Luminal henter 25 millioner dollar i serie A-runde ledet av Standard Capital

Luminal har hentet 25 millioner dollar i en serie A-runde ledet av Standard Capital, kunngjorde investoren 12. november 2026. Oppstartsbedriften innen KI-infrastruktur utvider virksomheten innen kompilatorer og driftet inferens på tvers av Nvidia, AMD og spesialiserte brikker, med vekt på å få mer nyttig arbeid ut av maskinvare kundene allerede eier.

Medgründerne Joe Fioti, Jake Stevens og Matthew Gunton har bygget opp to virksomheter rundt inferens – beregningen som produserer resultatet fra en KI-modell. Luminal drifter modeller i sin egen sky og lisensierer kompilatoren sin til kunder som allerede har maskinvare i drift. Dermed tilbyr selskapet både en administrert tjeneste for kunder som ønsker å ta modeller i bruk, og et separat produkt for dem som vil forbedre sin egen infrastruktur.

En kompilator utviklet for å søke etter raskere implementeringer

En kompilator oversetter en modell skrevet i et rammeverk som PyTorch til lavnivåkode som utfører de matematiske operasjonene. Luminials tekniske oversikt beskriver en prosess der en modell omformes til en dataflytgraf, optimaliseres med maskinvarebevisst sammenslåing, blokkdeling, minneplanlegging og planlegging av kjøringen, før kompilatoren genererer GPU-kjerner eller instruksjoner for applikasjonsspesifikke integrerte kretser. Kompilering før kjøring skal redusere kjøretidskostnadene ved å tolke en modell dynamisk.

Ifølge grunnleggerne bruker Luminal betydelige beregningsressurser under kompileringen på å søke gjennom mulige implementeringer, i stedet for å basere seg utelukkende på håndskrevne heuristikker. Likhetsmetning gir en kompakt representasjon av et søkerom som kan inneholde billioner av alternativer på en gitt brikke, slik at kompilatoren kan søke etter en optimalisert versjon. Tilnærmingen er utviklet for stadig mer spesialiserte prosessorer, som krever mer komplekse beslutninger om minne og planlegging i programvaren.

Et teknisk innlegg fra 9. januar 2026 forklarer hvordan automatisk genererte megakjerner inngår i denne strategien. Ved å slå sammen modellens fremoverpassering til én kjerne, eller ett GPU-program, unngår man gjentatte forsinkelser ved oppstart av kjerner, og senere operasjoner kan begynne så snart inndataene deres er klare. Utformingen retter seg også mot perioder med inaktivitet som skyldes ujevnt fordelt arbeid mellom prosessorkjerner, og ventetid mens de første vektene lastes inn. Finmasket synkronisering brukes for å ivareta dataavhengighetene.

Luminal oppgir en hastighet på 36 000 tokener i sekundet for GPT-OSS 120B på åtte Nvidia H100 SXM-GPU-er, mot 28 000 for TensorRT-LLM og 26 000 for vLLM i sammenligningen på selskapets nettsted. Resultatene illustrerer økningen i gjennomstrømning som står sentralt i selskapets kommersielle tilbud, mens den driftede tjenesten også håndterer infrastrukturarbeid utover selve kompilatoren.

Driftet inferens og verdibasert lisensiering

Luminal Cloud tilbyr administrerte, serverløse endepunkter, automatisk batchbehandling og kapasitet som skaleres ned til null. Kundene betaler for det de bruker. Lisensierte installasjoner kan kjøres i kundens egen sky eller lokalt. Over kompilatoren ligger et inferenslag som planlegger og fordeler arbeidet mellom CPU-er, GPU-er og ASIC-er, omfordeler oppgaver når utnyttelsesgraden endres, og starter eller stopper noder etter behov.

Eiendomsmedieselskapet AutoHDR behandler rundt 5 millioner bilder i måneden, og Luminal håndterer nesten hele arbeidsmengden samtidig som en stadig større andel flyttes over til AMD-brikker, ifølge grunnleggerne. En annen kunde, Freebuff, sender Luminal billioner av tokener hver uke. Disse arbeidsmengdene gir Luminal produksjonstrafikk innen både bildebehandling og store språkmodeller.

Ifølge grunnleggerne kan kodeforespørsler fra Freebuff inneholde rundt 100 000 inndatatokener, noe som gjør treffrater for hurtigbufferen og skalering av forespørsler til viktige kostnadsfaktorer. Når beregninger som allerede er mellomlagret, brukes på nytt, slipper man å kjøre dem en gang til. Ved å flytte relevante hurtigbuffere gjennom minnehierarkiet kan denne besparelsen bevares. En rask kjerne alene løser ikke disse kostnadsutfordringene.

Fioti beskrev prisen på enkelte kompilatorlisenser som en fast andel av den målte forbedringen sammenlignet med kundens eksisterende referansenivå. I eksempelet hans gir en dobling av gjennomstrømningen på en GPU som koster 1,50 dollar, en besparelse på 75 cent. Luminal tar 25 cent, slik at kunden sitter igjen med en besparelse på 50 cent. Prismodellen knytter lisensinntektene til verdien som leveres, i stedet for bare til bruken av den driftede tjenesten.

Opphav i åpen kildekode og videre vekst

Luminal startet som et sideprosjekt Fioti utviklet på fritiden for å kjøre modeller på en bærbar datamaskin. Senere fikk prosjektet en Nvidia-bakende, og det vokste fram et miljø rundt åpen kildekode. Grunnleggerne bestemte seg for å holde selve kompilatoren åpen og ta betalt for drift, en modell de sammenlignet med Vercels kombinasjon av Next.js og skytjenesten deres. Kompilatorlisensen gir organisasjoner med maskinvare på plass en ekstra mulighet.

Serie A-runden kommer etter en såkornrunde på 5,3 millioner dollar, kunngjort 17. november 2025, ledet av Felicis Ventures med engleinvestorer, blant andre Paul Graham og Guillermo Rauch.

Luminal søker nå etter kompilatoringeniører og sin første medarbeider utenfor ingeniøravdelingen, en vekstsjef. Teamet jobber sammen på kontoret i sentrum av San Francisco og har til nå bare bestått av ingeniører. Grunnleggerne forventer at inferensarbeidsmengder i stadig større grad vil fordeles mellom brikker som er spesialisert for behandling av forespørsler, og brikker som er spesialisert for generering av tokener. Det vil gjøre koordinering på tvers av maskinvaretyper til en større programvareutfordring.

Den umiddelbare rekrutteringsplanen tyder på behov for dypere kompetanse innen kompilatorer og en første kommersiell rolle. Den bredere prøven blir om Luminal kan bevare de rapporterte kostnadsfordelene etter hvert som inferens fordeles på brikker som er utformet for ulike stadier i en forespørsel, der planlegging og gjenbruk av hurtigbuffer inngår i beregningen av besparelsene, sammen med kompilatorens rå ytelse.