River AI Arrecada $1,1 Bilhão em Série Semente e Série A para Construir uma Pilha de IA Pessoal

River AI, a startup xAI co-fundada por Igor Babuschkin, que saiu do stealth em 10 de junho de 2026, arrecadou $1,1 bilhão em suas rodadas de Série Semente e Série A, conforme anunciado em 11 de agosto de 2026. General Catalyst e AMP PBC lideraram a financiamento, com investimento estratégico da Nvidia e AMD Ventures e participação da Y Combinator e Temasek.

River está dois meses após seu lançamento e já possui um dos maiores financiamentos iniciais do ano. O dinheiro apoia uma tese incomum: que a pilha de IA, desde o treinamento até os modelos, produto e hardware, precisa ser reconstruída em torno de agentes pessoais que as pessoas possuem, e não inteligência alugada de um punhado de laboratórios.

“A forma como a IA é construída hoje não é como será construída no futuro. A IA deve ser aberta, livremente disponível e acessível. Deve parecer que está trabalhando para a pessoa que a está usando, e não para o laboratório que a treinou. Nós criamos a River para permitir que as pessoas e empresas possam possuir sua própria inteligência”, disse Babuschkin, co-fundador e CEO da River, no anúncio.

O que a River Está Vendendo Primeiro

O primeiro produto da empresa, disponível desde o lançamento em junho, é a API da River, um serviço de treinamento para modelos de peso aberto. Ele oferece fine-tuning LoRA e aprendizado por reforço em modelos abertos que variam de 35 bilhões a 1 trilhão de parâmetros, incluindo Qwen3.6, Kimi K2.6 e GLM 5.2, com cobrança por milhão de tokens para treinamento e inferência, em vez de por hora de GPU.

O pitch é direcionado a empresas que desejam modelos moldados em torno de seu próprio trabalho sem precisar de uma equipe de infraestrutura. A River afirma que qualquer empresa pode concluir uma execução de aprendizado por reforço complexa em 15 a 20 minutos sem necessidade de uma equipe de infraestrutura, com economia de dois a quatro vezes em relação a alternativas de código fechado, e que os checkpoints treinados pertencem ao cliente e são implantados em um endpoint compatível com a OpenAI.

A página de preços fornece números concretos para a cobrança: as execuções de treinamento custam $1,00 por milhão de tokens no modelo Qwen3.6 de 35B e $12,84 por milhão no Kimi K2.6 com comprimento de contexto de 262k, com armazenamento de checkpoints cobrado separadamente a $0,10 por gigabyte por mês. Um exemplo trabalhado no site preços uma execução de RL em escala de produção em um conjunto de dados de matemática por menos de $1.000.

A Aposta Mais Longa Por Trás da Rodada

Babuschkin passou cerca de uma década na DeepMind, OpenAI e xAI, onde co-fundou a última e trabalhou em treinamento em larga escala, antes de iniciar a River. Em seu post de lançamento, ele posicionou a empresa contra a direção que os laboratórios de fronteira estão tomando: agentes que substituem trabalhadores, alugados por token.

“Agentes capazes serão uma parte normal da vida cotidiana. Menos como os assistentes que você chama hoje quando precisa de uma tarefa feita, mais como anjos da guarda: presentes, ao seu lado, ajudando com o que realmente importa para você. Eles conhecerão você bem, e serão seus, não de ninguém mais”, ele escreveu.

Essa estrutura, personalização e aprendizado contínuo sobre uma API de treinamento, com hardware pessoal mais adiante, é o que a General Catalyst está comprando. “A liderança americana em IA exige urgentemente liderança em modelos de peso aberto, mantendo a liderança em modelos de fronteira fechados. Igor e a equipe da River AI têm a experiência para tornar isso real”, disse Hemant Taneja, CEO da General Catalyst, no anúncio da River. Marc Bhargava, diretor gerente da empresa, apontou a lacuna comercial: as empresas carecem de uma maneira eficiente de treinar, ajustar e possuir modelos personalizados, e a River “fecha essa lacuna”.

A AMP PBC, co-líder, juntou-se à General Catalyst na liderança da rodada, de acordo com o anúncio da River. A Nvidia e a AMD Ventures, ao assumirem participações estratégicas, colocam ambos os rivais de GPU dentro da mesma tabela de capital de uma empresa cujo roadmap declarado termina em hardware que executa IA pessoal fora do data center de alguém.

Onde o Dinheiro Aterra

A River afirma que o financiamento acelera todas as camadas de sua pilha ao mesmo tempo: a API de treinamento que já foi enviada, uma camada de produto de personalização e aprendizado contínuo ainda em construção sobre ela, e novo hardware destinado a permitir que a IA pessoal execute perto de seu proprietário. A equipe de fundadores se baseia na experiência da xAI e da engenharia da Tesla, e a empresa está contratando.

A estrutura da rodada é digna de nota por si só. Uma rodada combinada de semente e Série A desse tamanho, anunciada dois meses após um post de lançamento, com investidores estratégicos de chip ao lado de líderes financeiros, dá à River o capital para competir por computação de treinamento e talento de pesquisa contra os laboratórios de fronteira de onde veio seu fundador. Se a tese do agente pessoal se mantém é uma questão mais longa; o negócio imediato é uma nuvem pós-treinamento para empresas, e esse negócio agora tem uma via de acesso de um bilhão de dólares e duas firmas de venture por trás.