Inception Garante US$ 50 Milhões para Avançar com IA de Difusão para Código e Texto
Pontos principais
- Inception arrecadou US$ 50 milhões em uma rodada de financiamento de semente liderada pela Menlo Ventures.
- Apoio inclui Mayfield, Innovation Endeavors, Microsoft M12, Snowflake Ventures, Databricks Investment, Nvidia NVentures, Andrew Ng e Andrej Karpathy.
- A startup é liderada pelo professor da Stanford Stefano Ermon, um pesquisador de modelos de difusão.
- O modelo Mercury da Inception visa o desenvolvimento de software e foi integrado ao ProxyAI, Buildglare e Kilo Code.
- Os modelos de difusão processam dados iterativamente, oferecendo maior parallelismo do que os modelos autoregressivos tradicionais.
- Benchmarks afirmam que a IA baseada em difusão pode alcançar mais de 1.000 tokens por segundo.
- A abordagem visa reduzir a latência e os custos de computação para tarefas de código e texto em larga escala.
Inception, uma startup de IA focada em modelos baseados em difusão, anunciou uma rodada de financiamento de US$ 50 milhões liderada pela Menlo Ventures, com a participação da Mayfield, Innovation Endeavors, do fundo M12 da Microsoft, Snowflake Ventures, Databricks Investment e NVentures da Nvidia. Os investidores-anjo Andrew Ng e Andrej Karpathy também contribuíram. A empresa, liderada pelo professor da Stanford Stefano Ermon, visa aplicar técnicas de difusão - tradicionalmente usadas para geração de imagens - ao desenvolvimento de software e tarefas de linguagem natural. Seu modelo Mercury já foi integrado a várias ferramentas de desenvolvimento, e a equipe afirma que os modelos de difusão podem oferecer maior taxa de tokens por segundo e menor latência do que os sistemas autoregressivos convencionais.
Rodada de Financiamento e Apoio
Inception arrecadou US$ 50 milhões em uma rodada de financiamento de semente. A rodada foi liderada pela Menlo Ventures e incluiu a participação da Mayfield, Innovation Endeavors, do fundo M12 da Microsoft, Snowflake Ventures, Databricks Investment e da NVentures da Nvidia. Os investidores-anjo Andrew Ng e Andrej Karpathy também forneceram financiamento.
Liderança e Visão
A empresa é liderada pelo professor da Stanford Stefano Ermon, cuja pesquisa se concentra em modelos de difusão. Ermon explica que os modelos de difusão geram saídas por meio de refinamento iterativo, e não pela abordagem palavra-por-palavra dos modelos autoregressivos tradicionais. O objetivo da startup é trazer a eficiência e a parallelismo das técnicas de difusão para uma gama mais ampla de tarefas de IA, incluindo geração de código e processamento de texto.
Foco Tecnológico: Modelos de Difusão para Código e Texto
Os modelos de difusão, anteriormente populares para sistemas de geração de imagens, como Stable Diffusion, Midjourney e Sora, estão sendo repurposados pela Inception para lidar com cargas de trabalho textuais e de código em larga escala. Ermon argumenta que o processamento holístico da difusão pode reduzir a latência e os custos de computação, oferecendo um perfil de desempenho diferente da natureza sequencial de modelos como GPT-5 ou Gemini.
Lançamento do Produto: Modelo Mercury
Inception lançou uma versão atualizada do seu modelo Mercury, projetado especificamente para desenvolvimento de software. O Mercury já foi integrado a ferramentas de desenvolvimento, incluindo ProxyAI, Buildglare e Kilo Code. A empresa destaca que sua abordagem baseada em difusão permite taxas de tokens por segundo mais altas, citando resultados de benchmark de "mais de 1.000 tokens por segundo", o que afirma superar as capacidades das tecnologias autoregressivas atuais.
Vantagens Estratégicas
A arquitetura de difusão permite que muitas operações sejam processadas simultaneamente, melhorando a parallelismo e potencialmente reduzindo a latência para tarefas complexas. Ermon enfatiza que essa parallelismo se traduz em tempos de resposta mais rápidos e redução de despesas de computação, posicionando os modelos da Inception como uma alternativa rentável para empresas e desenvolvedores que buscam soluções de IA de alto desempenho.