Mercor haalt $750 miljoen op in een Series D-financieringsronde bij een waardering van $20 miljard om AI-training uit te breiden

Mercor kondigde op 10 november 2026 een Series D-financieringsronde van $750 miljoen aan, waarmee het AI-trainingsbedrijf werd gewaardeerd op $20 miljard. De financiering omvatte een tenderaanbod voor medewerkers en deelname van NVIDIA, Salesforce, Zoom en andere investeerders.

Ook Benchmark, Felicis, Fundomo, fondsen die worden beheerd door aan Apollo gelieerde partijen, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group en XTX Ventures namen deel. De financiering zal de infrastructuur en het onderzoek voor modelevaluaties en post-training — aanvullende training van een bestaand model — versnellen en de ontwikkeling ondersteunen van meer omgevingen waarin agents complexe workflows kunnen leren. Mercor opende in 2026 ook kantoren in New York en Londen. Daarmee breidde het bedrijf zijn aanwezigheid buiten San Francisco uit om dichter bij zakelijke klanten en laboratoria te zitten en medewerkers te werven.

Evaluaties voor bedrijven en training door experts

Mercor heeft de afgelopen twee jaar infrastructuur gebouwd om geavanceerde modellen met behulp van menselijke expertise te trainen en te evalueren aan de hand van werk uit de praktijk. Nu breidt het bedrijf die mogelijkheden uit naar bedrijven, met evaluaties die moeten vaststellen wat agents kunnen, wat ze kosten en hoe hun prestaties kunnen verbeteren. Bij de aangepaste evaluaties worden de daadwerkelijke workflows van een werkgever gebruikt om modellen te toetsen aan de eisen van het bedrijf en vast te stellen waar aanvullende training of oefening in realistische omgevingen kan helpen.

Mercor meldt dat zijn netwerk meer dan vijf miljoen experts omvat die worden betaald om geavanceerde AI-modellen te trainen. Volgens het bedrijf zijn er in de Verenigde Staten meer dan 800 verschillende beroepen met workflows waaraan modellen nog niet zijn geëvalueerd. De aanpak voor bedrijven begint met een capabel open model, bouwt openbare evaluaties op en gebruikt post-training om de kosten te verlagen voordat modellen voor klanten worden getraind.

Deze aanpak maakt onderscheid tussen weten hoe een taak doorgaans wordt uitgevoerd en weten hoe een specifieke werkgever die taak uitvoert met zijn eigen systemen, beleid en kwaliteitsnormen. Volgens Mercor vergt post-training slechts een fractie van de middelen die nodig zijn om de meest geavanceerde modellen te ontwikkelen. Het werk voor toonaangevende AI-labs en bedrijven maakt gebruik van hetzelfde expertnetwerk, dezelfde evaluatiemethoden en dezelfde post-traininginfrastructuur. Zo kunnen inzichten uit beide domeinen elkaar versterken.

De rol van Deeptune bij het trainen van agents

Eerder in 2026 nam Mercor Deeptune over, een bedrijf dat omgevingen voor reinforcement learning ontwikkelt. De aankondiging van 9 juli 2026 beschreef de geplande overname en het werk dat Deeptune in de voorafgaande twee jaar had verricht om honderden bedrijfsapplicaties — van spreadsheets tot Salesforce — na te bouwen voor trainingsomgevingen voor agents. In die omgevingen kunnen agents professionele workflows oefenen.

Elke omgeving bestaat uit drie onderdelen: de software waarin het werk plaatsvindt, taken die bepalen wat de agent moet doen en verificateurs die vaststellen of de agent daarin is geslaagd. De experts van Mercor maken taken en verificateurs die menselijk oordeel omzetten in leersignalen. Volgens de aankondiging van juli meet het APEX-systeem de prestaties van modellen bij economisch waardevolle taken in duizenden workflows uit de praktijk. Deeptune levert de softwarelaag die nodig is om die expertise om te zetten in trainingsomgevingen.

Interne uitgaven aan AI

Mercor meldt dat het drie keer zoveel uitgeeft aan inferentie — de rekenkracht die nodig is om modellen uit te voeren — als aan de salarissen van medewerkers. Die uitgaven verdienen zichzelf terug doordat medewerkers hun werk beter kunnen doen.

Medeoprichter en CEO Brendan Foody zei dat als deze verhouding standhoudt terwijl AI zich door de economie verspreidt, dit wijst op een bbp-groei van bijna dubbele cijfers in de komende vijf jaar, bijna drie keer zo hoog als het groeitempo dat hij als gebruikelijk omschreef.

De financiering ondersteunt één propositie voor bedrijven: de omgeving bouwen, de experts leveren en meten of een agent klaar is. Voor Mercor is de praktische toets betrouwbare prestaties binnen de eigen workflows van een klant, waar algemene kennis van een taak alleen niet volstaat.