Graphon Labs captó 35 millones de dólares en una ronda Serie A para desarrollar una memoria que ayude a los agentes de inteligencia artificial a recuperar información de documentos, imágenes y videos con su contexto. La startup busca conservar las relaciones entre los datos, sus fuentes y los cambios que ocurren con el tiempo.
RRE Ventures encabezó la ronda, en la que también participaron HP, Energy Impact Partners, Hitachi Ventures y Gaia VC. La empresa anunció el 10 de noviembre de 2026 que el nuevo capital eleva su financiación acumulada a 43.3 millones de dólares, tras una ronda semilla de 8.3 millones.
Graphon 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 la empresa seguirá concentrada en clientes corporativos antes de ampliar su trabajo en dispositivos personales y productos de consumo.
Cómo busca conectar los archivos
Un agente puede consultar información externa para responder una pregunta, pero encontrar un fragmento relevante no garantiza que incluya todas las condiciones necesarias. Khan pone como ejemplo una política de devoluciones: una búsqueda podría recuperar la regla general y dejar fuera una excepción situada en otro fragmento.
La propuesta de Graphon consiste en construir un grafo, una estructura que representa datos y sus relaciones. Sobre ese grafo crea una representación comprimida llamada graphon, que, según explica Khan, ayuda a orientar la búsqueda hacia las conexiones pertinentes sin recorrer toda la estructura.
La empresa plantea aplicar ese método a archivos de distintos formatos. Una explicación grabada en video, por ejemplo, podría relacionarse con un documento que contiene información complementaria. Graphon afirma que también busca conservar la referencia a la fuente y el momento en que cambió la información.
El uso de grafos para recuperar contexto tiene otros 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 que presenta Graphon, la representación comprimida orientaría la búsqueda sobre una estructura que también conecta videos, imágenes y otros archivos.
Qué dicen las pruebas de memoria
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 el de 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 comunicados por la empresa y corresponden a esa prueba, no a una garantía de precisión para cualquier tarea.
La reducción de tokens también tiene un alcance concreto: la comparación anunciada es con cargar toda la conversación. Ese porcentaje, por sí solo, no indica cuánto costará indexar y consultar los archivos de una organización ni demuestra que una respuesta vaya a ser correcta.
Primeros usos y planes 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 la búsqueda de oportunidades de patrocinio, mientras que Hitachi Rail habla de una evaluación que considera prometedora para sus datos industriales.
La compañía presenta opciones para empresas y desarrolladores, así como una propuesta de memoria para teléfonos, computadoras y otros dispositivos. Khan sitúa esa expansión de consumo después del enfoque empresarial actual; el anuncio no fija una fecha para su llegada.
La idea de conservar contexto entre herramientas también aparece en otras propuestas. En octubre, Scuba anunció financiación para una memoria compartida entre equipos y agentes, con permisos para controlar qué información se comparte.
Patricia Rodriguez
En el comunicado, los 49ers e Hitachi Rail no ofrecen cifras sobre resultados con sus propios datos. Las mediciones de precisión que difundió Graphon corresponden a pruebas de memoria.
