Mirendil完成10亿美元A轮融资,估值约50亿美元
一个人和一个“智能体军团”,3个半月训出基础大模型。
智东西11月16日消息,11月13日,美国大模型独角兽Mirendil宣布拿到10亿美元(约合人民币66.72亿元)A轮融资。这一轮估值官方没有披露,多家媒体援引a16z内部信息称约为50亿美元(约合人民币333.59亿元)。
Kleiner Perkins与Clearlake Capital担任本轮联合领投方,Battery Ventures、Doerr Capital、Gil & Co、谷歌、M13、Pear VC、S32等也参与其中。
算上今年6月的那轮A轮融资,Mirendil累计已融到12亿美元(约合人民币80.06亿元)。

▲Mirendil官宣融资(来源:X)
Mirendil 2026年6月才结束隐身状态,创始团队为
Anthropic前员工Behnam Neyshabur、Harsh Mehta,加上xAI前研究员Shayan Salehian、前OpenAI学生研究员Tara Rezaei,公司总部设在美国旧金山。
早前接受采访时,Behnam Neyshabur说过:“我们正在做的产品有点像服务科学AI的AI(AI for AI for science),而非科学AI(AI for science)。”换句话说,Mirendil提供的是一套工具,让科研人员自己去开发模型。
2026年10月21日,Mirendil亮出首个基础模型Mirendil-Base。按官方说法,这个模型由1名员工借助智能体完成,从零仓库起步做预训练,前后只花了3个半月,总算力成本不到1000万美元(约合人民币6671.75万元)。
一家由Anthropic前员工创办的公司,难道已经把RSI(Recursive Self-Improvement,递归自我改进)做成了?
01.
相隔141天完成两轮融资
与谷歌云签超1亿美元算力大单
成立至今,Mirendil接连做完2轮融资,合计12亿美元(约合人民币80.06亿元)。2026年6月25日,公司宣布完成2亿美元(约合人民币13.34亿元)种子轮,a16z和Kleiner Perkins领投,英伟达等机构跟投。《华尔街日报》报道称,Mirendil当时估值10亿美元(约合人民币66.72亿元)。
算力方面,2026年8月Mirendil和谷歌云签下多年战略合作协议。
双方披露的信息显示,合作金额超过1亿美元(约合人民币6.67亿元),主要覆盖Google TPU与NVIDIA GPU两类算力资源。有了这份协议,Mirendil后续大规模模型预训练和智能体实验就有了稳定的基础设施支撑。

▲Mirendil官宣合作(来源:X)
02.
3个半月完成预训练
其中99%编程工作是智能体做的
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,该模型由一名研究员在智能体辅助下从零完成预训练,耗时仅3.5个月,总算力成本低于1000万美元(约合人民币6671.75万元),这笔成本涵盖实验、智能体token消耗与数据处理。
编程工作有超过99%由智能体完成,基础设施搭建、算法选择、数据收集与迭代都归它管;人类主要做方向决策和结果判断。
之后,公司以Mirendil-Base为基础做后训练,进一步推出Fern 0.1。该模型参数规模约0.1万亿至0.5万亿,上下文窗口最高支持约1000万token。
它主要面向调试训练日志、分析完整智能体轨迹、审计预训练数据这类高容量任务,目前还在早期访问申请阶段。
与此同时,Mirendil预告了更大的参数版本:Mirendil-Base-Large(约5000亿至2万亿参数)完成进度约80%,Mirendil-Base-XL(约2万亿至10万亿参数)完成进度约20%。

▲预告模型进度
核心产品多智能体研发平台Lor已于2026年10月28日进入私测。Mirendil透露,公司内部日常研发现已全面跑在Lor上。
这个平台能同时调度数百个智能体写代码、跑实验,算力资源由它自行申请和释放,连续运转数天乃至数周不成问题。

一次运行中,Lor内的智能体以100个PyTorch拉取请求为基础搭起环境,共投入102个智能体,平均每个耗时8分钟

智能体按需取用算力,对自己启动的每台虚拟机、每个节点握有完全控制权

某次夜间运行里,Lor中的智能体找出了LiteLLM的安全漏洞,天没亮就把修复做完了
在Lor的架构里,智能体干活所用的设备是分开的。跑什么由智能体决定,具体每条命令则由Lor发到用户选定的设备上执行。智能体只在已添加的机器范围内活动,用户也可以随时把某台设备撤掉。

智能体与设备彼此分离
眼下Lor已覆盖macOS、Linux和Web端,Windows、iOS、Android版本在计划之中。模型接入方面,平台兼容Kimi、DeepSeek等开源模型以及Claude、GPT、Gemini、Grok这些前沿闭源模型都能接,Mirendil自家模型同样在支持之列。

可接入的模型
03.
前Anthropic、xAI、OpenAI班底创业
凑齐模型推理、自动化研发和工程落地
Mirendil的四位联合创始人,核心背景集中在Anthropic、谷歌DeepMind、xAI与OpenAI,分别攒下了模型推理、自动化研发、工程落地和早期研究的直接经验。
联合创始人兼CEO Behnam Neyshabur的学历路径是:谢里夫理工大学本硕,丰田工业大学芝加哥分校计算机科学博士。之后他跟着杨立昆,在纽约大学和普林斯顿高等研究院做博士后。
2019年到2024年,Behnam在谷歌DeepMind任高级研究科学家,联合领导Blueshift团队,主攻基础模型推理能力的提升。这个团队直接参与了首个在数学问题上表现突出的语言模型Minerva的开发,也担起早期Gemini模型推理能力建设的任务,后面的工作还延续到Gemini 1.5与Gemma 2的推理提升上。
2024年末到2025年12月,他转到Anthropic,联合领导Discovery团队,方向是做出能承担长期推理与科学任务的“AI科学家/工程师”。
学术方面,他是ICLR 2021论文《Sharpness-Aware Minimization》(SAM优化器)的联合作者。这项技术被大量用于提升深度学习模型的泛化能力,谷歌上引用量已超过5万。

Behnam Neyshabur(来源:Github)
联合创始人兼CTO Harsh Mehta跟Behnam一样,从谷歌一路走到Anthropic。他毕业于印度理工学院瓜哈提分校,在谷歌搜索和谷歌DeepMind干了近10年,参与Gemini系列模型研发,长序列建模、状态空间模型、学习率调度等方向都有论文。
2024年至2025年12月,Harsh在Anthropic做高级研究科学家,牵头搭出公司内部自动化AI研究平台(autoresearch)的第一版。这个平台想用模型自身加快预训练与实验迭代,也正是Mirendil当下技术方向的直接前身。

Mirendil创始团队合影,最右侧为Harsh Mehta(来源:wsj)
联合创始人Shayan Salehian,本科在谢里夫理工大学,硕士读于加州大学河滨分校。
2018年至2024年,他在Twitter与X先后担任机器学习工程师、机器学习工程师,做过时间线推荐、模型服务和大规模系统工程。
2024年10月到2026年初,Shayan进入xAI,参与Grok系列模型的后训练、推理、记忆系统、编码基础设施与智能体相关事务。

▲Shayan Salehian(来源:LinkedIn)
联合创始人Tara Rezaei(全名Tara Rezaei Kheirkhah)在团队里年纪最小。2021年她曾代表伊朗出战国际天文与天体物理奥林匹克(IOAA),拿下一枚银牌,之后赴麻省理工学院读电子工程与计算机科学。读书期间,她还在OpenAI做过学生研究员,方向涉及模型可解释性与程序合成。

▲Tara Rezaei(来源:Tara个人主页)
04.
结语:AI研发的门槛,要拿Agent重新量一遍
资本为何押注RSI
眼下,能做出前沿AI的,还是那几家握着海量算力、顶尖人才和完整实验条件的实验室。Mirendil想用Agent撬开这道门:过去要几十号人、花上数月乃至数年才能跑完的预训练和实验迭代,它希望压到“一个人、几个月、千万美元级算力”的量级。
药物研发、材料科学、机器人这些方向的专门实验室,以后不必凑齐一支完整的预训练队伍,也有机会把模型迭代做到接近前沿的水平。一批“领域专用小实验室”可能就这样冒出来。半年里资本两次下注,看上的大概正是这点。
不过,Mirendil眼下拿得出手的成绩还停留在公司内部实验。外部用户用起来怎么样?前沿大模型迭代这么快,技术壁垒又该怎么立?这些都是团队得尽快回答的问题。