Mirendil pozyskuje 1 mld dolarów w rundzie serii A, by udostępnić badania i rozwój nad zaawansowaną AI większej liczbie zespołów

Mirendil poinformowała 12 listopada 2026 roku o pozyskaniu 1 mld dolarów w rundzie serii A, której przewodziły Kleiner Perkins i Clearlake Capital. Środki mają sprawić, by badania i rozwój nad zaawansowaną AI stały się dostępne dla większej liczby naukowców i inżynierów.

W rundzie wzięły udział także Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC i S32, a także inni nowi i dotychczasowi inwestorzy. Mirendil rozwija modele i oprogramowanie agentowe, kierując się konkretnym celem: umożliwić jednej osobie podejmowanie się zadań, które wcześniej wymagały pracy zespołu, a zespołowi — realizowanie projektów, do których wcześniej potrzebna była instytucja.

Wynik treningu przeprowadzonego przez jednego badacza

Finansowanie następuje po opublikowaniu przez firmę pierwszych wyników dotyczących modeli. W raporcie z 21 października 2026 roku Mirendil poinformowała, że jeden badacz, współpracując z agentami AI, wstępnie wytrenował od podstaw Mirendil-Base — model do kodowania — w 3,5 miesiąca, przy kosztach mocy obliczeniowej poniżej 10 mln dolarów. Całkowita kwota obejmuje badania i eksperymenty na małą skalę, końcowy trening, wydatki na tokeny agentów oraz przetwarzanie danych.

Firma podaje, że agenci napisali ponad 99% kodu, przeprowadzali eksperymenty i diagnozowali błędy, podczas gdy badacz decydował, czego spróbować i czemu zaufać, a w razie potrzeby interweniował. W eksperymencie wykorzystano publicznie dostępny kod, strony internetowe i publiczne zbiory danych; nie kupowano ani nie licencjonowano dodatkowych danych, nie stosowano też destylacji ani danych syntetycznych. Mirendil-Base ma od 100 do 500 mld parametrów; w chwili publikacji raportu większe modele Mirendil-Base-Large i Mirendil-Base-XL wciąż były trenowane.

Fern i Lor tworzą zestaw produktów

Następnie Mirendil przeprowadziła dalszy trening modelu Mirendil-Base, tworząc Fern 0.1, swój pierwszy model. Strona modelu Fern opisuje system przeznaczony do intensywnej pracy z agentami, takiej jak debugowanie treningu, odczytywanie pełnych śladów działania agentów i audytowanie danych treningowych. Podano, że architektura, trening i obsługa modelu pozwalają na użycie okna kontekstowego o wielkości do 10 mln tokenów, czyli około 23 MB lub pół miliona wierszy kodu, dzięki czemu model może jednocześnie uwzględniać pracę agenta z wielu dni. Dostęp ma być wkrótce dostępny.

Lor to platforma służąca do delegowania tego rodzaju pracy. 28 października 2026 roku Mirendil przedstawiła Lor jako oparty na chmurze system, którego agenci mogą pisać kod, przeprowadzać eksperymenty, udostępniać zasoby obliczeniowe i obsługiwać maszyny wybrane przez użytkownika. Agent może podzielić zadanie między dziesiątki agentów, a w różnych projektach może działać ich setki. Firma podaje, że agenci mogą pracować przez wiele dni lub tygodni i samodzielnie pokonywać przeszkody, gdy coś przestanie działać.

Lor jest dostępna w prywatnej wersji beta wyłącznie na zaproszenie i jest bezpłatna w czasie jej trwania na macOS, Linuxie i w przeglądarce. Wersje na Windows, iOS i Android mają być dostępne wkrótce. Użytkownicy mogą śledzić postępy każdego agenta, zatrzymywać agentów i usuwać maszyny z systemu.

Moc obliczeniowa i kapitał u podstaw planu

Podczas premiery 24 czerwca 2026 roku Mirendil przedstawiła zespół założycielski składający się z 20 naukowców i inżynierów, którzy pracowali wcześniej między innymi w Anthropic, xAI, Google DeepMind i OpenAI. Firma ujawniła również, że pozyskała 200 mln dolarów w rundzie zalążkowej, której przewodziły Andreessen Horowitz i Kleiner Perkins, a następnie otrzymała inwestycje od NVIDIA i innych podmiotów.

Mirendil poinformowała już wcześniej o wieloletnim partnerstwie z Google Cloud — 6 sierpnia 2026 roku. W ramach tej współpracy trening, wnioskowanie i obciążenia związane z badaniami nad AI są realizowane w AI Hypercomputer od Google Cloud, z wykorzystaniem TPU Google Cloud oraz kompleksowej infrastruktury AI NVIDIA. Partnerstwo obejmuje zarządzane klastry treningowe, współprojektowane z myślą o mocy obliczeniowej, pamięci masowej, sieci i płaszczyznach sterowania, aby obsługiwać większe cykle badawcze.

Runda serii A łączy zatem trzy elementy planu Mirendil: rozwój modeli wspomagany przez agentów, platformę do delegowania prac badawczych oraz infrastrukturę chmurową umożliwiającą prowadzenie większych eksperymentów. Kluczowym sprawdzianem dla misji zwiększania dostępności, która stoi za tą rundą, będzie to, czy wewnętrzny wynik osiągnięty przez jednego badacza można przełożyć na powtarzalny sposób pracy dla naukowców i inżynierów spoza firmy.