Callosum recauda $100M para optimizar cargas de trabajo en IA

⏱ Tiempo de lectura: 3 min

Callosum, startup londinense especializada en optimización de cargas de trabajo de inteligencia artificial, anunció una ronda de financiación de $100 millones liderada por Atomico, con participación de Plural, DCVC y el Fondo Soberano de IA del Reino Unido. La inversión sigue a una ronda anterior de $10,25 millones en febrero y respalda el crecimiento de Tailored Inference, su plataforma en la nube que mejora la eficiencia de aplicaciones de IA.

Qué es Tailored Inference y cómo optimiza el rendimiento

Tailored Inference desglosa tareas de inferencia en módulos de software independientes llamados bloques, enrutando cada uno al modelo de IA más adecuado para ejecutarlo. Las tareas simples se procesan con algoritmos de bajo costo, mientras que operaciones complejas utilizan modelos frontera. Según Callosum, su tecnología completa algunas tareas de inferencia 3,7 veces más rápido que GPT-5.6 Luna, mejorando la calidad de salida y reduciendo costos de infraestructura. La plataforma también optimiza el hardware subyacente, desplegando cada modelo en el chip que lo ejecuta con mayor eficiencia. Tailored Inference soporta aceleradores de más de media docena de fabricantes desde su lanzamiento.

Alianza estratégica con Cerebras y detalles técnicos

Cerebras Systems anunció una asociación con Callosum durante la ronda de financiación para integrar sus aceleradores de inferencia de wafer-size WSE en Tailored Inference. Cerebras presentó el WSE-3 Turbo, que mantiene el mismo número de núcleos que su procesador anterior pero duplica el rendimiento mediante una mayor velocidad de reloj y una red on-chip mejorada. El acelerador se entrega en el módulo Wafer-Scale Backpack, que incluye refrigeración líquida, gestión de energía y componentes auxiliares. Tres Wafer-Scale Backpack forman la base del CS-4, un dispositivo en rack que clientes de Cerebras pueden desplegar en centros de datos para ejecutar modelos con hasta 10 billones de parámetros. Cerebras señala que el CS-4 es especialmente eficiente para la fase de decodificación, el segundo paso en la generación de respuestas de modelos de lenguaje, y puede combinarse con chips optimizados para prefill de Advanced Micro Devices e Amazon Web Services.

Datos clave de la inversión y contexto de mercado

Ronda de inversión: $100 millones. Líderes: Atomico, Plural, DCVC, Fondo Soberano de IA del Reino Unido. Ronda anterior: $10,25 millones (febrero). Mejora de rendimiento reportada: 3,7 veces más rápido en algunas tareas versus GPT-5.6 Luna. Capacidad del CS-4: hasta 10 billones de parámetros. Chips soportados: aceleradores de Intel, AMD, AWS, Cerebras, entre otros. Cofundadores: Danyal Akarca (CEO) y Jascha Achterberg. La inversión refleja el crecimiento de startups enfocadas en optimización de costos de inferencia, un desafío crítico para empresas que despliegan modelos de IA en producción.

Dato	Detalle
Monto de financiación	$100 millones
Inversores principales	Atomico, Plural, DCVC, Fondo Soberano de IA del Reino Unido
Ronda anterior	$10,25 millones (febrero 2026)
Producto principal	Tailored Inference (plataforma en la nube para optimización de inferencia)
Mejora de rendimiento	3,7 veces más rápido en algunas tareas versus GPT-5.6 Luna
Estrategia de enrutamiento	Desglose en bloques; tareas simples a algoritmos de bajo costo, complejas a modelos frontera
Socio tecnológico	Cerebras Systems (integración WSE-3 Turbo)
Dispositivo CS-4	Rack con 3 Wafer-Scale Backpack; soporta hasta 10 billones de parámetros
Cofundadores	Danyal Akarca (CEO), Jascha Achterberg
Ubicación	Londres

Por qué este dato es relevante

La optimización de costos en inferencia es una prioridad creciente para empresas que despliegan modelos de IA en producción. Callosum aborda un problema real: no todas las tareas requieren el poder de modelos frontera, y enrutar trabajo inteligentemente reduce tanto latencia como gasto operacional. La alianza con Cerebras y el respaldo de inversores de peso estratégico indican confianza en el modelo de negocio de la startup.

Preguntas frecuentes sobre optimización de cargas de trabajo en IA

¿Qué diferencia a Tailored Inference de otras soluciones?

Tailored Inference desglos tareas en módulos independientes y las enruta al modelo más eficiente, no a un único modelo frontera. Esto reduce latencia y costos simultáneamente, según reporta la empresa.

¿Cuándo estará disponible Tailored Inference?

La plataforma ya está operativa. La ronda de $100 millones respalda expansión de capacidades y adopción de clientes enterprise.

¿Qué chips soporta la plataforma?

Soporta aceleradores de más de media docena de fabricantes. Cerebras, Intel, AMD y AWS figuran entre los socios confirmados; la fuente no detalla la lista completa de fabricantes en el lanzamiento.

El punto clave para la comunidad tech

La inversión de Callosum refleja un cambio en el mercado de IA: la carrera ya no es solo quién construye el modelo más grande, sino quién lo ejecuta con mayor eficiencia. En contextos de presión sobre márgenes operacionales, la capacidad de optimizar costos de inferencia sin sacrificar calidad es un activo competitivo real.

En Inteligencia Artificial, este tipo de financiación en startups de optimización sugiere que el mercado reconoce la brecha entre capacidad teórica de modelos y costos reales de despliegue. ¿Ves en esta estrategia un modelo de negocio sostenible para tu infraestructura de IA?

Fuente: siliconangle.com