Financiación
Model ML recauda 250 millones de dólares en una ronda de financiación de serie B con una valoración de 1.500 millones para ampliar sus equipos de IA

Puntos claveModel ML recaudó 250 millones de dólares con una valoración de 1500 millones de dólares…
Ver más
- Model ML recaudó 250 millones de dólares con una valoración de 1500 millones de dólares para ampliar sus equipos de IA en Londres y Nueva York.
- Los agentes de la empresa funcionan en los propios sistemas y datos de una firma y nunca entrenan modelos con datos de clientes.
- Model ML enruta tareas entre proveedores e informa que sus propios modelos cuestan el 2% de los niveles de los modelos de frontera.
Model ML anunció el 17 de noviembre de 2026 que había recaudado 250 millones de dólares en una ronda de financiación de serie B con una valoración de 1.500 millones de dólares. General Atlantic y QED Investors codirigieron la ronda, cuyos fondos se destinarán a ampliar los equipos de investigación e ingeniería en Londres y Nueva York, profundizar el desarrollo de productos y extender el despliegue entre sus clientes.
Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund y 13Books Capital también participaron, con lo que el total de fondos recaudados ascendió a 350 millones de dólares. La ronda de serie B llega 18 meses después de que Model ML saliera del modo sigiloso y tras una ronda de serie A de 75 millones de dólares, liderada por FT Partners en noviembre de 2025.
Crecimiento e implantación internacional
Model ML informó que sus ingresos recurrentes anuales se multiplicaron por 12 interanualmente en el tercer trimestre de 2026, mientras que el número de usuarios activos diarios se multiplicó por 26. Estas cifras vinculan la nueva financiación con el mayor uso de su plataforma y aportan contexto adicional sobre la valoración y los planes de expansión.
Las oficinas que abrió en 2026 en París, Madrid, Tokio, Singapur y Dubái tienen como objetivo ayudar a la empresa a atender a clientes de distintas regiones. Se suman a la sede de Model ML en Londres y a su oficina de Nueva York, y amplían su presencia internacional mientras la compañía busca extender el despliegue de su plataforma.
Paul Stamas, director gerente y responsable global de servicios financieros de General Atlantic, afirmó que las instituciones financieras y de servicios profesionales están pasando rápidamente de experimentar con la IA a utilizarla en su actividad cotidiana. También señaló que los clientes de Model ML ya confían a la plataforma tareas cada vez más complejas.
Agentes personales para el trabajo financiero
Los hermanos Chaz y Arnie Englander crearon Model ML para ofrecer agentes personales de IA a banqueros, consultores e inversores. Los agentes funcionan en los sistemas y con los datos de cada empresa, y se basan en el contexto de sus clientes, las operaciones en curso y las preferencias de trabajo individuales. Se personalizan cada vez más a medida que interactúan con los usuarios.
«La IA debería hacer más que darte otra respuesta o enviarte una notificación. Debería entender tu trabajo y ocuparse de las tareas», afirmó Chaz Englander, cofundador y director ejecutivo de Model ML.
Model ML afirma que un agente puede preparar un análisis en minutos en lugar de días. Por ejemplo, cuando una novedad afecta a una empresa incluida en la cartera de cobertura de un banquero, el agente evalúa su importancia, analiza sus implicaciones y elabora un análisis con los formatos propios de la empresa, en vez de limitarse a enviar una alerta.
Despliegue y economía de los modelos
Los clientes pueden ejecutar la plataforma en su propia infraestructura, una opción de despliegue que Model ML utiliza a menudo para mantener los datos dentro del entorno del cliente. La empresa afirma que los datos de los clientes nunca se utilizan para entrenar modelos de IA. Model ML cuenta con la certificación ISO/IEC 27001:2022 y ha sido auditada conforme a SOC 2 Tipo II.
La selección de modelos se gestiona mediante una capa de enrutamiento, en lugar de depender de un único proveedor de IA. Model ML evalúa los modelos con tareas financieras reales y luego asigna las tareas según su calidad, velocidad y costo. Sus propios modelos de código abierto ajustados para tareas específicas realizan una proporción cada vez mayor de ese trabajo.
Para las tareas que realizan esos modelos internos, la empresa informa que los costos equivalen al 2 % de los de los modelos de frontera, que la velocidad es cinco veces mayor en la mayoría de los casos y que la precisión es igual o superior a la de esos modelos. Estas cifras se refieren a cargas de trabajo específicas: describen las tareas asignadas a los modelos propios de Model ML, no el conjunto de la plataforma.
La expansión depende ahora de que la empresa mantenga esa combinación de datos bajo el control de los clientes, automatización personalizada y economía de los modelos específica para cada carga de trabajo a medida que se amplía el despliegue de los agentes.












