AI · 19 november 2026

Mirendil säkrar en miljard dollar för att automatisera utvecklingen av artificiell intelligens

a robot that is standing on one foot
julien Tromeur / Unsplash

Mirendil, ett mjukvaruföretag som fokuserar på att påskynda utvecklingen av artificiell intelligens, har samlat in en miljard amerikanska dollar i en finansieringsrunda. Meddelandet om denna insamling, som klassificeras som en Serie A-runda, lämnades på torsdagen och leddes gemensamt av riskkapitalbolagen Kleiner Perkins och Clearlake Capital. Utöver dessa ledande aktörer deltog fler än sex andra investerare i rundan, däribland teknikjätten Google.

Företaget grundades förra året av tidigare forskare från Google DeepMind och Anthropic. Ledningen består av verkställande direktören Behnam Neyshabur, som även är medskapare till algoritmen SAM, samt teknikchefen Harsh Mehta. Båda grundarna har tidigare arbetat med projekt inom förträning, vilket avser de inledande stegen i processen att utveckla modeller för artificiell intelligens. Deras bakgrund ligger till grund för företagets fokus på att optimera dessa komplexa arbetsflöden.

Mirendils första produkt, som bär namnet Lor, är en plattform designad för att automatisera olika uppgifter under träningsfasen av modeller för artificiell intelligens. Programvaran fungerar genom att bryta ner arbetet i mindre deluppgifter som fördelas till hundratals agenter för artificiell intelligens. Utvecklingen av stora språkmodeller kräver ofta omfattande försök och misstag där forskare skapar flera versioner av algoritmer med små variationer för att jämföra prestanda. Lor automatiserar detta flöde och har förmågan att automatiskt korrigera fel som uppstår under utvärderingsprocessen.

Tidigare i år genomförde företaget ett experiment där en ensam forskare fick i uppdrag att bygga en kodningsmodell som kunde konkurrera med ledande öppna källkodsmodeller. Normalt kräver sådana projekt team av experter, men Mirendil uppger att deras automatiseringsteknik möjliggjorde att forskaren slutförde projektet utan hjälp från kollegor. Projektet, som resulterade i modellen Mirendil-Base, kostade tio miljoner amerikanska dollar och tog ungefär tre och en halv månad att genomföra. Företagets agenter skrev mer än 99 procent av koden, hanterade infrastrukturen, hittade lämpliga träningsalgoritmer och samlade in träningsdata från webben.

Modellen Mirendil-Base, som har mellan hundra miljarder och femhundra miljarder parametrar, utgör grunden för den specialiserade kodningsmodellen Fern som lanserades förra månaden. Fern är utformad för att automatiskt hantera programmeringsutmaningar som ofta förekommer inom laboratorier för artificiell intelligens. Modellen kan bearbeta tio miljoner token per inmatning, vilket är tio gånger mer än vad som anges för Claude Opus 5.5 och motsvarar ungefär en halv miljon rader kod. Företaget har nyligen visat uppgraderade versioner av Mirendil-Base med mellan femhundra miljarder och tio biljoner parametrar, vilka planeras användas för att vidareutveckla mer kapabla språkmodeller.