Mercor rejser 750 mio. dollars i en D-runde til en værdiansættelse på 20 mia. dollars for at udvide AI-træningen

Mercor annoncerede en D-runde på 750 millioner dollars den 10. november 2026, hvilket værdisatte AI-træningsvirksomheden til 20 milliarder dollars. Finansieringen omfattede et aktietilbud til medarbejderne og deltagelse fra NVIDIA, Salesforce, Zoom og andre investorer.

Benchmark, Felicis, Fundomo, fonde forvaltet af tilknyttede selskaber under Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group og XTX Ventures deltog også. Finansieringen skal sætte fart på infrastrukturen og forskningen inden for modelvurderinger og eftertræning, det vil sige yderligere træning af en eksisterende model, samtidig med at den skal understøtte flere miljøer, hvor agenter kan lære komplekse arbejdsgange. Mercor åbnede også kontorer i New York og London i 2026 og udvidede dermed sin tilstedeværelse ud over San Francisco for at komme tættere på virksomhedskunder og laboratorier samt rekruttere medarbejdere.

Evalueringer for virksomheder og træning med eksperter

Mercor har brugt de seneste to år på at opbygge infrastruktur til at træne og evaluere avancerede modeller på virkelige arbejdsopgaver ved hjælp af menneskelig ekspertise. Nu udvider virksomheden disse muligheder til virksomheder med evalueringer, der skal fastslå, hvad agenter kan, hvad de koster, og hvordan deres præstationer kan forbedres. I virksomhedens skræddersyede evalueringer bruges arbejdsgiverens faktiske arbejdsgange til at måle modellerne op imod virksomhedens krav og identificere, hvor yderligere træning eller øvelse i realistiske miljøer kan hjælpe.

Mercor oplyser, at virksomhedens netværk omfatter mere end fem millioner eksperter, der får betaling for at træne avancerede AI-modeller, og at der i USA findes mere end 800 forskellige erhverv med arbejdsgange, som modeller endnu ikke er blevet evalueret på. Mercors fremgangsmåde for virksomheder begynder med en velfungerende åben model, opbygger offentligt tilgængelige evalueringer og bruger eftertræning til at reducere omkostningerne, inden modeller trænes til kunderne.

Fremgangsmåden skelner mellem at vide, hvordan en opgave typisk udføres, og at vide, hvordan en bestemt arbejdsgiver løser den med sine egne systemer, politikker og kvalitetsstandarder. Mercor beskriver eftertræning som noget, der kræver en brøkdel af de ressourcer, der skal til for at træne modeller på frontlinjen. Virksomhedens arbejde med avancerede modeller og laboratorier samt med erhvervskunder bygger på det samme ekspertnetværk, de samme evalueringsmetoder og den samme infrastruktur til eftertræning, så erfaringer fra begge områder kan komme det andet til gavn.

Deeptunes rolle i træning af agenter

Tidligere i 2026 opkøbte Mercor Deeptune, en virksomhed, der udvikler miljøer til forstærkningslæring. Meddelelsen den 9. juli 2026 beskrev det planlagte opkøb og Deeptunes to års arbejde med at genskabe hundredvis af erhvervsprogrammer, fra regneark til Salesforce, til træningsmiljøer for agenter. Miljøerne giver agenter mulighed for at øve sig på professionelle arbejdsgange.

Hvert miljø består af tre dele: den software, arbejdet udføres i, opgaver, der fastlægger, hvad agenten skal udrette, og kontrolmekanismer, der afgør, om den lykkedes. Mercors eksperter udformer opgaver og kontrolmekanismer, som omsætter menneskelige vurderinger til læringssignaler. Ifølge meddelelsen fra juli måler virksomhedens APEX-system modellernes præstation på økonomisk værdifulde opgaver på tværs af tusindvis af arbejdsgange fra den virkelige verden, mens Deeptune leverer det softwarelag, der skal til for at omsætte denne ekspertise til træningsmiljøer.

Interne AI-udgifter

Mercor oplyser, at virksomheden bruger tre gange så meget på inferens, altså den computerkraft, der bruges til at køre modeller, som på medarbejderlønninger, og at denne udgift tjener sig selv ind ved at gøre medarbejderne bedre til deres arbejde.

Medstifter og administrerende direktør Brendan Foody sagde, at hvis forholdet holder, efterhånden som AI breder sig i økonomien, peger det på noget, der ligger tættere på en tocifret vækst i bruttonationalproduktet over de næste fem år – næsten tre gange den vækstrate, han beskrev som sædvanlig.

Finansieringen understøtter ét samlet tilbud til virksomheder: at opbygge miljøet, stille eksperterne til rådighed og måle, om en agent er klar. For Mercor er den praktiske prøve, om agenten præsterer pålideligt i kundens egne arbejdsgange, hvor generel viden om opgaver ikke er tilstrækkelig.