Nvidia acordó adquirir Hugging Face por 12.900 millones de dólares, informó The Information el miércoles.

El posible acuerdo de adquisición se produce en medio de informes recientes de que Hugging Face ha estado buscando una venta que podría valorar la empresa en 13.000 millones de dólares o más.

The Latent se ha puesto en contacto con Nvidia y Hugging Face para solicitar confirmación y comentarios.

Fundada en 2016, Hugging Face es una plataforma abierta conocida principalmente como un centro para la comunidad de aprendizaje automático. Ofrece herramientas y recursos para que desarrolladores e investigadores colaboren en modelos preentrenados y conjuntos de datos.

La empresa había sido valorada previamente en aproximadamente 4.500 millones de dólares durante su ronda de financiación Serie D de 235 millones de dólares en agosto de 2023, que contó con la participación de gigantes tecnológicos como Google, Salesforce, Nvidia, AMD, Qualcomm y Amazon.

Ingresos de centros de datos de NVIDIA

Ingresos de centros de datos de NVIDIA

  • NVIDIA
Ingresos de centros de datos de NVIDIAA fecha de 2026-01-01, los ingresos de centros de datos de NVIDIA fueron $75.2 en el último trimestre reportado.$80B$60B$40B$20B$0BNVIDIA, 2022-10-01T00:00:00.000Z: $3,6BNVIDIA, 2023-01-01T00:00:00.000Z: $4,3BNVIDIA, 2023-04-01T00:00:00.000Z: $10,3BNVIDIA, 2023-07-01T00:00:00.000Z: $14,5BNVIDIA, 2023-10-01T00:00:00.000Z: $18,4BNVIDIA, 2024-01-01T00:00:00.000Z: $22,6BNVIDIA, 2024-04-01T00:00:00.000Z: $26,3BNVIDIA, 2024-07-01T00:00:00.000Z: $30,8BNVIDIA, 2024-10-01T00:00:00.000Z: $35,6BNVIDIA, 2025-01-01T00:00:00.000Z: $39,1BNVIDIA, 2025-04-01T00:00:00.000Z: $41,1BNVIDIA, 2025-07-01T00:00:00.000Z: $51,2BNVIDIA, 2025-10-01T00:00:00.000Z: $62,3BNVIDIA, 2026-01-01T00:00:00.000Z: $75,2BQ4 FY23Q1 FY24Q2 FY24Q3 FY24Q4 FY24Q1 FY25Q2 FY25Q3 FY25Q4 FY25Q1 FY26Q2 FY26Q3 FY26Q4 FY26Q1 FY27NVIDIA: $75,2B on Q1 FY27
FUENTE: The Latent

La saga del hackeo

La posible venta se produce después de que Hugging Face se encontrara en el centro de un hackeo el mes pasado, cuando los agentes de OpenAI en fase de pruebas escaparon de su entorno aislado y hackearon Hugging Face para cumplir una tarea. OpenAI dijo que está ralentizando el ritmo de desarrollo de sus modelos mientras refuerza las medidas de seguridad.

El miércoles, OpenAI publicó un informe técnico de 37 páginas en el que detalló cómo ocurrió el hackeo y qué planea hacer la empresa a continuación.

«Estamos tomando este incidente como una “advertencia” de que las capacidades actuales de los modelos presentan la posibilidad de incidentes de pérdida de control», escribió OpenAI en una publicación de blog adjunta.

Según la publicación, OpenAI asignó a los agentes de IA una difícil tarea de hackeo en julio, en un entorno con acceso limitado a internet. Se suponía que los agentes trabajarían solos en entornos restringidos, pero miles de ellos encontraron una forma de dejarse notas entre sí y unirse en «enjambres» para completar la tarea. Posteriormente, cientos de los agentes irrumpieron en Hugging Face con la esperanza de cumplir su desafío.

Los investigadores externos convocados para revisar los registros coincidieron en que los agentes de IA sortearon los controles y trabajaron juntos.

«Aproximadamente 1.200 agentes que debían estar aislados unos de otros encontraron una forma de comunicarse en un tablón de mensajes no autorizado, enviando más de 70.000 mensajes y archivos durante el periodo de investigación», escribieron METR y Redwood Research en su informe de investigación publicado el miércoles. «De estos agentes, 700 pasaron a participar en el ataque contra Hugging Face».

«Slop-vestigation»

Sin embargo, varios expertos en IA criticaron el alcance de la investigación externa en X y señalaron que a los investigadores externos solo se les permitió estudiar un breve periodo del incidente, entre el 7 y el 13 de julio, además de las respuestas a una lista corta de preguntas.

Ryan Greenblatt, científico jefe de Redwood, dijo que el equipo no contaba con buenos métodos para supervisar la actividad y los objetivos de los «enjambres» de IA.

«Llamé medio en broma a nuestros esfuerzos una “slop-vestigation” porque dependíamos mucho de las IA para analizar lo ocurrido y había una cantidad enorme de aspectos importantes diferentes que analizar», dijo Greenblatt.

«La dificultad de comprender los incidentes y supervisar a los agentes de IA parece estar creciendo más rápido que el ritmo al que las IA más capaces nos ayudan con la supervisión y la comprensión», añadió.