma categoria de infraestrutura por si só, e montá-la por conta própria muitas vezes não compensa. Segundo, se você desenvolve agentes, pipelines de RL ou executa cargas pesadas de inferência, vale comparar o custo e o tempo de inicialização em uma plataforma especializada com os da sua estrutura atual de Kubernetes. Terceiro, a avaliação de US$ 15,75 bilhões mostra que os investidores veem nas “picaretas e pás” para aplicações de IA um mercado tão grande quanto o dos próprios modelos.

As limitações também são claras. É um único fornecedor, e você fica vinculado à API e ao runtime dele. A receita anualizada pode oscilar bastante durante um crescimento explosivo, e parte da receita provavelmente vem de alguns grandes clientes. Antes de migrar as cargas de produção, verifique as condições de capacidade, o SLA e os custos de saída. Mas, como indicador da demanda por infraestrutura para agentes e treinamento, essa notícia diz muito.