Modal vira decacórnio: US$1B em ARR com sandboxes

Por que todo agente agora precisa de um milhão de sandboxes

Infraestrutura para agentes de IA deixou de ser um detalhe de engenharia e virou o centro da conta. A Modal acaba de cruzar US$1B em ARR e levantar uma Series D de US$16B, se tornando o novo decacórnio de infraestrutura de IA de Nova York. O número que mais importa aqui não é o valuation, e sim o ritmo: uso 3x e valuation 3x em cinco meses, 15x em um ano. Quando uma empresa de infra cresce assim, geralmente significa que ela encostou em um gargalo real do mercado. Nesse caso, o gargalo tem nome e sobrenome: execução de código gerado por modelos em escala.

Quem opera agentes em produção conhece bem essa dor. Um agente não é só uma chamada de API para um modelo grande. Ele escreve código, testa, quebra, tenta de novo, navega em repositórios, instala dependências, roda ferramentas, faz preview de app, treina um pequeno adaptador ou roda um job de reinforcement learning. Tudo isso precisa acontecer em algum lugar isolado, rápido e barato. Se cada tentativa demora 20 segundos para subir uma máquina, o agente parece burro e caro. Se cada tentativa custa caro, você não consegue iterar. A Modal entendeu isso cedo e agora está colhendo o resultado.

O fato sem enfeite

A Modal saiu da categoria de unicórnio de infra para decacórnio de infra. O marco é duplo: US$1B em receita recorrente anualizada e uma captação Series D que avalia a empresa em US$16B. O crescimento foi puxado por demanda de sandboxes para agentes, plataformas de vibe coding, agentes de background, pesquisa e workloads de reinforcement learning. Em termos práticos, a empresa diz ter girado perto de 3 bilhões de sandboxes, com pico de um milhão de concorrentes. É um volume que pouca nuvem tradicional foi desenhada para entregar com a latência que agentes exigem.

O detalhe mais revelador está dentro do próprio ARR. Só o produto de Sandboxes, lançado em 2023 quando a equipe percebeu que as pessoas estavam usando LLMs para gerar código, já responde por cerca de US$300M em run rate. Ou seja, quase um terço da receita vem de um produto que nasceu como observação de comportamento de usuário, não como aposta teórica. Isso inclui casos como agentes autônomos rodando em background, plataformas que criam ambientes por prompt, pipelines de avaliação de modelos e treinamento com execução verificável. O resto vem de computação para treinamento e inferência, incluindo clusters elásticos e otimização de serving.

Como funciona na visão de quem opera

Pense na Modal como uma camada de execução serverless especializada em IA, não como uma nuvem genérica. O fluxo típico é simples na API e complexo por baixo: você chama uma função, define imagem, GPU, memória e timeout, e a plataforma sobe um container isolado em segundos, executa e desliga. Para sandboxes de agentes, o requisito muda um pouco. Você precisa de boot frio abaixo de um segundo, isolamento forte entre execuções não confiáveis, filesystem efêmero, rede controlada e observabilidade por execução. Provavelmente há um runtime próprio de sandbox, com snapshot de imagem, copy on write e escalonador que empacota milhares de execuções curtas por host.

Na parte de treinamento, o CTO Akshat falou em lançar clusters RDMA de forma segura e elástica para treinamento distribuído, além de treinar especuladores de ponta para inferência. Traduzindo para operador: RDMA é sobre reduzir latência de comunicação entre GPUs, essencial para não desperdiçar hora de H100 ou B200 esperando sincronização. Especuladores são modelos pequenos que tentam adivinhar os próximos tokens para o modelo grande apenas verificar, o que aumenta throughput sem perder qualidade. Se a Modal realmente entrega RDMA elástico sob demanda e speculative decoding ajustado por workload, ela ataca as duas pontas do custo de IA: treinar mais rápido e servir mais barato.

O que dá para inferir sobre custo e latência

A empresa não abriu preço médio por sandbox, mas dá para fazer conta de operador. Com US$300M de run rate só em sandboxes e bilhões de execuções, o tíquete médio por execução é necessariamente baixo, na casa de centavos ou frações de centavo. Isso só fecha se o overhead por sandbox for mínimo e a densidade por máquina for altíssima, com reaproveitamento agressivo de hosts aquecidos e desligamento imediato. Minha leitura é que a margem está em empacotamento e velocidade, não em revender GPU cara por hora. Para inferência e treinamento, o jogo é outro: é arbitragem de capacidade, reserva de clusters e otimização de kernels. Quem consegue manter GPU ocupada perto de 90 por cento enquanto o cliente paga por uso elástico ganha o spread.

Para quem constrói, o ponto de latência é ainda mais crítico que preço. Um agente que faz 40 chamadas de ferramenta por tarefa não tolera cold start de 10 segundos. Se cada sandbox sobe em 500ms a 1s, o tempo total da tarefa cai de minutos para segundos. Isso muda taxa de conclusão, muda retenção e muda custo de tokens, porque o modelo passa menos tempo esperando e gerando retries. É por isso que plataformas de vibe coding e coding agents migraram rápido. Não é só hype de agentes, é que sem sandbox rápido o produto simplesmente não funciona.

O que isso muda na prática

Quem ganha agora são times que tratam execução como produto, não como DevOps. Se você roda agentes com ferramentas de código, geração de UI, análise de dados ou automação de browser, você precisa de isolamento por execução, limite de tempo e custo por tarefa bem medido. Quem perde são abordagens artesanais baseadas em VM fixa por cliente ou em containers lentos orquestrados na mão. Elas até funcionam para demo, mas quebram em concorrência, viram pesadelo de segurança e estouram conta quando o agente entra em loop.

• Meça custo por tarefa concluída, não por hora de GPU. Registre quantos sandboxes, tokens e segundos cada tipo de agente consome até entregar valor, depois defina timeout e retry budget por categoria.
• Isole toda execução gerada por modelo por padrão. Nada de rodar código do LLM no mesmo ambiente da aplicação. Use sandbox efêmero com rede restrita, sem segredos montados e com log por execução.
• Projete para boot frio rápido e fallback. Mantenha imagens mínimas, pré aqueça pools nos horários de pico e tenha fila com limite de concorrência para não derrubar margem quando mil agentes acordarem juntos.

A ação mais prática para esta semana é simples: audite quantas execuções de código seus agentes fazem hoje e onde elas rodam. A maioria dos times descobre que tem scripts rodando soltos em workers compartilhados, sem timeout claro e sem noção de custo. Mova pelo menos a execução não confiável para sandboxes efêmeros, coloque um ID de trace por execução e corte qualquer tool que permita acesso irrestrito a filesystem ou rede. Isso sozinho reduz incidente de segurança e já prepara seu sistema para escalar de cem para cem mil execuções por dia sem reescrever tudo.

Isso escala ou só move o gargalo

Aqui fica a tensão real. Triplicar uso em cinco meses é sinal de product market fit, mas também é teste de estresse para qualquer controle de capacidade. Sandboxes são maravilhosos para escalar concorrência, mas escondem dois custos novos: observabilidade e abuso. Quando você tem um milhão de execuções concorrentes, como debuga a que falhou? Como evita que um agente em loop gere 50 mil sandboxes e queime seu orçamento em uma madrugada? Como impede mineração, exfiltração ou execução de malware gerado por terceiros? A Modal resolve parte com isolamento e escalonador, mas o controle de custo e governança continua sendo problema do cliente.

Também vale questionar o valuation. US$16B sobre US$1B de ARR dá um múltiplo de 16x, alto até para infra de IA em 2026, mas não absurdo se o crescimento seguir acima de 200 por cento ao ano e com margem saudável de software sobre hardware. O risco é que parte dessa receita esteja atrelada a hype de vibe coding e a créditos de GPU repassados com margem fina. Se a demanda por agentes desacelerar ou se os hiperescaladores resolverem entregar sandbox rápido e barato dentro da própria nuvem, a Modal precisa provar que seu runtime e sua experiência de desenvolvedor valem o prêmio. Por enquanto, os números dizem que valem. A dúvida é por quanto tempo a vantagem de velocidade se mantém quando todo mundo corre para o mesmo gargalo.

Conclusão que importa para quem constrói

A Modal não virou decacórnio porque levantou bem, ela levantou bem porque virou a camada onde agentes realmente executam. Sandbox rápido, barato e isolado deixou de ser opcional e passou a definir se um produto de IA funciona em produção. Fica a pergunta para seu time: se seus agentes triplicassem de uso amanhã, sua infra aguentaria o pico sem estourar custo ou vazar segurança?