Luminal tar in 25 miljoner dollar i A-runda med Standard Capital som huvudinvesterare

Luminal har tagit in 25 miljoner dollar i en A-runda ledd av Standard Capital, vilket investeraren meddelade den 12 november 2026. Startupbolaget inom AI-infrastruktur expanderar sin kompilator- och molnbaserade inferensverksamhet för Nvidia-, AMD- och specialiserade chip, med fokus på att få ut mer användbart arbete av den hårdvara kunderna redan äger.

Medgrundarna Joe Fioti, Jake Stevens och Matthew Gunton har byggt upp två verksamheter kring inferens – beräkningen som producerar en AI-modells resultat. Luminal kör modeller i sitt eget moln och licensierar sin kompilator till kunder som redan har hårdvara i drift. Därmed erbjuder företaget både en hanterad tjänst för kunder som vill driftsätta modeller och en separat produkt för dem som vill förbättra sin egen infrastruktur.

En kompilator utvecklad för att hitta snabbare implementationer

En kompilator översätter en modell som skrivits i ett ramverk som PyTorch till lågnivåkod som utför dess matematiska operationer. Luminals tekniska översikt beskriver en pipeline som omvandlar en modell till en dataflödesgraf på lägre abstraktionsnivå, tillämpar hårdvaruanpassad sammanslagning, tiling, minnesplanering och schemaläggning och därefter genererar GPU-kärnor eller instruktioner för applikationsspecifika integrerade kretsar. Genom att kompilera modellen före körning ska den extra körtidsbelastning som uppstår när modellen tolkas dynamiskt minska.

Enligt grundarna lägger Luminal betydande beräkningsresurser på att söka igenom möjliga implementationer under kompileringen, i stället för att enbart förlita sig på handskrivna heuristiker. Ekvivalensmättnad representerar sökutrymmet kompakt, trots att det kan innehålla biljoner alternativ för ett visst chip, så att kompilatorn kan söka efter en optimerad version. Metoden är utformad för allt mer specialiserade processorer, som kräver mer komplexa beslut om minne och schemaläggning i programvaran.

Ett tekniskt inlägg från den 9 januari 2026 förklarar hur automatiskt genererade megakärnor passar in i den strategin. Genom att slå samman en modells framåtpass till en enda kärna, eller ett GPU-program, försvinner de återkommande fördröjningarna vid start av kärnor, och senare operationer kan börja så snart deras indata är tillgängliga. Utformningen ska också motverka perioder av inaktivitet som orsakas av ojämnt fördelat arbete mellan processorkärnor och väntan på att de första vikterna ska läsas in. Det sker med finmaskig synkronisering som bevarar dataflödesberoenden.

Luminal uppger att GPT-OSS 120B når 36 000 token per sekund på åtta Nvidia H100 SXM-GPU:er, jämfört med 28 000 för TensorRT-LLM och 26 000 för vLLM i jämförelsen på företagets webbplats. Resultaten illustrerar den kapacitetsökning som står i centrum för företagets kommersiella erbjudande, medan den molnbaserade tjänsten hanterar infrastrukturarbete utöver själva kompilatorn.

Molnbaserad inferens och värdebaserad licensiering

Luminal Cloud erbjuder hanterade serverlösa slutpunkter, automatisk batchhantering och kapacitet som kan skalas ned till noll, och kunderna betalar för det de använder. Licensierade installationer kan köras i kundens moln eller lokalt i kundens egen infrastruktur. Ovanpå kompilatorn schemalägger och balanserar inferenslagret arbete mellan processorer, GPU:er och ASIC:er, omfördelar uppgifter när resursutnyttjandet förändras och startar eller stoppar noder efter behov.

Fastighetsmedieföretaget AutoHDR behandlar omkring 5 miljoner bilder i månaden, och enligt grundarna hanterar Luminal nästan hela arbetsbelastningen samtidigt som en växande andel flyttas över till AMD-chip. En annan kund, Freebuff, skickar biljoner token till Luminal varje vecka. Dessa arbetsbelastningar ger Luminal produktionsvolymer inom både bildbehandling och stora språkmodeller.

Enligt grundarna kan Freebuffs kodförfrågningar innehålla omkring 100 000 indatatoken, vilket gör träfffrekvensen för cachelagrade data och skalningen av förfrågningar till viktiga kostnadsfaktorer. Genom att återanvända cachelagrade beräkningar slipper man köra dem igen, och genom att flytta relevanta cachedata genom minneshierarkin kan besparingen bevaras. En snabb kärna räcker inte för att hantera dessa kostnader.

Fioti beskrev prissättningen för vissa kompilatorlicenser som en fast andel av den uppmätta förbättringen jämfört med kundens befintliga utgångsläge. I hans exempel skulle en fördubbling av genomströmningen på en GPU som kostar 1,50 dollar spara 75 cent. Luminal tar 25 cent och kunden får behålla en besparing på 50 cent. Modellen knyter licensintäkterna till det värde som levereras, snarare än enbart till användningen av den molnbaserade tjänsten.

Öppen källkod som utgångspunkt och fortsatt expansion

Luminal började som ett sidoprojekt som Fioti utvecklade utanför arbetet för att köra modeller på en bärbar dator. Senare lade projektet till stöd för Nvidia och utvecklade en gemenskap kring öppen källkod. Grundarna bestämde sig för att hålla själva kompilatorn öppen och ta betalt för värdtjänsten, en modell som de jämförde med Vercels kombination av Next.js och dess molntjänst. Kompilatorlicensen erbjuder ytterligare ett alternativ för organisationer som redan har sin hårdvara på plats.

A-rundan följer på en såddrunda på 5,3 miljoner dollar som tillkännagavs den 17 november 2025, ledd av Felicis Ventures med affärsänglar däribland Paul Graham och Guillermo Rauch.

Luminal söker nu kompilatoringenjörer och sin första medarbetare utanför ingenjörsteamet: en tillväxtchef. Teamet arbetar på plats i centrala San Francisco och har hittills enbart bestått av ingenjörer. Grundarna räknar med att inferensarbetsbelastningar i allt högre grad kommer att fördelas mellan chip som är specialiserade på promptbearbetning och chip som är specialiserade på token-generering, vilket gör samordning mellan olika hårdvarutyper till en större programvaruutmaning.

Den omedelbara rekryteringsplanen tyder på ett behov av djupare kompetens inom kompilatorer och en första kommersiell funktion. Det större provet blir om Luminal kan behålla de rapporterade kostnadsfördelarna när inferens fördelas mellan chip som är utformade för olika steg i en begäran, där schemaläggning och återanvändning av cache blir en del av besparingskalkylen vid sidan av kompilatorns rena prestanda.