Mirendil henter 1 milliard dollar i Series A for å gjøre banebrytende KI-forskning og -utvikling tilgjengelig for flere team

Mirendil kunngjorde 12. november 2026 at selskapet hadde hentet inn 1 milliard dollar i en Series A-runde ledet av Kleiner Perkins og Clearlake Capital, for å gjøre banebrytende KI-forskning og -utvikling tilgjengelig for flere forskere og ingeniører.

Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC og S32 deltok sammen med andre nye og eksisterende investorer. Mirendil utvikler modeller og agentprogramvare med et konkret mål: å gjøre det mulig for én person å påta seg arbeid som tidligere krevde et team, og for et team å gjennomføre prosjekter som tidligere krevde en institusjon.

Resultatet som viste at én forsker kunne trene modellen

Finansieringen kommer etter selskapets første publiserte modellresultater. I en rapport datert 21. oktober 2026 opplyste Mirendil at én forsker, ved hjelp av KI-agenter, forhåndstrente Mirendil-Base, en kodingsmodell, fra grunnen av på 3,5 måneder med mindre enn 10 millioner dollar i datakraftkostnader. Totalbeløpet omfatter forskning og småskalaforsøk, den endelige treningskjøringen, agentenes tokenforbruk og databehandling.

Selskapet opplyser at agentene skrev mer enn 99 % av koden, gjennomførte eksperimenter og diagnostiserte feil, mens forskeren avgjorde hva som skulle prøves og stoles på, og grep inn ved behov. Eksperimentet brukte offentlig tilgjengelig kode, nettsider og offentlige datasett, uten å kjøpe eller lisensiere ytterligere data og uten destillasjon eller syntetiske data. Mirendil-Base ligger i størrelsesintervallet 100 til 500 milliarder parametere; de større modellene Mirendil-Base-Large og Mirendil-Base-XL var fortsatt under trening da rapporten ble publisert.

Fern og Lor utgjør produktplattformen

Mirendil videre trente deretter Mirendil-Base til Fern 0.1, selskapets første modell. Modellsiden for Fern beskriver et system for agentbasert arbeid i stor skala, som feilsøking av treningskjøringer, gjennomgang av fullstendige agentlogger og revisjon av treningsdata. Ifølge siden støtter arkitekturen, treningen og driften et kontekstvindu på opptil 10 millioner tokener, tilsvarende omtrent 23 MB eller en halv million kodelinjer, slik at modellen kan holde oversikt over flere dagers agentarbeid samtidig. Tilgang er oppført som «kommer snart».

Lor er plattformen for å delegere denne typen arbeid. Mirendil lanserte Lor 28. oktober 2026 som et skybasert system der agentene kan skrive kode, gjennomføre eksperimenter, klargjøre datakraft og arbeide på maskiner som brukeren velger. En agent kan dele en oppgave mellom flere titalls agenter, med hundrevis i arbeid på tvers av prosjekter. Selskapet sier at agentene kan fortsette i dager eller uker og selv komme videre når noe går galt.

Lor er tilgjengelig på invitasjon i en lukket betaversjon og er gratis mens betaversjonen pågår, på macOS, Linux og nett. Windows, iOS og Android er oppført som «kommer snart». Brukerne kan følge med på fremdriften til hver agent, stoppe agenter og fjerne maskiner fra systemet.

Datakraft og kapital bak planen

Da Mirendil ble lansert 24. juni 2026, beskrev selskapet et grunnleggerteam bestående av 20 forskere og ingeniører fra blant annet Anthropic, xAI, Google DeepMind og OpenAI. Selskapet opplyste også at det hadde hentet inn 200 millioner dollar i en såkornrunde ledet av Andreessen Horowitz og Kleiner Perkins, etterfulgt av investeringer fra NVIDIA og andre.

Mirendil hadde allerede kunngjort et flerårig partnerskap med Google Cloud 6. august 2026. Avtalen legger trenings-, inferens- og KI-forskningsarbeidsoppgaver til Google Clouds AI Hypercomputer, med Google Cloud TPU-er og NVIDIAs KI-infrastruktur i full stakk. Den omfatter administrerte treningsklynger som er utviklet i fellesskap på tvers av datakraft, lagring, nettverk og kontrollplan, for å støtte større forskningsløp.

Series A-runden knytter dermed sammen tre deler av Mirendils plan: modellutvikling med støtte fra agenter, en plattform for å delegere forskningsarbeid og skyinfrastruktur for større eksperimenter. Hovedtesten for visjonen om å gjøre dette mer tilgjengelig, som ligger bak finansieringsrunden, er om selskapets interne resultat med én forsker kan bli en arbeidsflyt som forskere og ingeniører utenfor selskapet kan gjenta.