Databricks MosaicML es la división de IA generativa de Databricks, una empresa estadounidense de software de datos e inteligencia artificial con sede en San Francisco, California. Se originó a partir de MosaicML, una startup fundada en 2021 que desarrolló una plataforma para entrenar, ajustar y desplegar modelos de lenguaje de gran tamaño (LLM) y otros modelos de aprendizaje profundo. Databricks adquirió MosaicML en junio de 2023 por 1400 millones de dólares, integrando su tecnología en la Plataforma de Inteligencia de Datos de Databricks para proporcionar a los clientes herramientas para construir modelos generativos personalizados con sus propios datos.
La plataforma MosaicML es conocida por su énfasis en la eficiencia y la reducción de costes en el entrenamiento de grandes redes neuronales. Incluye la biblioteca MosaicML Composer, que implementa técnicas como el aprendizaje curricular, la poda de gradientes y la normalización de capas para acelerar el entrenamiento, y MosaicML LLM Foundry, un conjunto de herramientas para entrenar, ajustar y servir LLM. Tras la adquisición, Databricks renombró estas ofertas bajo el nombre de Databricks MosaicML, posicionándolas como un componente central de su infraestructura de IA gestionada.
Historia
MosaicML fue fundada en 2021 por Naveen Rao, Hanlin Tang y Jonathan Frankle. Rao cofundó anteriormente Nervana Systems, una startup de hardware de aprendizaje profundo adquirida por Intel en 2016. La empresa tenía como objetivo democratizar el entrenamiento de modelos a gran escala, haciéndolo más accesible y asequible para las empresas. En octubre de 2021, MosaicML recaudó 37 millones de dólares en una ronda de financiación Serie A liderada por Addition, con la participación de Future Ventures y otros inversores.
En 2022, MosaicML lanzó la biblioteca MosaicML Composer, que introdujo un conjunto de métodos de entrenamiento capaces de reducir el coste del entrenamiento de modelos de aprendizaje profundo hasta en un 50 %. La empresa también presentó MosaicML Cloud, un servicio gestionado para entrenar y desplegar modelos en infraestructura en la nube. A principios de 2023, MosaicML había ganado atención por sus modelos de código abierto, incluido MPT-7B, un LLM basado en transformadores con 7000 millones de parámetros lanzado en mayo de 2023. MPT-7B destacó por su rendimiento competitivo frente a modelos más grandes como LLaMA-7B, y fue entrenado con un conjunto de datos de 1 billón de tokens.
En junio de 2023, Databricks anunció su intención de adquirir MosaicML por 1400 millones de dólares. La adquisición se completó en julio de 2023, y MosaicML se convirtió en una subsidiaria de propiedad total de Databricks. El acuerdo formaba parte de la estrategia de Databricks para integrar capacidades de IA generativa en su arquitectura de lakehouse, que combina elementos de almacenes de datos y lagos de datos. La adquisición también incorporó al equipo de investigadores e ingenieros de MosaicML a Databricks, incluido su CEO, Naveen Rao, quien se convirtió en vicepresidente de Databricks.
Tras la adquisición, Databricks continuó desarrollando y lanzando modelos bajo la marca MosaicML. En julio de 2023, la empresa publicó MPT-30B, un modelo de 30 000 millones de parámetros, y más tarde ese año presentó las variantes MPT-7B-Instruct y MPT-30B-Instruct, ajustadas para seguir instrucciones. En noviembre de 2023, Databricks lanzó DBRX, un modelo de mezcla de expertos (MoE) con 132 000 millones de parámetros, entrenado utilizando la plataforma MosaicML. DBRX fue diseñado para competir con modelos de OpenAI, Anthropic y Google DeepMind, y demostró un sólido rendimiento en puntos de referencia como MMLU y HellaSwag.
Tecnología y plataforma
La plataforma Databricks MosaicML se basa en el concepto de permitir a las empresas entrenar y desplegar LLM con sus propios datos, abordando las preocupaciones sobre la privacidad y la seguridad de los datos. Proporciona un conjunto de herramientas que se integran con la arquitectura de lakehouse de Databricks, permitiendo a los clientes utilizar sus datos existentes almacenados en Delta Lake, un proyecto de código abierto que añade soporte para transacciones ACID a los lagos de datos.
Los componentes clave de la plataforma incluyen:
- MosaicML Composer: Una biblioteca de código abierto que implementa una variedad de técnicas de entrenamiento, incluido el aprendizaje curricular, la poda de gradientes y la normalización de capas, para mejorar la eficiencia del entrenamiento y la calidad del modelo.
- MosaicML LLM Foundry: Un conjunto de herramientas para entrenar, ajustar y servir LLM, con soporte para arquitecturas populares como la de transformadores y para el entrenamiento distribuido en múltiples GPU.
- MosaicML Inference: Un servicio para desplegar modelos en producción, que ofrece inferencia de baja latencia con soporte para procesamiento por lotes y cuantización.
Estas herramientas están diseñadas para funcionar con los principales proveedores de la nube, incluidos Amazon Web Services, Microsoft Azure y Google Cloud Platform. Databricks MosaicML también admite el uso de hardware especializado, como los chips AWS Trainium y los procesadores de Intel, para reducir los costes de entrenamiento.
Modelos e investigación
Databricks MosaicML ha publicado varios modelos de código abierto que han contribuido al campo de la IA generativa. La serie MPT (Mosaic Pretrained Transformer) incluye modelos que van desde 7000 millones hasta 30 000 millones de parámetros, todos basados en la arquitectura de transformadores. Estos modelos fueron entrenados con grandes corpus de texto y se han utilizado para tareas como generación de texto, resumen y respuesta a preguntas.
En 2024, Databricks MosaicML presentó DBRX, un modelo MoE de 132 000 millones de parámetros que utiliza un patrón de activación dispersa para lograr un alto rendimiento con un menor coste computacional. DBRX fue entrenado utilizando la plataforma MosaicML y se publicó bajo una licencia de código abierto, permitiendo a investigadores y desarrolladores utilizarlo libremente.
El equipo de investigación de Databricks MosaicML también ha publicado artículos sobre temas como métodos de entrenamiento eficientes, compresión de modelos y el impacto de la calidad de los datos en el rendimiento de los modelos. Han colaborado con instituciones académicas, incluida la Universidad de California, Berkeley, y la Universidad Carnegie Mellon, para avanzar en el estado del arte del aprendizaje profundo.
Integración con la plataforma Databricks
Databricks MosaicML está integrado en la plataforma más amplia de Inteligencia de Datos de Databricks, que incluye la base de datos Lakebase para agentes de IA, Lakeflow Designer para construir canalizaciones de datos y Agent Bricks para desarrollar agentes de IA. La integración permite a los clientes utilizar las capacidades de entrenamiento e inferencia de MosaicML directamente dentro de su espacio de trabajo de Databricks, con los datos almacenados en el lakehouse.
Uno de los beneficios clave de esta integración es la capacidad de ajustar LLM con datos propietarios sin necesidad de mover los datos a servicios externos. Esto es particularmente importante para industrias con estrictos requisitos de gobernanza de datos, como la sanidad y las finanzas. Databricks MosaicML también admite el despliegue de modelos para inferencia en tiempo real, lo que permite aplicaciones como chatbots y asistentes virtuales.
En 2025, Databricks amplió sus ofertas de IA generativa asociándose con OpenAI y Anthropic para incorporar sus modelos a la plataforma. Sin embargo, Databricks MosaicML sigue siendo una oferta diferenciada para los clientes que prefieren entrenar y controlar sus propios modelos.
Negocio y posición en el mercado
Databricks MosaicML compite con otros proveedores de infraestructura de IA, incluidos Amazon Web Services (con sus ofertas SageMaker y Trainium), Google Cloud (con Vertex AI) y Microsoft Azure (con Azure Machine Learning). También compite con startups como AI21 Labs y Inflection AI, que ofrecen modelos propietarios y API.
La adquisición de MosaicML fue parte de la estrategia más amplia de Databricks para convertirse en un proveedor líder de infraestructura de IA. Databricks ha reportado un fuerte crecimiento de ingresos, con 1600 millones de dólares en el año fiscal 2023. La empresa también ha recaudado financiación significativa, incluida una ronda de 10 000 millones de dólares en diciembre de 2024 con una valoración de 62 000 millones, y una ronda Serie L de 4000 millones en diciembre de 2025 con una valoración de 134 000 millones.
Impacto y recepción
Databricks MosaicML ha sido bien recibido por la comunidad de IA por su enfoque en modelos de código abierto y entrenamiento rentable. El lanzamiento de MPT-7B y DBRX ha sido elogiado por hacer accesibles LLM de alta calidad a un público más amplio. Sin embargo, algunos críticos han señalado que los modelos pueden no igualar el rendimiento de los modelos propietarios más grandes de OpenAI o Google DeepMind, y que la plataforma requiere un nivel significativo de experiencia técnica para utilizarse de manera efectiva.
A pesar de estos desafíos, Databricks MosaicML se ha consolidado como un actor clave en el mercado de IA empresarial, con un fuerte énfasis en la privacidad de los datos y la personalización. A partir de 2026, la plataforma continúa evolucionando, con investigación en curso sobre nuevos métodos de entrenamiento y arquitecturas de modelos.