Nebius anunció el 1 de octubre de 2026 la adquisición de Inferize, una empresa emergente de Tel Aviv que desarrolla tecnología para reducir el tiempo necesario para preparar modelos de inteligencia artificial. Según Globes, la venta llegó cuando la compañía tenía 10 meses, antes de su lanzamiento comercial. Fuentes conocedoras de la operación situaron su importe entre 100 y 130 millones de dólares. Nebius no ha divulgado las condiciones, por lo que esa horquilla corresponde a una información periodística y no a un precio oficial.
La compra aborda un problema poco visible para quienes utilizan un chatbot: disponer de una GPU no significa que un modelo grande pueda responder inmediatamente. Primero hay que cargarlo en memoria y preparar su entorno de ejecución. Inferize trabaja sobre ese intervalo. Su equipo y su tecnología se incorporan a Token Factory, la plataforma de inferencia gestionada de Nebius, para ajustar más deprisa la capacidad de cálculo a la demanda.
Una pequeña empresa dentro de una infraestructura mayor
Inferize fue fundada por su consejero delegado, Guy Bortnikov, y su director tecnológico, Lior Gorbonos. Según Globes, cuenta con 17 empleados en Tel Aviv y TLV Partners era su único inversor. El dato ayuda a interpretar la operación: se adquieren un equipo y una tecnología en una fase temprana, antes de comercializar un producto independiente, no un negocio que ya hubiera desarrollado una actividad comercial extensa.
Nebius, compañía de infraestructura de IA que cotiza en Nasdaq con el símbolo NBIS, incorpora el desarrollo a un servicio existente de ejecución de modelos. El valor que persigue va más allá de una función aislada para desarrolladores. Poner recursos adicionales en funcionamiento antes puede influir en la respuesta de la plataforma a las variaciones de carga y en las peticiones que atiende con el hardware que ya tiene asignado.
Nebius explica que los ingenieros de Inferize trabajarán en distintas partes de Token Factory, empezando por integrar su tecnología. Para la empresa israelí, supone pasar de un producto todavía sin comercializar a una capa de infraestructura dentro de una plataforma operativa. El anuncio no incluye un calendario detallado de disponibilidad para todos los clientes ni compromete una rebaja concreta del precio del servicio.
Conviene distinguir también el entrenamiento de un modelo de su ejecución posterior. La operación se centra en la infraestructura de servicio y su disponibilidad, por lo que no anuncia por sí misma un modelo nuevo. Las empresas que no entrenan modelos propios también pueden sufrir retrasos de carga cuando ejecutan uno existente para sus usuarios.
Por qué una GPU asignada puede seguir esperando
Aquí, cold start, o arranque en frío, designa la espera entre la asignación de recursos de cálculo y el momento en que el modelo puede atender peticiones. Un modelo grande depende de pesos, los valores numéricos aprendidos durante el entrenamiento. Para ejecutarlo, los datos correspondientes deben llegar a la memoria de las GPU. Tener el hardware disponible no elimina esa preparación.
La diferencia importa porque ejecutar un modelo exige algo más que calcular la respuesta. El usuario observa la espera hasta que aparece el resultado, pero el operador también debe preparar los recursos. Durante la carga, el hardware que espera no está produciendo respuestas. Reducir ese intervalo busca convertir una mayor parte de la capacidad asignada en capacidad utilizable.
El problema se hace más evidente cuando aumenta la demanda y hay que poner en marcha nuevas instancias del modelo. Si la preparación tarda demasiado, la plataforma puede tener dificultades para ampliar el servicio justo cuando hace falta. Una solución consiste en mantener capacidad lista de antemano. Sin embargo, los recursos reservados para un posible pico no trabajan necesariamente de forma continua y mantenerlos cuesta dinero incluso con menos demanda.
Inferize pretende reducir esa fricción operativa alrededor de un modelo existente, no crear uno que sepa más. Una carga más rápida puede facilitar una respuesta flexible a los cambios de demanda. Por sí sola, no garantiza que cada respuesta se genere más deprisa una vez cargado el modelo ni que mejore su calidad. Son métricas distintas.
Qué quiere obtener Nebius de cada procesador
En el anuncio, Nebius relaciona la tecnología con un mejor aprovechamiento del hardware y con la economía de los tokens. Los tokens son las unidades de información que el modelo procesa y genera; en servicios de lenguaje pueden ser palabras, fragmentos o símbolos. Para el operador, la cuestión no es solo cuánto cuesta comprar un procesador, sino cuánto trabajo útil produce con el tiempo y bajo las condiciones de servicio exigidas.
Esa es la lógica económica de la adquisición: dedicar menos tiempo a preparar recursos y necesitar menos capacidad en espera podría permitir mejoras de eficiencia. Es el objetivo que presentan las empresas. El anuncio no aporta una tasa medida de ahorro para clientes, por lo que la compra no puede traducirse en un porcentaje fijo de reducción de costes ni en un nuevo precio por token.
También importa el papel de Token Factory. Un desarrollador que utiliza un servicio gestionado no tiene por qué administrar cada fase de carga. Una mejora de infraestructura puede integrarse sin convertirse en otro producto que deba instalar. Aun así, incorporarla a la plataforma no significa que todos los modelos, cargas de trabajo y configuraciones de hardware se beneficien por igual.
Qué supone para los equipos de Israel
La dimensión israelí empieza por el equipo y el inversor, pero también afecta a las empresas que construyen productos sobre modelos. Para quienes operan servicios con demanda variable, la disponibilidad del modelo durante un pico puede importar tanto como su velocidad en condiciones estables. La operación ilustra el valor que una mejora concreta en la ejecución puede tener para un comprador con una infraestructura amplia.
Estos equipos deben diferenciar el tiempo de preparación, la espera hasta el inicio de la respuesta y el ritmo de generación posterior. Son etapas relacionadas, pero distintas. Mejorar una puede ser relevante sin resolver todas las limitaciones. Al evaluar un proveedor de cálculo, resultan útiles las métricas que reflejan el uso real, incluidos los aumentos de demanda, y no solo una ejecución con todo preparado.
Para Inferize, lo central es que su desarrollo llega a Nebius antes de un lanzamiento comercial independiente. Para Nebius, el siguiente reto consiste en convertirlo en una mejora operativa dentro de Token Factory. El precio sigue siendo extraoficial y no se ha publicado el ahorro para clientes. El objetivo sí está claro: reducir el tiempo que una infraestructura costosa pasa esperando y aumentar el que dedica a atender peticiones.