Luminal erhält 25 Millionen Dollar in einer Serie-A-Finanzierungsrunde unter Führung von Standard Capital

Luminal hat in einer von Standard Capital angeführten Serie-A-Finanzierungsrunde 25 Millionen Dollar aufgenommen, wie der Investor am 12. November 2026 bekannt gab. Das KI-Infrastruktur-Start-up baut sein Compiler- und gehostetes Inferenzgeschäft für Nvidia-, AMD- und Spezialchips aus. Im Mittelpunkt steht dabei, mehr nutzbare Leistung aus der Hardware herauszuholen, die Kunden bereits besitzen.

Die Mitgründer Joe Fioti, Jake Stevens und Matthew Gunton haben zwei Geschäftsbereiche rund um Inferenz aufgebaut – die Berechnung, die die Ausgabe eines KI-Modells erzeugt. Luminal hostet Modelle in seiner eigenen Cloud und lizenziert seinen Compiler an Kunden, die bereits eigene Hardware betreiben. Damit bietet das Unternehmen einen Managed Service für Kunden, die Modelle bereitstellen möchten, sowie ein separates Produkt für diejenigen, die ihre eigene Infrastruktur verbessern wollen.

Ein Compiler, der nach schnelleren Implementierungen sucht

Ein Compiler übersetzt ein Modell, das in einem Framework wie PyTorch geschrieben wurde, in den niedrigstufigen Code, der seine mathematischen Operationen ausführt. Der technische Überblick von Luminal beschreibt eine Pipeline, die ein Modell in einen Datenflussgraphen überführt, hardwarebewusste Fusion, Kachelung, Speicherplanung und Ablaufplanung anwendet und anschließend GPU-Kernels oder Befehle für anwendungsspezifische integrierte Schaltungen erzeugt. Die Kompilierung vor der Ausführung soll den Laufzeitaufwand verringern, der durch die dynamische Interpretation eines Modells entsteht.

Luminal setzt während der Kompilierung beträchtliche Rechenleistung ein, um mögliche Implementierungen zu durchsuchen, statt sich ausschließlich auf von Hand entwickelte Heuristiken zu verlassen, so die Mitgründer. Die Äquivalenzsättigung stellt einen Suchraum kompakt dar, der für einen bestimmten Chip Billionen von Optionen umfassen kann. So kann der Compiler nach einer optimierten Version suchen. Der Ansatz ist für zunehmend spezialisierte Prozessoren ausgelegt, die komplexere Entscheidungen zu Speicher und Ablaufplanung in der Software erfordern.

Ein technischer Beitrag vom 9. Januar 2026 erläutert, wie automatisch generierte Megakernels in diese Strategie passen. Werden der Vorwärtsdurchlauf eines Modells zu einem einzigen Kernel oder GPU-Programm zusammengeführt, entfallen wiederholte Verzögerungen durch Kernel-Aufrufe, und nachfolgende Operationen können beginnen, sobald ihre Eingabedaten bereitstehen. Das Design zielt außerdem auf Leerlaufzeiten ab, die durch ungleichmäßige Arbeitslasten auf den Prozessorkernen und Wartezeiten beim Laden der Anfangsgewichte entstehen. Eine feingranulare Synchronisierung soll dabei die Datenabhängigkeiten wahren.

Luminal gibt für GPT-OSS 120B auf acht Nvidia-H100-SXM-GPUs eine Leistung von 36.000 Tokens pro Sekunde an. Im Vergleich auf der Website stehen dem 28.000 bei TensorRT-LLM und 26.000 bei vLLM gegenüber. Diese Ergebnisse veranschaulichen die Durchsatzsteigerung, die im Zentrum des kommerziellen Angebots steht. Der gehostete Dienst übernimmt neben dem Compiler auch Infrastrukturaufgaben.

Gehostete Inferenz und wertorientierte Lizenzierung

Luminal Cloud bietet verwaltete serverlose Endpunkte, automatisches Batching und Kapazitäten, die sich bei Nichtgebrauch automatisch auf null reduzieren. Kunden zahlen nur für die tatsächlich genutzte Leistung. Lizenzierte Installationen können in der Cloud eines Kunden oder vor Ort betrieben werden. Die Inferenzschicht oberhalb des Compilers plant und verteilt die Arbeit auf CPUs, GPUs und ASICs, weist Aufgaben bei veränderter Auslastung neu zu und startet oder stoppt Knoten je nach Bedarf.

Das Immobilienmedienunternehmen AutoHDR verarbeitet monatlich rund 5 Millionen Bilder. Luminal übernimmt fast die gesamte Arbeitslast und verlagert einen wachsenden Anteil davon auf AMD-Chips, so die Mitgründer. Ein weiterer Kunde, Freebuff, übermittelt Luminal jede Woche Billionen von Tokens. Diese Arbeitslasten verschaffen Luminal produktiven Einsatz in der Bildverarbeitung und bei großen Sprachmodellen.

Laut den Mitgründern können Codierungsanfragen von Freebuff in der Größenordnung von 100.000 Eingabe-Tokens umfassen, wodurch Cache-Trefferraten und die Skalierung von Anfragen zu wichtigen Kostenfaktoren werden. Durch die Wiederverwendung zwischengespeicherter Berechnungen müssen diese nicht erneut ausgeführt werden. Werden relevante Caches durch die Speicherhierarchie verschoben, lassen sich diese Einsparungen besser sichern. Ein schneller Kernel allein deckt diese Kosten nicht ab.

Für einige Compilerlizenzen, so Fioti, bemisst sich der Preis als fester Anteil an der gemessenen Verbesserung gegenüber der bisherigen Leistung eines Kunden. In seinem anschaulichen Beispiel spart eine Verdoppelung des Durchsatzes bei einer GPU, die 1,50 Dollar kostet, 75 Cent ein. Luminal berechnet 25 Cent, sodass dem Kunden eine Ersparnis von 50 Cent bleibt. Die Preisstruktur knüpft die Lizenzeinnahmen an den erzielten Nutzen und nicht allein an die Nutzung des gehosteten Dienstes.

Open-Source-Anfänge und Expansion

Luminal begann als Nebenprojekt, das Fioti außerhalb seiner Arbeit entwickelte, um Modelle auf einem Laptop auszuführen. Später erhielt das Projekt ein Nvidia-Backend und baute eine Open-Source-Community auf. Die Mitgründer entschieden sich, den Kerncompiler offen zugänglich zu halten und das Hosting kostenpflichtig anzubieten – ein Modell, das sie mit der Kombination von Next.js und seiner Cloud durch Vercel verglichen. Die Compilerlizenz bietet Unternehmen, deren Hardware bereits vorhanden ist, einen zweiten Weg.

Der Serie-A-Finanzierungsrunde ging eine am 17. November 2025 bekannt gegebene Seed-Finanzierungsrunde über 5,3 Millionen Dollar voraus. Sie wurde von Felicis Ventures angeführt; zu den Angel-Investoren gehörten Paul Graham und Guillermo Rauch.

Luminal sucht derzeit Compiler-Ingenieure und seine erste nicht technische Mitarbeiterin oder seinen ersten nicht technischen Mitarbeiter: eine Leitung für Wachstum. Das Team arbeitet persönlich vor Ort in der Innenstadt von San Francisco und bestand bislang ausschließlich aus Ingenieuren. Die Mitgründer erwarten, dass Inferenz-Arbeitslasten zunehmend auf Chips verteilt werden, die entweder auf die Verarbeitung von Prompts oder auf die Generierung von Tokens spezialisiert sind. Dadurch wird die Koordination unterschiedlicher Hardware zu einer größeren Herausforderung für die Software.

Der unmittelbare Einstellungsplan deutet auf mehr Compiler-Expertise und die erste Position im kommerziellen Bereich hin. Die größere Bewährungsprobe wird sein, ob Luminal seine berichteten Kostenvorteile beibehalten kann, wenn sich Inferenz zunehmend auf Chips verteilt, die für verschiedene Phasen einer Anfrage ausgelegt sind. Dabei werden Scheduling und die Wiederverwendung des Caches neben der reinen Compilerleistung zu Faktoren bei der Berechnung der Einsparungen.