Mercor henter 750 millioner dollar i en serie D-runde til en verdsettelse på 20 milliarder dollar for å utvide KI-opplæringen

Mercor kunngjorde en serie D-runde på 750 millioner dollar 10. november 2026, noe som verdsetter KI-opplæringsselskapet til 20 milliarder dollar. Finansieringen omfattet et tilbud om aksjesalg til ansatte og deltakelse fra NVIDIA, Salesforce, Zoom og andre investorer.

Benchmark, Felicis, Fundomo, fond forvaltet av tilknyttede selskaper i Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group og XTX Ventures deltok også. Finansieringen skal få fart på infrastrukturen og forskningen innen modelevaluering og ettertrening, det vil si videre trening av en eksisterende modell, samtidig som den støtter utviklingen av flere miljøer der agenter kan lære komplekse arbeidsflyter. Mercor åpnet også kontorer i New York og London i 2026. Selskapet utvidet dermed virksomheten utover San Francisco for å komme nærmere bedrifts- og laboratoriekunder og rekruttere medarbeidere.

Evaluering for bedrifter og ekspertbasert trening

De siste to årene har Mercor bygget infrastruktur for å trene og evaluere avanserte modeller på arbeidsoppgaver fra den virkelige verden ved hjelp av menneskelig ekspertise. Nå utvider selskapet disse mulighetene til bedrifter, med evalueringer som skal fastslå hva agenter kan gjøre, hva de koster, og hvordan ytelsen deres kan forbedres. De skreddersydde evalueringene tar utgangspunkt i arbeidsgiverens faktiske arbeidsflyter for å måle modellene opp mot selskapets krav og avdekke hvor ytterligere trening eller øvelse i realistiske miljøer kan være nyttig.

Mercor opplyser at nettverket omfatter over fem millioner eksperter som får betalt for å trene avanserte KI-modeller, og at det finnes over 800 ulike yrker i USA med arbeidsflyter som modellene ennå ikke er evaluert mot. Selskapets fremgangsmåte for bedrifter begynner med en kapabel åpen modell, bygger offentlige evalueringer og bruker ettertrening til å redusere kostnadene før modeller trenes for kundene.

Fremgangsmåten skiller mellom å vite hvordan en oppgave vanligvis utføres, og å vite hvordan en bestemt arbeidsgiver håndterer den med sine egne systemer, retningslinjer og kvalitetsstandarder. Mercor beskriver ettertrening som noe som krever en brøkdel av ressursene som trengs på frontier-nivå. Arbeidet med avanserte laboratoriemodeller og bedriftskunder bygger på det samme ekspertnettverket, de samme evalueringsmetodene og den samme infrastrukturen for ettertrening. Dermed kan erfaringer fra hver av sidene komme den andre til gode.

Deeptunes rolle i trening av agenter

Tidligere i 2026 kjøpte Mercor Deeptune, et selskap som utvikler miljøer for forsterkningslæring. Kunngjøringen 9. juli 2026 beskrev det planlagte oppkjøpet og Deeptunes arbeid gjennom to år med å gjenskape hundrevis av bedriftsapplikasjoner, fra regneark til Salesforce, for treningsmiljøer for agenter. Disse miljøene lar agenter øve på profesjonelle arbeidsflyter.

Hvert miljø består av tre deler: programvaren der arbeidet utføres, oppgaver som definerer hva agenten må oppnå, og kontrollmekanismer som avgjør om den har lykkes. Mercors eksperter lager oppgaver og kontrollmekanismer som omsetter menneskelige vurderinger til læringssignaler. I kunngjøringen fra juli heter det at APEX-systemet måler modellenes ytelse på økonomisk verdifulle oppgaver på tvers av tusenvis av arbeidsflyter fra den virkelige verden, mens Deeptune leverer programvarelaget som trengs for å gjøre denne ekspertisen om til treningsmiljøer.

Interne KI-utgifter

Mercor opplyser at selskapet bruker tre ganger så mye på inferens, altså databehandlingen som kreves for å kjøre modeller, som på lønn til de ansatte, og at denne pengebruken lønner seg fordi den gjør de ansatte bedre i jobben.

Medgrunnlegger og administrerende direktør Brendan Foody sa at dersom forholdstallet holder seg mens KI sprer seg i økonomien, peker det mot noe som nærmer seg tosifret vekst i bruttonasjonalproduktet de neste fem årene – nesten tre ganger vekstraten han beskrev som vanlig.

Finansieringen støtter ett samlet tilbud til bedrifter: å bygge miljøet, stille ekspertene til rådighet og måle om en agent er klar. For Mercor er den praktiske testen om agenten presterer pålitelig i kundens egne arbeidsflyter, der generell kunnskap om oppgaver ikke er tilstrekkelig.