Surge AI reseña, precios y veredicto

Última actualización: 2026-10-16

Las opiniones describen a Surge AI como una empresa de anotación humana y datos RLHF. Suministra datos de entrenamiento etiquetados por expertos, evaluaciones y entornos de RL a laboratorios de IA, y Anthropic, OpenAI y Google figuran entre sus clientes declarados. Su red de expertos reúne, según la empresa, a más de 200 000 doctores en más de 500 disciplinas y más de 80 idiomas. Eso la distingue de plataformas de etiquetado masivo como Appen. Creó GSM8K, el benchmark de matemáticas de OpenAI.

Acerca de Surge AI

Surge AI es una plataforma de etiquetado de datos por humanos y de RLHF. La fundó Edwin Chen en San Francisco en 2020. Suministra datos de entrenamiento anotados por expertos y servicios de aprendizaje por refuerzo con retroalimentación humana a los grandes laboratorios de IA: Anthropic, OpenAI, Google, Meta, Microsoft y Amazon. Sus clientes con nombre se concentran en los mayores laboratorios estadounidenses. Quedan fuera otros laboratorios de frontera, como Mistral AI, xAI y Cohere.

Sin inversión externa, Surge llegó en 2024 a $1,2 mil millones de ingresos anuales con menos de 110 empleados. Pocas empresas sin financiación han alcanzado esa cifra tan rápido.

El sitio de Surge presenta hoy su trabajo como un conjunto de productos. Incluye entornos y agentes de aprendizaje por refuerzo, rúbricas y verificadores, datos de preferencias para RLHF, demostraciones para ajuste supervisado (SFT), evaluación humana, datos multimodales y multilingües, y un catálogo Off-the-Shelf de conjuntos de datos ya listos. Desde que lanzó su programa Enterprise también trabaja con empresas ajenas a los laboratorios de frontera. Les ofrece programas de evaluar, mejorar y entrenar sobre sus propios flujos de trabajo, y promete resultados piloto en una semana. Quien automatiza su flujo puede usar el cliente de Python surge-api, cuyo código mantiene Surge en GitHub.

Según su propio recuento, la red de expertos reúne a más de 200 000 doctores, más de 500 disciplinas y más de 80 idiomas. Sus miembros suman más de 30 000 publicaciones. La página Off-the-Shelf indica que los socios del Trusted Program pueden entrenar primero y pagar si funciona. También cuenta que Kimi K2.7 pasó de 5,0 % a 25,0 % en SWE-Marathon tras entrenar con su conjunto de datos de código (resultado informado por el proveedor, sin réplica independiente).

Surge se centra en el escalón más difícil del RLHF: ordenar preferencias, red-teaming, entrenar modelos de recompensa y anotar seguridad en modelos de lenguaje grandes. Creó GSM8K, el benchmark de razonamiento matemático de 8500 preguntas por el que OpenAI pagó $1,2 millones. En 2026 se asoció con Meta Superintelligence Labs en AdvancedIF, un benchmark de seguimiento de instrucciones con 1600 prompts y rúbricas escritas por expertos. El estudio halló que los modelos de frontera fallan entre 22 y 30 % de las tareas complejas de seguimiento de instrucciones.

Esa apuesta por anotadores expertos, y no por trabajadores genéricos de multitud, la distingue de plataformas de volumen como Appen. También la sitúa junto a pares de infraestructura de datos como Hugging Face y Databricks, dentro de la categoría de ciencia de datos y aprendizaje automático de HokAI. Sus clientes lanzan familias de modelos muy usadas: Claude Opus 5 y Claude Sonnet 5 de Anthropic, y GPT-5 de OpenAI. Todas dependen del RLHF a gran escala para alinearse y seguir instrucciones.

En septiembre de 2026, Surge sigue siendo totalmente independiente y no ha cerrado ninguna ronda de financiación. Unas conversaciones iniciadas en julio de 2025 la valoran, según Bloomberg, entre $15B y $25B. El esquema incluiría capital nuevo y la venta secundaria de acciones existentes.

Precios

Solo precio empresarial a medida. No hay niveles públicos, plan gratuito ni registro por cuenta propia. El precio depende de la complejidad de la tarea, la experiencia exigida, los idiomas, la velocidad de anotación y el volumen. El catálogo Off-the-Shelf se pide por correo, en condiciones que Surge no publica.

Para pedir un presupuesto, contacta con ventas en surgehq.ai. Si prefieres una tarifa por experto en vez de un contrato gestionado por etiqueta, Mercor ofrece una alternativa basada en un mercado de expertos.

Funciones principales

• Soporte para flujos completos de RLHF: Ejecuta flujos de RLHF completos: ordenación de preferencias, recopilación de datos de demostración y entrenamiento de modelos de recompensa para laboratorios de modelos fundacionales que crean asistentes conversacionales.
• Asignación de anotadores expertos: Los ingenieros indican los perfiles que necesitan, por ejemplo juristas nativos de español o matemáticos de nivel doctoral. Surge los asigna dentro de una gran red global de anotadores verificados, repartida en decenas de idiomas y disciplinas académicas.
• Control de calidad en tiempo real: Los paneles siguen de forma continua la precisión frente a respuestas de referencia, el acuerdo entre anotadores y la puntuación de confianza de cada trabajador. Las etiquetas de baja calidad se reasignan automáticamente a trabajadores mejor valorados.
• SDK de Python y API REST: La biblioteca surge-api de Python (pip install surge-api) sirve para crear proyectos, subir tareas en bloque desde CSV y recuperar resultados por programa. También integra la anotación en los flujos de entrenamiento de ML.
• Anotación de seguridad y red-teaming: Cubre flujos de evaluación de seguridad: filtrado de toxicidad, etiquetado de contenido dañino y generación de datos adversarios de red-teaming para el entrenamiento de seguridad de modelos de lenguaje grandes.
• Investigación en seguimiento de instrucciones: Junto con Meta Superintelligence Labs, Surge creó AdvancedIF, un estudio basado en rúbricas. Concluyó que los modelos de frontera fallan entre 22 y 30 % de las pruebas complejas de seguimiento de instrucciones. Usar las rúbricas como señal de recompensa en el aprendizaje por refuerzo mejora la precisión en 13 %.
• Conjuntos de datos y entornos de RL Off-the-Shelf: Datos de entrenamiento, evaluaciones y entornos de RL ya listos para agentes de código, agentes empresariales, razonamiento experto y multimodal, disponibles al pedir el catálogo. Surge informa de mejoras como la de Kimi K2.7, que pasó de 19,6 % a 35,9 % en GDPval tras entrenar con su conjunto de datos de agentes empresariales.
• Programas Enterprise de evaluar, mejorar y entrenar: Las empresas pueden encargar evaluaciones a medida, un diagnóstico de lo que limita a su sistema de IA y un programa de entrenamiento. Este se basa en demostraciones de expertos, datos de preferencias y entornos de RL. Surge promete resultados piloto en una semana desde que recibe las tareas.

Ventajas

• Probado a escala de laboratorio de frontera. Anthropic, OpenAI, Google y Meta pasan por Surge sus tareas de RLHF más exigentes, lo que la hace la opción mejor validada para datos de entrenamiento de nivel productivo.
• Su red de anotadores abarca decenas de idiomas y especialistas de nivel doctoral, con una calidad que las plataformas genéricas de multitud, como Mechanical Turk, no igualan.
• Vende conjuntos de datos y entornos de RL ya listos además de programas a medida. Así, un equipo puede contrastar los datos con un benchmark público antes de contratar un proyecto completo. Surge informa de mejoras de 7,1 a 20,0 puntos en varios benchmarks (cifras del proveedor).
• Creció hasta la escala de un laboratorio de frontera con capital propio y sin capital riesgo. Los analistas lo citan como señal de disciplina operativa, frente a la presión de crecimiento que imponen los inversores.

Desventajas

• No hay precios públicos: todas las cotizaciones son acuerdos empresariales a medida, y sin pasar por un proceso comercial completo es imposible comparar el presupuesto con Mercor o Labelbox.
• No hay prueba gratuita ni nivel de autoservicio. Los equipos no pueden probar la plataforma por su cuenta y el alta exige hablar con ventas, lo que suma semanas al ciclo de compra.
• La selección estricta de anotadores puede limitar la cobertura de dominios muy específicos o de idiomas poco representados, frente a plataformas de etiquetado masivo como Appen.
• El vínculo de Scale AI con Meta llevó a algunos clientes hacia Surge. Ahora Surge afronta una duda parecida sobre la dependencia de un proveedor, a medida que avanzan las conversaciones sobre su valoración.

Visita el sitio web oficial de Surge AI