✨︎ Resumen (TL;DR):
- Graphon Labs captó 35 millones de dólares en una ronda Serie A encabezada por RRE Ventures.
- La ronda elevó su financiación acumulada a 43.3 millones de dólares, después de una ronda semilla de 8.3 millones.
- Su sistema busca recuperar datos de documentos, imágenes y videos con sus relaciones, fuentes y cambios en el tiempo; en LoCoMo reportó 93.9% de precisión y 58% menos tokens frente a cargar toda una conversación.
Graphon Labs anunció el 10 de noviembre de 2026 una ronda Serie A de 35 millones de dólares, encabezada por RRE Ventures, para desarrollar una memoria que permita a los agentes de IA recuperar información de documentos, imágenes y videos junto con las relaciones entre esos datos, sus fuentes y los cambios ocurridos con el tiempo.
La startup tiene 20 empleados y planea destinar el dinero principalmente a contratar ingenieros e investigadores, además de personal de ventas, informó Business Insider. Su fundador y director ejecutivo, Arbaaz Khan, dijo al medio que Graphon seguirá concentrada en clientes corporativos antes de ampliar su trabajo a dispositivos personales y productos de consumo.
En la ronda también participaron HP, Energy Impact Partners, Hitachi Ventures y Gaia VC. El anuncio elevó la financiación acumulada de Graphon a 43.3 millones de dólares, después de una ronda semilla de 8.3 millones.
El reto es conservar el contexto entre archivos
Un agente puede consultar información externa para responder una pregunta, pero encontrar un fragmento relevante no asegura que incluya todas las condiciones necesarias. Khan pone como ejemplo una política de devoluciones: una búsqueda puede recuperar la regla general y dejar fuera una excepción ubicada en otro fragmento.
Grafo es una estructura de datos que representa datos y sus relaciones. En la propuesta de la startup, graphon es una representación comprimida de ese grafo que orienta la búsqueda hacia las conexiones pertinentes sin recorrer toda la estructura.
Graphon plantea aplicar el método a archivos de distintos formatos. Una explicación grabada en video podría vincularse con un documento que contenga información complementaria. La empresa también busca conservar la referencia a la fuente y el momento en que cambió la información.
El uso de grafos para recuperar contexto tiene antecedentes. Microsoft Research describe GraphRAG como una técnica que combina extracción de texto y análisis de redes para consultar conjuntos de documentos. En la arquitectura de Graphon, la representación comprimida orientaría la búsqueda sobre una estructura que también conecta videos, imágenes y otros archivos.
Las pruebas de memoria tienen un alcance concreto
En su comunicado, Graphon informó una precisión de 93.9% en LoCoMo, una prueba de memoria sobre conversaciones largas. La compañía comparó su uso de tokens, las unidades en que se divide el texto para procesarlo, con cargar la conversación completa en el modelo y reportó una reducción de 58%.
La publicación técnica de Khan muestra una precisión de 94.0% para LoCoMo. Las dos publicaciones no explican el motivo de la diferencia entre las cifras. Ambos resultados son mediciones comunicadas por Graphon para esa prueba específica, no una garantía de precisión para cualquier otra tarea.
La reducción de tokens también tiene un alcance concreto: la comparación anunciada es con cargar toda la conversación. Ese porcentaje, por sí mismo, no indica cuánto costará indexar y consultar los archivos de una organización ni demuestra que una respuesta vaya a ser correcta.
Primeros usos empresariales y plan para dispositivos
Graphon menciona a los San Francisco 49ers y a Hitachi entre las organizaciones con las que trabaja. Las declaraciones incluidas en el comunicado describen etapas distintas: el equipo de fútbol americano explora posibles aplicaciones, como buscar oportunidades de patrocinio, mientras que Hitachi Rail evalúa la propuesta con sus datos industriales y describe esa evaluación como prometedora.
El comunicado no ofrece cifras sobre resultados con los datos propios de los 49ers o Hitachi Rail. Las mediciones de precisión difundidas por Graphon corresponden a pruebas de memoria, no a esos primeros usos empresariales.
Graphon ofrece opciones para empresas y desarrolladores, además de una propuesta de memoria para teléfonos, computadoras y otros dispositivos. Khan sitúa esa expansión de consumo después del enfoque empresarial actual, pero el anuncio no fija una fecha.
En octubre, Scuba anunció financiación para una memoria compartida entre equipos y agentes, con permisos para controlar qué información se comparte.
Por ahora, las cifras de precisión divulgadas por Graphon corresponden a LoCoMo; los primeros usos con los 49ers e Hitachi Rail no tienen métricas propias publicadas. La expansión a teléfonos, computadoras y productos de consumo sigue sin fecha, mientras la empresa mantiene su prioridad en clientes corporativos.
