River AI recauda 1.100 millones de dólares en rondas de serie Seed y Serie A para construir una pila de inteligencia artificial personal

River AI, la startup que el co-fundador de xAI, Igor Babuschkin, sacó de la clandestinidad el 10 de junio de 2026, ha recaudado 1.100 millones de dólares en sus rondas de serie Seed y Serie A, según anunció la empresa el 11 de agosto de 2026. General Catalyst y AMP PBC lideraron la financiación, con una inversión estratégica de Nvidia (NVDA ) y AMD Ventures y la participación de Y Combinator y Temasek.

River está dos meses después de su lanzamiento y ya cuenta con una de las mayores financiaciones iniciales del año. El dinero respalda una tesis inusual: que la pila de inteligencia artificial, desde el entrenamiento hasta los modelos, el producto y el hardware, necesita ser reconstruida alrededor de agentes personales que las personas poseen en lugar de inteligencia alquilada a un puñado de laboratorios.

“La forma en que se construye la inteligencia artificial hoy en día no es como se construirá en el futuro. La inteligencia artificial debe ser abierta, accesible y asequible. Debe parecer que está trabajando para la persona que la utiliza, no para el laboratorio que la entrenó. Comenzamos River para permitir que las personas y las empresas posean su propia inteligencia”, dijo Babuschkin, co-fundador y CEO de River, en el anuncio.

Qué es lo que River está vendiendo en realidad

El primer producto de la empresa, disponible desde el lanzamiento de junio, es la API de River, un servicio de entrenamiento para modelos de peso abierto. Ofrece afinación LoRA y aprendizaje por refuerzo en modelos abiertos que van desde 35 mil millones hasta 1 billón de parámetros, incluyendo Qwen3.6, Kimi K2.6 y GLM 5.2, con facturación por millón de tokens para el entrenamiento y la inferencia, en lugar de por hora de GPU.

La presentación está dirigida a empresas que desean modelos moldeados alrededor de su propio trabajo sin necesidad de un equipo de infraestructura. River afirma que cualquier empresa puede completar una carrera de aprendizaje por refuerzo compleja en 15 a 20 minutos sin necesidad de un equipo de infraestructura, con un ahorro de costos de dos a cuatro veces en comparación con las alternativas de código cerrado, y que los puntos de control entrenados pertenecen al cliente y se implementan en un punto final compatible con OpenAI.

La página de precios proporciona números concretos para el medidor: las carreras de entrenamiento cuestan $1,00 por millón de tokens en el modelo Qwen3.6 de 35 mil millones y $12,84 por millón en Kimi K2.6 con una longitud de contexto de 262k, con almacenamiento de puntos de control facturado por separado a $0,10 por gigabyte al mes. Un ejemplo trabajado en el sitio web establece un precio de menos de $1.000 para una carrera de aprendizaje por refuerzo a escala de producción en un conjunto de datos de matemáticas.

La apuesta a largo plazo detrás de la ronda

Babuschkin pasó aproximadamente una década en DeepMind, OpenAI y xAI, donde co-fundó esta última y trabajó en el entrenamiento a gran escala, antes de comenzar River. En su publicación de lanzamiento, enmarcó la empresa en contra de la dirección que los laboratorios fronterizos están tomando: agentes que reemplazan a los trabajadores, alquilados por token.

“Los agentes capaces serán una parte normal de la vida cotidiana. Menos como los asistentes a los que llamas hoy en día cuando necesitas que se realice una tarea, más como ángeles de la guarda: presentes en silencio, de tu lado, ayudándote con lo que realmente importa. Conocerán bien a las personas y serán de ellos, no de alguien más”, escribió.

Este enmarque, personalización y aprendizaje continuo sobre una API de entrenamiento, con hardware personal más adelante, es lo que General Catalyst está comprando. “El liderazgo estadounidense en inteligencia artificial requiere urgentemente liderazgo en modelos de peso abierto, manteniendo al mismo tiempo una ventaja en modelos fronterizos cerrados. Igor y el equipo de River AI tienen la experiencia para hacer que esto suceda”, dijo Hemant Taneja, CEO de General Catalyst, en el anuncio de River. Marc Bhargava, director ejecutivo de la firma, señaló la brecha comercial: las empresas han carecido de una forma rentable de entrenar, afinar y poseer modelos personalizados, y River “cierra esta brecha”.

AMP PBC, el co-líder, se unió a General Catalyst para liderar la ronda, según el anuncio de River. Nvidia y AMD Ventures tomaron participaciones estratégicas, lo que coloca a ambos rivales de GPU dentro de la misma tabla de capital de una empresa cuya hoja de ruta declarada termina en hardware que ejecuta inteligencia artificial personal fuera del centro de datos de alguien más.

Dónde aterriza el dinero

River afirma que la financiación acelera cada capa de su pila al mismo tiempo: la API de entrenamiento que ya ha enviado, una capa de personalización y aprendizaje continuo que aún se está construyendo sobre ella, y nuevo hardware destinado a permitir que la inteligencia artificial personal se ejecute cerca de su propietario. El equipo fundador se basa en la experiencia de xAI y la ingeniería de Tesla (TSLA ), y la empresa está contratando.

La estructura de la ronda es digna de mención por sí sola. Una ronda combinada de serie Seed y Serie A de este tamaño, anunciada dos meses después de una publicación de lanzamiento, con inversores estratégicos de chips junto a líderes financieros, da a River el capital para competir por computación de entrenamiento y talento de investigación contra los laboratorios fronterizos de los que provino su fundador. Si la tesis del agente personal se mantiene es una pregunta más larga; el negocio inmediato es una nube post-entrenamiento para empresas, y ese negocio ahora tiene una carrera de mil millones de dólares y dos firmas de capital de riesgo detrás de él.