Mirendil haalt in een Series A-financieringsronde $1 miljard op om baanbrekend AI-onderzoek en -ontwikkeling toegankelijk te maken voor meer teams

Mirendil maakte bekend dat het op 12 november 2026 $1 miljard had opgehaald in een Series A-ronde onder leiding van Kleiner Perkins en Clearlake Capital. Met het geld wil het baanbrekend AI-onderzoek en -ontwikkeling toegankelijk maken voor meer wetenschappers en ingenieurs.

Ook Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC en S32 namen deel, naast andere nieuwe en bestaande investeerders. Mirendil ontwikkelt modellen en agentsoftware met een specifiek doel: één persoon in staat stellen werk te doen waarvoor eerder een team nodig was, en een team projecten te laten uitvoeren waarvoor eerder een instelling nodig was.

Het trainingsresultaat van één onderzoeker

De financiering volgt op de eerste gepubliceerde modelresultaten van het bedrijf. In een rapport van 21 oktober 2026 meldde Mirendil dat één onderzoeker, met hulp van AI-agents, Mirendil-Base, een codeermodel, vanaf nul had voorgetraind in 3,5 maanden en met minder dan $10 miljoen aan rekenkracht. In dat totaal zijn onderzoek en kleinschalige experimenten, de laatste trainingsrun, de tokenuitgaven van agents en de gegevensverwerking inbegrepen.

Volgens het bedrijf schreven agents meer dan 99% van de code, voerden ze experimenten uit en stelden ze diagnoses van fouten, terwijl de onderzoeker bepaalde wat hij zou proberen en waarop hij kon vertrouwen, en ingreep wanneer dat nodig was. Bij het experiment werden openbaar beschikbare code, webpagina’s en openbare datasets gebruikt; er werden geen aanvullende gegevens gekocht of in licentie genomen en er was geen sprake van distillatie of synthetische gegevens. Mirendil-Base valt in de categorie van 100 miljard tot 500 miljard parameters; de grotere modellen Mirendil-Base-Large en Mirendil-Base-XL waren nog in training toen het rapport werd gepubliceerd.

Fern en Lor vormen samen het productaanbod

Mirendil trainde Mirendil-Base vervolgens verder tot Fern 0.1, zijn eerste model. De modelpagina van Fern beschrijft een systeem voor grootschalig agentgestuurd werk, zoals het opsporen van fouten in trainingsruns, het lezen van volledige uitvoeringssporen van agents en het controleren van trainingsgegevens. Volgens de pagina ondersteunen de architectuur, training en uitvoering een contextvenster van maximaal 10 miljoen tokens, ongeveer 23 MB of een half miljoen regels code. Daardoor kan het model dagen aan werk van een agent in één keer bevatten. Toegang is volgens de pagina binnenkort beschikbaar.

Lor is het platform voor het delegeren van dat soort werk. Mirendil introduceerde Lor op 28 oktober 2026 als een cloudgebaseerd systeem waarvan de agents code kunnen schrijven, experimenten kunnen uitvoeren, rekenkracht kunnen regelen en kunnen werken op machines die de gebruiker selecteert. Een agent kan een opdracht verdelen over tientallen agents, terwijl er binnen projecten honderden actief kunnen zijn. Het bedrijf zegt dat agents dagen of weken kunnen doorgaan en zichzelf weer op weg kunnen helpen als er iets misgaat.

Lor is op uitnodiging beschikbaar in een besloten bètaversie en is tijdens die bèta gratis te gebruiken op macOS, Linux en het web. Windows, iOS en Android zijn volgens de informatie binnenkort beschikbaar. Gebruikers kunnen de voortgang van elke agent volgen, agents stoppen en machines uit het systeem verwijderen.

Rekenkracht en kapitaal achter het plan

Bij de lancering op 24 juni 2026 beschreef Mirendil een oprichtersteam van 20 onderzoekers en ingenieurs van onder meer Anthropic, xAI, Google DeepMind en OpenAI. Het bedrijf maakte ook een seedronde van $200 miljoen bekend, onder leiding van Andreessen Horowitz en Kleiner Perkins, gevolgd door investeringen van NVIDIA en anderen.

Mirendil had op 6 augustus 2026 al een meerjarige samenwerking met Google Cloud aangekondigd. Door deze overeenkomst worden trainings-, inferentie- en AI-onderzoeksworkloads ondergebracht op Google Clouds AI Hypercomputer, met behulp van Google Cloud TPU’s en de volledige NVIDIA AI-infrastructuur. De samenwerking omvat beheerde trainingsclusters die gezamenlijk zijn ontworpen voor rekenkracht, opslag, netwerken en besturingslagen, zodat grotere onderzoekscycli kunnen worden ondersteund.

De Series A-financiering verbindt daarmee drie onderdelen van Mirendils plan: modelontwikkeling met hulp van agents, een platform voor het delegeren van onderzoekswerk en cloudinfrastructuur voor grotere experimenten. De centrale toets voor de missie achter deze financieringsronde om AI toegankelijker te maken, is of het interne resultaat dat één onderzoeker behaalde, kan uitgroeien tot een herhaalbare werkwijze voor externe wetenschappers en ingenieurs.