Everpure, la antigua Pure Storage, ha anunciado nuevas funciones para que las empresas lleven la IA de las pruebas a producción: acceso de los agentes a su catálogo de datos mediante MCP, una aceleración de la inferencia en FlashBlade que según la compañía reduce hasta 20 veces el tiempo hasta el primer token y una compresión continua de datos. El anuncio se hizo el 30/09/2026 en Londres y las novedades estarán disponibles durante este mes de octubre. El comunicado no incluye precios.
Las claves de las novedades de Everpure para la IA en producción en 30 segundos
- Everpure Data Intelligence se integra con MCP para que los agentes consulten el catálogo de datos en lenguaje natural.
- PureKVA precarga contexto en la memoria de la GPU desde FlashBlade.
- La compañía habla de hasta 20 veces menos tiempo hasta el primer token, sin detallar pruebas.
- DeepReduce comprime datos de forma continua en FlashBlade.
- Una arquitectura de referencia con modelos abiertos busca reducir el gasto en tokens de proveedores externos.
Las novedades desarrollan la idea de «Data Primacy» que Everpure presentó en junio en su conferencia Pure//Accelerate: que los datos, y no las aplicaciones, sean el eje de la arquitectura empresarial en la era de la IA. La compañía identifica tres frenos para llevar la IA a producción: el contexto fragmentado, los costes de inferencia imprevisibles y unos despliegues lentos y complejos. Es la misma línea que ya explicamos al hablar de cómo Everpure quiere que la IA deje de tropezar con datos empresariales sin contexto.
Datos con contexto para los agentes
La primera parte del anuncio se centra en Everpure Data Intelligence, la capa que descubre, clasifica y contextualiza la información de la empresa en su origen, tanto en la plataforma de Everpure como en nubes públicas, aplicaciones SaaS y almacenamiento de otros fabricantes. Es un área que la compañía reforzó con la compra de 1touch, anunciada cuando Pure Storage pasó a llamarse Everpure.
Las novedades son tres. La primera es una integración nativa con el Model Context Protocol (MCP), el estándar abierto que permite a los agentes de IA conectarse con herramientas y fuentes de datos: así, agentes y herramientas de seguridad pueden consultar el catálogo de datos en lenguaje natural y conocer la sensibilidad de cada dato antes de usarlo. La segunda es un despliegue simplificado desde la consola Pure1, sin servidores de gestión aparte ni proyectos de servicios profesionales. La tercera es un análisis de ficheros que muestra quién puede acceder a cada recurso compartido y cuánto tiempo lleva sin usarse, sin leer el contenido, para corregir permisos excesivos antes de abrirlos a los agentes.
Prakash Darji, director general de Datos y Experiencia Digital de Everpure, sostiene que la IA empresarial no se está atascando por falta de buenos modelos, sino porque los datos no están preparados para agentes autónomos que trabajan en tiempo real, y que el objetivo es que estén gobernados, automatizados y accesibles al instante.
Inferencia más rápida y menos almacenamiento
La segunda parte del anuncio apunta al rendimiento y al coste. PureKVA (Key-Value Accelerator) permite que los sistemas FlashBlade precarguen el contexto directamente en la memoria de la GPU. En los modelos de lenguaje, la caché de claves y valores (KV cache) guarda cálculos ya hechos sobre el contexto, y servirla desde el almacenamiento evita repetirlos. Everpure asegura que así se consigue hasta 20 veces menos tiempo hasta el primer token (TTFT), con soporte multiinquilino y sin mover los datos. Es una cifra máxima del fabricante: el comunicado no detalla en qué modelos, tamaños de contexto ni configuraciones se ha medido, y advierte de que los resultados pueden variar según el entorno.
DeepReduce, por su parte, es una compresión siempre activa que analiza los bloques de almacenamiento en FlashBlade para encontrar similitudes que la deduplicación tradicional no detecta, incluso en contenido ya comprimido. Según la compañía, amplía la capacidad útil sin afectar al rendimiento de escritura ni requerir programación manual, aunque no cuantifica el ahorro. Completa el paquete una arquitectura de referencia para optimizar el consumo de tokens con modelos de pesos abiertos, pensada para que las empresas mantengan el control de sus datos y reduzcan lo que pagan a proveedores externos de modelos.
Qué falta por saber
El propio comunicado incluye una cláusula habitual en los anuncios de producto: el calendario y las funciones quedan a discreción de Everpure y las métricas de rendimiento son informativas, no un compromiso. Las funciones están anunciadas para octubre, pero no hay precios, ni información sobre si las nuevas capacidades requieren licencias adicionales, ni pruebas publicadas que respalden la cifra de PureKVA o el ahorro de DeepReduce.
La apuesta encaja con una tendencia clara del sector. Los fabricantes de almacenamiento intentan acercar el cómputo de IA a los datos y aprovechar el almacenamiento para aliviar la memoria de las GPU, uno de los componentes más caros y escasos de la infraestructura actual. El valor real de estas funciones dependerá de las pruebas independientes y de la experiencia de los primeros clientes en producción.
Preguntas frecuentes
¿Qué es PureKVA?
Es la función de Everpure FlashBlade que precarga el contexto de los modelos de lenguaje en la memoria de la GPU. Según la compañía, reduce hasta 20 veces el tiempo hasta el primer token.
¿Para qué sirve la integración MCP de Everpure?
Permite que agentes de IA y herramientas de seguridad consulten en lenguaje natural el catálogo de datos de Everpure Data Intelligence y conozcan la sensibilidad de cada dato.
¿Cuándo estarán disponibles las novedades?
Everpure las anuncia para octubre de 2026, aunque el comunicado aclara que el calendario queda a discreción de la compañía.
¿Everpure es Pure Storage?
Sí. Pure Storage cambió su nombre a Everpure en 2026 y cotiza en la Bolsa de Nueva York con el símbolo P.
Fuentes:
