Luminal capta US$ 25 milhões em rodada Série A liderada pela Standard Capital

A Luminal captou US$ 25 milhões em uma rodada Série A liderada pela Standard Capital, investimento anunciado em 12 de novembro de 2026. A startup de infraestrutura de IA está expandindo seus negócios de compiladores e inferência hospedada para chips da Nvidia, da AMD e especializados, com foco em extrair mais trabalho útil do hardware que os clientes já possuem.

Os cofundadores Joe Fioti, Jake Stevens e Matthew Gunton criaram dois negócios em torno da inferência, a computação que produz a saída de um modelo de IA. A Luminal hospeda modelos em sua própria nuvem e licencia seu compilador para clientes que já operam hardware. Isso dá à empresa um serviço gerenciado para clientes que buscam implantar modelos e um produto separado para aqueles que querem aprimorar a própria infraestrutura.

Um compilador desenvolvido para buscar implementações mais rápidas

Um compilador traduz um modelo escrito em uma estrutura de desenvolvimento como o PyTorch para código de baixo nível que executa suas operações matemáticas. A visão geral técnica da Luminal descreve um pipeline que converte um modelo em um grafo de fluxo de dados, aplica fusão, particionamento em blocos, planejamento de memória e escalonamento com otimizações específicas para o hardware e, em seguida, gera kernels de GPU ou instruções para circuitos integrados de aplicação específica. A compilação antes da execução foi concebida para reduzir a sobrecarga em tempo de execução causada pela interpretação dinâmica de um modelo.

Segundo os fundadores, durante a compilação, a Luminal emprega um volume considerável de computação para buscar implementações possíveis, em vez de depender apenas de heurísticas escritas manualmente. A saturação de igualdade representa de forma compacta um espaço de busca que pode conter trilhões de opções em um determinado chip, permitindo que o compilador procure uma versão otimizada. A abordagem foi concebida para processadores cada vez mais especializados, que exigem decisões mais complexas de memória e escalonamento no software.

Uma publicação técnica de 9 de janeiro de 2026 explica como os megakernels gerados automaticamente se encaixam nessa estratégia. Fundir a passagem direta de um modelo em um único kernel, ou programa de GPU, elimina atrasos repetidos na inicialização de kernels e permite que as operações seguintes comecem assim que os dados de entrada estiverem prontos. O projeto também busca reduzir períodos de inatividade causados pela distribuição desigual do trabalho entre os núcleos do processador e pela espera pelo carregamento dos pesos iniciais, usando sincronização granular para preservar as dependências entre os dados.

A Luminal informa um desempenho de 36.000 tokens por segundo para o GPT-OSS 120B em oito GPUs Nvidia H100 SXM, em comparação com 28.000 para o TensorRT-LLM e 26.000 para o vLLM, segundo a comparação em seu site. Esses resultados ilustram o aumento de produtividade que está no centro de sua proposta comercial, enquanto o serviço hospedado acrescenta tarefas de infraestrutura que vão além do próprio compilador.

Inferência hospedada e licenciamento baseado em valor

A Luminal Cloud oferece endpoints sem servidor gerenciados, processamento em lotes automático e capacidade que pode ser reduzida a zero, e os clientes pagam pelo que usam. As implantações licenciadas podem ser executadas na nuvem do cliente ou em suas próprias instalações. Acima do compilador, sua camada de inferência agenda e distribui o trabalho entre CPUs, GPUs e ASICs, redistribui tarefas conforme a utilização muda e inicia ou interrompe nós de acordo com a demanda.

A AutoHDR, empresa de mídia imobiliária, processa cerca de 5 milhões de imagens por mês, e a Luminal cuida de quase toda essa carga de trabalho, transferindo uma parcela cada vez maior para chips da AMD, segundo os fundadores. Outro cliente, a Freebuff, envia trilhões de tokens à Luminal toda semana. Essas cargas de trabalho proporcionam à Luminal tráfego de produção que abrange processamento de imagens e modelos de linguagem de grande porte.

Segundo os fundadores, as solicitações de programação da Freebuff podem conter cerca de 100.000 tokens de entrada, o que torna importantes os índices de acerto do cache e o dimensionamento das solicitações para controlar os custos. Reutilizar a computação armazenada em cache evita executá-la novamente, enquanto transferir os caches relevantes pela hierarquia de memória ajuda a preservar essa economia. Um kernel rápido, por si só, não resolve esses custos.

Fioti descreveu o preço de algumas licenças de compilador como uma fração fixa da melhoria mensurada em relação ao desempenho de referência que o cliente já obtém. No exemplo ilustrativo que apresentou, dobrar a produtividade em uma GPU que custa US$ 1,50 gera uma economia de 75 centavos; a Luminal cobra 25 centavos e deixa o cliente com uma economia de 50 centavos. Essa estrutura vincula a receita das licenças ao valor entregue, em vez de depender apenas do uso hospedado.

Origens de código aberto e expansão

A Luminal começou como um projeto paralelo que Fioti desenvolveu fora do trabalho para executar modelos em um laptop. Mais tarde, o projeto ganhou um backend da Nvidia e formou uma comunidade de código aberto. Os fundadores decidiram manter o compilador principal aberto e cobrar pela hospedagem, modelo que compararam à combinação do Next.js com a nuvem da Vercel. A licença do compilador oferece uma segunda opção para organizações que já dispõem de hardware.

A rodada Série A vem após uma rodada de capital semente de US$ 5,3 milhões anunciada em 17 de novembro de 2025, liderada pela Felicis Ventures, com a participação de investidores-anjo, entre eles Paul Graham e Guillermo Rauch.

A Luminal está recrutando engenheiros de compiladores e seu primeiro funcionário não técnico, um diretor de crescimento. A equipe trabalha presencialmente no centro de San Francisco e, até agora, era formada apenas por engenheiros. Os fundadores esperam que as cargas de trabalho de inferência sejam cada vez mais divididas entre chips especializados no processamento de prompts e chips especializados na geração de tokens, tornando a coordenação entre diferentes tipos de hardware um desafio de software ainda maior.

O plano imediato de contratações aponta para o reforço da expertise em compiladores e a criação da primeira função comercial. O teste mais amplo é saber se a Luminal conseguirá manter as vantagens de custo que, segundo relatos, oferece à medida que a inferência se distribui por chips projetados para diferentes etapas de uma solicitação, nas quais o escalonamento e a reutilização de cache passam a integrar o cálculo da economia, junto com o desempenho bruto do compilador.