Mirendil Menggalang Pendanaan Seri A Sebesar $1 Miliar untuk Membuka Akses R&D AI Terdepan bagi Lebih Banyak Tim

Mirendil mengumumkan pada 12 November 2026 bahwa perusahaan telah menggalang dana sebesar $1 miliar dalam pendanaan Seri A yang dipimpin oleh Kleiner Perkins dan Clearlake Capital untuk membuka akses penelitian dan pengembangan AI terdepan bagi lebih banyak ilmuwan dan insinyur.

Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC, dan S32 turut berpartisipasi, bersama investor baru dan lama lainnya. Mirendil mengembangkan model dan perangkat lunak agen dengan tujuan khusus: memungkinkan satu orang menangani pekerjaan yang sebelumnya membutuhkan satu tim, serta memungkinkan sebuah tim mengerjakan proyek yang sebelumnya membutuhkan sebuah institusi.

Hasil Pelatihan oleh Satu Peneliti

Pendanaan ini menyusul hasil model pertama perusahaan yang dipublikasikan. Dalam laporan tanggal 21 Oktober 2026, Mirendil menyatakan bahwa seorang peneliti yang bekerja dengan agen AI melakukan prapelatihan Mirendil-Base, model pemrograman, dari awal dalam 3,5 bulan dengan biaya komputasi kurang dari $10 juta. Jumlah keseluruhan itu mencakup penelitian dan eksperimen skala kecil, pelatihan akhir, biaya token agen, serta pemrosesan data.

Perusahaan melaporkan bahwa agen menulis lebih dari 99% kode, menjalankan eksperimen, dan mendiagnosis kegagalan, sementara peneliti menentukan hal yang perlu dicoba dan dipercaya serta turun tangan bila diperlukan. Eksperimen tersebut menggunakan kode, halaman web, dan kumpulan data yang tersedia untuk umum, tanpa membeli atau melisensikan data tambahan serta tanpa distilasi atau data sintetis. Mirendil-Base memiliki kisaran 100 miliar hingga 500 miliar parameter; model yang lebih besar, Mirendil-Base-Large dan Mirendil-Base-XL, masih dalam tahap pelatihan saat laporan tersebut diterbitkan.

Fern dan Lor Membentuk Rangkaian Produk

Mirendil kemudian melatih lebih lanjut Mirendil-Base hingga menjadi Fern 0.1, model pertamanya. Halaman model Fern menjelaskan sistem untuk pekerjaan agen bervolume tinggi, seperti menelusuri kesalahan dalam proses pelatihan, membaca seluruh rekam jejak agen, dan mengaudit data pelatihan. Halaman itu menyebutkan bahwa arsitektur, pelatihan, dan penyajian model mendukung jendela konteks hingga 10 juta token, kira-kira setara dengan 23 MB atau setengah juta baris kode, sehingga model dapat menyimpan pekerjaan agen selama beberapa hari sekaligus. Akses tercantum akan segera tersedia.

Lor adalah platform untuk mendelegasikan pekerjaan semacam itu. Pada 28 Oktober 2026, Mirendil memperkenalkan Lor sebagai sistem berbasis cloud yang agennya dapat menulis kode, menjalankan eksperimen, menyediakan sumber daya komputasi, dan mengoperasikan mesin yang dipilih pengguna. Satu agen dapat membagi pekerjaan kepada puluhan agen, dengan ratusan agen berjalan di berbagai proyek. Perusahaan menyatakan bahwa agen dapat terus bekerja selama berhari-hari atau berminggu-minggu dan mengatasi hambatan sendiri ketika terjadi masalah.

Lor tersedia melalui undangan dalam versi beta privat dan dapat digunakan gratis selama masa beta di macOS, Linux, dan web. Windows, iOS, dan Android tercantum akan segera tersedia. Pengguna dapat memantau perkembangan setiap agen, menghentikan agen, dan menghapus mesin dari sistem.

Komputasi dan Modal di Balik Rencana

Saat diluncurkan pada 24 Juni 2026, Mirendil memperkenalkan tim pendiri yang terdiri dari 20 peneliti dan insinyur dari berbagai institusi, termasuk Anthropic, xAI, Google DeepMind, dan OpenAI. Perusahaan juga mengungkapkan pendanaan awal sebesar $200 juta yang dipimpin oleh Andreessen Horowitz dan Kleiner Perkins, disusul investasi dari NVIDIA dan pihak lainnya.

Sebelumnya, pada 6 Agustus 2026, Mirendil telah mengumumkan kemitraan Google Cloud selama beberapa tahun. Kemitraan tersebut menempatkan beban kerja pelatihan, inferensi, dan penelitian AI di AI Hypercomputer milik Google Cloud, dengan memanfaatkan TPU Google Cloud dan infrastruktur AI NVIDIA menyeluruh. Kemitraan ini mencakup klaster pelatihan terkelola yang dirancang bersama di seluruh aspek komputasi, penyimpanan, jaringan, dan bidang kendali untuk mendukung siklus penelitian yang lebih besar.

Dengan demikian, pendanaan Seri A ini menghubungkan tiga bagian dari rencana Mirendil: pengembangan model dengan bantuan agen, platform untuk mendelegasikan pekerjaan penelitian, dan infrastruktur cloud untuk eksperimen yang lebih besar. Ujian utamanya bagi misi pemerataan akses yang melandasi pendanaan ini adalah apakah hasil internal yang dicapai oleh satu peneliti dapat diubah menjadi alur kerja berulang bagi ilmuwan dan insinyur di luar perusahaan.