River AI, de dos meses de vida, levanta USD 1.100 millones para reinventar el entrenamiento de modelos

River AI, fundada por Igor Babuschkin —cofundador de xAI y veterano de DeepMind y OpenAI— levantó USD 1.100 millones en una ronda seed/Serie A liderada por General Catalyst y AMP PBC, con participación de Nvidia, AMD Ventures, Y Combinator y Temasek. La compañía salió del modo sigilo en junio de 2026, apenas dos meses antes del cierre, según reportó TechCrunch.

La tesis de Babuschkin es radical: reinventar la inteligencia artificial desde la base, empezando por cómo se entrenan los modelos. El objetivo no es reemplazar trabajadores humanos, sino construir agentes personales entrenables que funcionen como «ángeles guardianes» del usuario, no como asistentes genéricos de terceros.

Qué ofrece hoy

River ya tiene un API comercial que cobra por millón de tokens y permite a desarrolladores aplicar reinforcement learning (RL) y fine-tuning LoRA sobre modelos abiertos. La idea es eliminar la dependencia del prompt engineering: en lugar de pedirle cosas a un modelo ajeno, River promete que entrenes tu propio modelo y lo sirvas como cualquier endpoint.

Para empresas, la compañía lanzó su plataforma neocloud, que asegura completar corridas complejas de RL en 15 a 20 minutos sin equipo de infraestructura, con un ahorro de costos de 2x a 4x versus alternativas cerradas.

Timing y competencia

La ronda llega en un momento bisagra: las empresas están migrando hacia arquitecturas multi-modelo con pesos abiertos para controlar su destino en IA. River apuesta a resolver el problema del entrenamiento post-deployment, el cuello de botella que hoy exige equipos especializados.

La visión de largo plazo —agentes locales, entrenados por cada usuario— ya tiene antecedentes concretos como OpenClaw y sus derivados. Nvidia, uno de los inversores, ya trabaja con Dell, Microsoft y HP en hardware para IA on-premise.

Por qué importa

Esta ronda no es solo un récord de velocidad fundraising: es una apuesta de miles de millones a que el próximo salto en IA no viene de modelos más grandes y cerrados, sino de democratizar el entrenamiento fino. Si River cumple, cualquier empresa podría tener modelos propios sin montar un laboratorio entero.

Para equipos que hoy dependen de APIs de OpenAI o Anthropic, el modelo de River plantea una alternativa: soberanía técnica sin renunciar a capacidades avanzadas. Eso cambia la ecuación económica y estratégica de adoptar IA en producción.

Queda por ver si la tecnología está a la altura del cheque. Pero con este war chest, River tiene margen para intentarlo a escala.