ИИ-стартап Mirendil 12 ноября объявил о привлечении $1 млрд в раунде A. Компания разрабатывает модели и платформу исследовательских ИИ-агентов, которые должны позволить одному специалисту выполнять часть работы, прежде требовавшей отдельной команды.
Раунд возглавили венчурный фонд Kleiner Perkins и инвестиционная компания Clearlake Capital. В нём также участвовали Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC и S32. Mirendil не раскрыл свою оценку, доли инвесторов и распределение вложений. Раунд состоялся через 141 день после объявленного 24 июня посевного финансирования на $200 млн.
Mirendil появился в 2026 году с командой из 20 исследователей и инженеров, ранее работавших в Anthropic, xAI, Google DeepMind и OpenAI. Проект объединяет собственные модели, вычислительную инфраструктуру и Lor — находящуюся в закрытой бета-версии платформу, где сотни агентов могут параллельно писать код, запускать эксперименты и работать с выбранными пользователем машинами.
Читайте также
Инвестиции поддержат заявленный Mirendil подход к обучению моделей одним исследователем с ИИ-агентами. По утверждению Mirendil, один опытный исследователь вместе с ИИ-агентами за 3,5 месяца обучил с нуля модель для работы с кодом Mirendil-Base, потратив менее $10 млн на вычисления. В эту сумму компания включает предварительные эксперименты, финальное обучение, обработку данных и токены агентов. Агенты написали более 99% кода, запускали эксперименты и диагностировали ошибки, но человек определял, что проверять, каким результатам доверять и когда вмешиваться.
Человек руководил работой агентов, а опубликованные результаты и сравнения исходят от Mirendil и независимо не воспроизведены.
Сумма менее $10 млн относится только к Mirendil-Base с заявленным диапазоном от 100 млрд до 500 млрд параметров. Две более крупные версии, Mirendil-Base-Large и Mirendil-Base-XL, на момент публикации технического отчёта 21 октября ещё обучались. Поэтому сопоставлять весь раунд на $1 млрд со стоимостью одного завершённого запуска некорректно: капитал нужен не только для обучения этой модели, но и для последующих экспериментов, разработки Lor и расширения вычислительной инфраструктуры.
На основе Mirendil-Base стартап дополнительно обучил модель Fern. Компания заявляет для неё контекст до 10 млн токенов, рассчитанный на анализ длительной работы агентов, однако доступ к модели ещё не открыт. Lor уже работает по приглашениям в закрытой бета-версии, поэтому внешним командам ещё предстоит проверить, можно ли воспроизвести заявленный Mirendil подход за пределами собственной лаборатории.