Mirendil залучає $1 млрд у раунді серії A, щоб зробити передові дослідження та розробки у сфері ШІ доступнішими для більшої кількості команд

Mirendil оголосила 12 листопада 2026 року, що залучила 1 млрд доларів у раунді серії A під керівництвом Kleiner Perkins і Clearlake Capital, щоб зробити передові дослідження та розробки у сфері ШІ доступнішими для більшої кількості науковців та інженерів.

У раунді також взяли участь Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC і S32, а також інші нові й наявні інвестори. Mirendil розробляє моделі та програмне забезпечення для ШІ-агентів із конкретною метою: дати одній людині змогу виконувати роботу, яка раніше потребувала цілої команди, а команді — реалізовувати проєкти, для яких раніше була потрібна ціла установа.

Результат навчання моделі силами одного дослідника

Фінансування надійшло після публікації перших результатів роботи компанії над моделлю. У звіті від 21 жовтня 2026 року Mirendil повідомила, що один дослідник за допомогою ШІ-агентів попередньо навчив з нуля Mirendil-Base — модель для написання коду — за 3,5 місяця, витративши на обчислювальні ресурси менш як 10 млн доларів. Загальна сума охоплює дослідження та невеликі експерименти, фінальний цикл навчання, витрати на токени для агентів і обробку даних.

За даними компанії, агенти написали понад 99% коду, проводили експерименти й діагностували збої, тоді як дослідник вирішував, що випробовувати і чому довіряти, а за потреби втручався. В експерименті використовували загальнодоступний код, вебсторінки та відкриті набори даних; додаткових даних не купували й не ліцензували, а дистиляцію та синтетичні дані не застосовували. Кількість параметрів Mirendil-Base становить від 100 до 500 млрд; на момент публікації звіту більші моделі Mirendil-Base-Large і Mirendil-Base-XL усе ще навчалися.

Fern і Lor формують продуктовий комплекс

Згодом Mirendil провела додаткове навчання Mirendil-Base, отримавши свою першу модель — Fern 0.1. На сторінці моделі Fern описано систему для інтенсивної роботи з агентами, зокрема налагодження циклів навчання, читання повних журналів дій агентів і перевірки навчальних даних. За інформацією на сторінці, архітектура, навчання та обслуговування моделі підтримують контекстне вікно обсягом до 10 млн токенів — приблизно 23 МБ або пів мільйона рядків коду, — що дає змогу моделі одночасно зберігати в контексті дані про кілька днів роботи агента. Доступ, як зазначено, з’явиться незабаром.

Lor — це платформа для делегування такої роботи. 28 жовтня 2026 року Mirendil представила Lor як хмарну систему, агенти якої можуть писати код, проводити експерименти, надавати обчислювальні ресурси та працювати на вибраних користувачем машинах. Агент може розподілити завдання між десятками агентів, а над різними проєктами можуть одночасно працювати сотні агентів. За словами компанії, агенти можуть працювати безперервно днями або тижнями та самостійно долати перешкоди, коли щось ламається.

Lor доступна за запрошеннями в режимі закритого бета-тестування і протягом цього періоду безкоштовна на macOS, Linux і в інтернеті. Версії для Windows, iOS і Android, як зазначено, з’являться незабаром. Користувачі можуть стежити за перебігом роботи кожного агента, зупиняти агентів і вилучати машини із системи.

Обчислювальні ресурси й капітал для реалізації плану

Під час запуску 24 червня 2026 року Mirendil розповіла, що її команда засновників налічує 20 науковців та інженерів, які раніше працювали, зокрема, в Anthropic, xAI, Google DeepMind і OpenAI. Компанія також повідомила про посівний раунд на 200 млн доларів під керівництвом Andreessen Horowitz і Kleiner Perkins, після якого інвестували NVIDIA та інші.

Ще 6 серпня 2026 року Mirendil оголосила про багаторічне партнерство з Google Cloud. У межах домовленості завдання з навчання, інференсу та досліджень у сфері ШІ виконуватимуться на платформі AI Hypercomputer від Google Cloud із використанням тензорних процесорів Google Cloud і повностекової інфраструктури NVIDIA для ШІ. Партнерство передбачає керовані кластери для навчання, спільно спроєктовані на рівнях обчислень, зберігання даних, мереж і керування, щоб підтримувати масштабніші цикли досліджень.

Отже, раунд серії A об’єднує три складові плану Mirendil: розробку моделей за допомогою агентів, платформу для делегування дослідницької роботи та хмарну інфраструктуру для масштабніших експериментів. Головна перевірка того, чи справді фінансування допоможе зробити такі дослідження доступнішими, — з’ясувати, чи можна перетворити внутрішній результат, якого досяг один дослідник, на відтворюваний робочий процес для сторонніх науковців та інженерів.