Mercor привлекает $750 млн в раунде Series D при оценке в $20 млрд для расширения обучения ИИ

10 ноября 2026 года Mercor объявила о привлечении $750 млн в раунде Series D, в результате которого стоимость компании, специализирующейся на обучении ИИ, составила $20 млрд. Финансирование включало тендерное предложение для сотрудников; в нём также приняли участие NVIDIA, Salesforce, Zoom и другие инвесторы.

В раунде также приняли участие Benchmark, Felicis, Fundomo, фонды под управлением аффилированных лиц Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group и XTX Ventures. Финансирование позволит ускорить развитие инфраструктуры и исследования в области оценки моделей и постобучения — дополнительного обучения уже существующих моделей, — а также создать больше сред, в которых агенты смогут осваивать сложные рабочие процессы. Кроме того, в 2026 году Mercor открыла офисы в Нью-Йорке и Лондоне, расширив присутствие за пределами Сан-Франциско, чтобы быть ближе к корпоративным клиентам и лабораториям и привлекать сотрудников.

Оценка моделей для предприятий и обучение с участием экспертов

Последние два года Mercor создавала инфраструктуру для обучения и оценки передовых моделей на примере реальных рабочих задач с привлечением человеческой экспертизы. Теперь компания распространяет эти возможности на предприятия: оценка призвана определить, что могут делать агенты, сколько они стоят и как можно повысить качество их работы. В рамках индивидуальной оценки используются реальные рабочие процессы компании-заказчика, чтобы проверить модели на соответствие её требованиям и выявить, в каких областях дополнительное обучение или практика в реалистичных условиях могут помочь.

По данным Mercor, в её сети — более пяти миллионов экспертов, которым платят за обучение передовых моделей ИИ. В США насчитывается более 800 отдельных профессий с рабочими процессами, на которых модели ещё не оценивались. Подход компании к работе с предприятиями начинается с достаточно мощной модели с открытым исходным кодом: сначала для неё создают общедоступные оценки, затем с помощью постобучения снижают затраты, а после этого обучают модели для заказчиков.

Этот подход позволяет отличить общее знание о том, как выполняется задача, от понимания того, как конкретный работодатель решает её с учётом собственных систем, правил и стандартов качества. По словам Mercor, постобучение требует лишь малой доли ресурсов, необходимых для создания передовых моделей. В работе с ведущими лабораториями и предприятиями компания использует одну и ту же сеть экспертов, методы оценки и инфраструктуру постобучения, поэтому опыт, полученный в одном направлении, помогает развивать другое.

Роль Deeptune в обучении агентов

Ранее в 2026 году Mercor приобрела Deeptune — компанию, создающую среды для обучения с подкреплением. В объявлении от 9 июля 2026 года были изложены планы по приобретению и результаты двухлетней работы Deeptune по воссозданию сотен корпоративных приложений — от электронных таблиц до Salesforce — для сред обучения агентов. В этих средах агенты могут отрабатывать профессиональные рабочие процессы.

Каждая среда состоит из трёх компонентов: программного обеспечения, в котором выполняется работа, заданий, определяющих, что должен сделать агент, и средств проверки, устанавливающих, справился ли он с задачей. Эксперты Mercor разрабатывают задания и средства проверки, преобразующие человеческие суждения в сигналы для обучения. Согласно июльскому объявлению, система APEX оценивает эффективность моделей при выполнении экономически значимых задач в тысячах реальных рабочих процессов, а Deeptune предоставляет программный уровень, необходимый для превращения этой экспертизы в обучающие среды.

Внутренние расходы на ИИ

По данным Mercor, компания тратит на инференс — вычисления, необходимые для работы моделей, — втрое больше, чем на зарплаты сотрудников. Эти расходы окупаются, поскольку помогают сотрудникам лучше справляться со своими обязанностями.

Сооснователь и генеральный директор Брендан Фуди заявил, что если такое соотношение сохранится по мере распространения ИИ в экономике, это указывает на перспективу более близкого к двузначному роста валового внутреннего продукта в ближайшие пять лет — почти втрое выше темпа, который он назвал обычным.

Финансирование поддерживает единое предложение для предприятий: создать среду, привлечь экспертов и оценить готовность агента. Для Mercor практический критерий — надёжная работа агента в собственных рабочих процессах заказчика, где одного общего знания о задачах недостаточно.