美国大模型公司Mirendil于11月13日宣布完成10亿美元(约合人民币66.72亿元)A轮融资,由Kleiner Perkins与Clearlake Capital联合领投,谷歌、英伟达、Battery Ventures、Doerr Capital、Gil & Co、M13、Pear VC、S32等机构参投。官方未公布本轮估值,多家媒体引用a16z内部信息称其估值约为50亿美元(约合人民币333.59亿元)。算上今年6月的种子轮,Mirendil累计融资已达12亿美元(约合人民币80.06亿元)。
Mirendil总部位于美国旧金山,2026年6月刚刚脱离隐身状态,创始团队包括Anthropic前员工Behnam Neyshabur、Harsh Mehta,xAI前研究员Shayan Salehian,以及前OpenAI学生研究员Tara Rezaei。CEO Behnam Neyshabur曾将公司定位为“服务科学AI的AI”(AI for AI for science),即提供工具帮助科研人员自行开发模型,而非直接做科学AI。
融资节奏上,Mirendil在141天内完成两轮:6月25日种子轮2亿美元,由a16z和Kleiner Perkins领投,英伟达等跟投,当时估值据《华尔街日报》报道为10亿美元;11月13日A轮10亿美元。算力方面,2026年8月公司与谷歌云签署多年战略合作协议,金额超过1亿美元,覆盖Google TPU与NVIDIA GPU两类资源,为后续大规模预训练提供基础设施。
技术进展是资本押注的核心。2026年10月21日,Mirendil发布首个基础模型Mirendil-Base,参数规模约1000亿至5000亿。官方称该模型由1名研究员在智能体辅助下从零完成预训练,仅耗时3.5个月,总算力成本低于1000万美元(约合人民币6671.75万元),其中智能体完成超过99%的编程工作,负责基础设施搭建、算法选择、数据收集与迭代,人类主要负责方向决策与结果判断。基于Mirendil-Base后训练推出的Fern 0.1参数规模约0.1万亿至0.5万亿,支持最高约1000万token上下文窗口,面向调试训练日志、分析智能体轨迹等任务,目前处于早期访问申请阶段。更大参数版本也在推进:Mirendil-Base-Large(约5000亿至2万亿参数)完成约80%,Mirendil-Base-XL(约2万亿至10万亿参数)完成约20%。
核心产品多智能体研发平台Lor于2026年10月28日进入私测,可同时调度数百个智能体编写代码、运行实验,并自动申请与释放算力资源,支持持续工作数天甚至数周。智能体与设备分离,用户可随时移除设备;平台兼容Kimi、DeepSeek等开源模型以及Claude、GPT、Gemini、Grok等闭源模型,也支持Mirendil自有模型。目前支持macOS、Linux与Web端,Windows、iOS与Android版本计划推出。
创始团队背景覆盖模型推理、自动化研发与工程落地。Behnam Neyshabur曾在谷歌DeepMind联合领导Blueshift团队,参与Minerva及早期Gemini推理能力建设,后在Anthropic联合领导Discovery团队;他是ICLR 2021论文《Sharpness-Aware Minimization》联合作者,谷歌引用量超过5万。CTO Harsh Mehta在谷歌搜索与DeepMind工作近10年,参与Gemini研发,后在Anthropic主导搭建内部自动化AI研究平台第一版。Shayan Salehian曾在Twitter与X负责机器学习工程,后加入xAI参与Grok系列后训练与智能体工作。Tara Rezaei曾代表伊朗参加国际天文与天体物理奥林匹克并获银牌,在麻省理工学院就读期间于OpenAI担任学生研究员。
从产业视角看,Mirendil试图用智能体把原本需要数十人、数月甚至数年的预训练与实验迭代,压缩到“一人、数月、千万美元级算力”的规模。若该模式可复制,药物研发、材料科学、机器人等领域的专业实验室将有机会在不组建完整预训练团队的情况下开展接近前沿的模型迭代,可能催生一批“领域专用小实验室”。对算力产业链而言,这意味着需求可能从少数巨型实验室向更多中小团队扩散,但单次预训练的算力成本也可能因效率提升而下降。资本在半年内两次下注,看中的正是这一可能性。不过,Mirendil目前最亮眼的成果仍属公司内部实验,外部体验如何、能否在前沿大模型快速迭代中建立技术壁垒,仍是其需要回答的问题。