Mercor tar in 750 miljoner dollar i en serie D-finansieringsrunda till en värdering på 20 miljarder dollar för att utöka AI-träningen

Mercor meddelade en serie D-finansieringsrunda på 750 miljoner dollar den 10 november 2026, vilket värderade AI-träningsföretaget till 20 miljarder dollar. Finansieringen omfattade ett erbjudande om aktieförsäljning för anställda och deltagande från NVIDIA, Salesforce, Zoom och andra investerare.

Benchmark, Felicis, Fundomo, fonder förvaltade av dotterbolag till Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group och XTX Ventures deltog också. Finansieringen ska påskynda utvecklingen av infrastruktur och forskning för modellutvärdering och efterträning, det vill säga ytterligare träning av en befintlig modell, samtidigt som den ska bidra till fler miljöer där agenter kan lära sig komplexa arbetsflöden. Mercor öppnade också kontor i New York och London 2026 och expanderade därmed utanför San Francisco för att komma närmare företags- och laboratoriekunder samt rekrytera medarbetare.

Utvärderingar för företag och träning med experter

Under de senaste två åren har Mercor byggt upp infrastruktur för att träna och utvärdera avancerade modeller på verkliga arbetsuppgifter med hjälp av mänsklig expertis. Nu utökar företaget den kapaciteten till företag, med utvärderingar som ska fastställa vad agenter kan göra, vad de kostar och hur deras resultat kan förbättras. De skräddarsydda utvärderingarna använder arbetsgivarens faktiska arbetsflöden för att mäta modeller mot företagets krav och identifiera områden där ytterligare träning eller övning i realistiska miljöer kan vara till hjälp.

Mercor uppger att företagets nätverk omfattar mer än fem miljoner experter som får betalt för att träna avancerade AI-modeller, och att det finns mer än 800 olika yrken i USA med arbetsflöden som modeller ännu inte har utvärderats mot. Företagets strategi för företag börjar med en kapabel modell med öppna vikter, tar fram offentliga utvärderingar och använder efterträning för att sänka kostnaderna innan modeller tränas för kunder.

Tillvägagångssättet skiljer mellan att veta hur en uppgift vanligtvis utförs och att veta hur en viss arbetsgivare hanterar den utifrån sina egna system, policyer och kvalitetskrav. Mercor beskriver efterträning som något som kräver en bråkdel av de resurser som behövs för träning av de mest avancerade modellerna. Företagets arbete med avancerade AI-laboratorier och företag bygger på samma expertnätverk, utvärderingsmetoder och infrastruktur för efterträning, vilket gör att lärdomar från de båda områdena kan användas i det andra.

Deeptunes roll i agentträning

Tidigare under 2026 förvärvade Mercor Deeptune, ett företag som utvecklar miljöer för förstärkningsinlärning. Tillkännagivandet den 9 juli 2026 beskrev det planerade förvärvet och Deeptunes två års arbete med att återskapa hundratals företagsapplikationer, från kalkylblad till Salesforce, för träningsmiljöer för agenter. I de miljöerna kan agenter öva på professionella arbetsflöden.

Varje miljö består av tre delar: programvaran där arbetet utförs, uppgifter som anger vad agenten ska åstadkomma och verifierare som avgör om den lyckades. Mercors experter skapar uppgifter och verifierare som omvandlar mänskliga bedömningar till inlärningssignaler. I tillkännagivandet i juli står det att företagets APEX-system mäter modellernas resultat på ekonomiskt värdefulla uppgifter inom tusentals arbetsflöden från verkligheten, medan Deeptune tillhandahåller det programvarulager som behövs för att omvandla denna expertis till träningsmiljöer.

Interna AI-utgifter

Mercor uppger att företaget lägger tre gånger så mycket på inferens, den beräkningskraft som används för att köra modeller, som på medarbetarlöner, och att utgiften betalar sig genom att göra medarbetarna bättre på sina jobb.

Medgrundaren och vd:n Brendan Foody sade att om förhållandet består när AI sprids i ekonomin, tyder det på en tillväxt i bruttonationalprodukten som närmar sig tvåsiffriga tal under de kommande fem åren, nästan tre gånger den takt han beskrev som vanlig.

Finansieringen stöder ett enda erbjudande till företag: att bygga miljön, tillhandahålla experterna och mäta om en agent är redo. För Mercor är det praktiska testet tillförlitliga resultat i kundens egna arbetsflöden, där allmän kunskap om uppgifter inte räcker.