Mirendil再融10亿美元:A轮估值约50亿美元,谷歌英伟达已入局
智东西11月16日报道,11月13日,美国大模型独角兽Mirendil官宣完成10亿美元(约合人民币66.72亿元)A轮融资。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)。 本轮融资由Kleiner Perkins与Clearlake Capital联合领投,参与
智东西11月16日消息,美国大模型初创公司Mirendil在11月13日宣布完成10亿美元A轮融资,折合人民币约66.72亿元。本轮估值官方没有披露,多家媒体引用a16z内部信息称约为50亿美元,折合人民币约333.59亿元。
这轮融资由Kleiner Perkins和Clearlake Capital共同领投,Battery Ventures、Doerr Capital、Gil & Co、谷歌、M13、Pear VC、S32等机构参与。
算上今年6月的那轮融资,Mirendil累计已拿到12亿美元,折合人民币约80.06亿元。

▲Mirendil官宣融资(来源:X)
Mirendil总部设在美国旧金山,2026年6月才结束隐身状态。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。
Behnam Neyshabur此前受访时说过:“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卖的是工具,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,1名员工借助智能体,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,折合人民币约6671.75万元。
这家由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接连完成2轮融资,合计12亿美元,折合人民币约80.06亿元。2026年6月25日,公司宣布拿下2亿美元种子轮,折合人民币约13.34亿元,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,折合人民币约66.72亿元。
算力方面,Mirendil在2026年8月与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,折合人民币约6.67亿元,主要覆盖Google TPU与NVIDIA GPU两类算力资源。这份协议为Mirendil之后的大规模模型预训练和智能体实验提供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,折合人民币约6671.75万元,这笔成本涵盖实验、智能体token消耗与数据处理。
编程工作里,智能体承担了超过99%,包括基础设施搭建、算法选择、数据收集与迭代;人类主要管方向决策和结果判断。
之后,Mirendil在Mirendil-Base基础上做后训练,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。
Fern 0.1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,眼下还在早期访问申请阶段。
更大参数的版本也在推进,Mirendil同步做了预告:Mirendil-Base-Large(约5000亿至2万亿参数)进度约80%,Mirendil-Base-XL(约2万亿至10万亿参数)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,公司内部的日常研发已经全面跑在Lor上。
这个平台能同时调度数百个智能体去写代码、跑实验,算力资源的申请与释放也由它自动完成,连续运转数天乃至数周不成问题。
一次运行里,Lor中的智能体围绕100个PyTorch拉取请求搭起了环境:102个智能体参与,平均每个耗时8分钟。计算资源由智能体按需分配,它们对自己启动的每台虚拟机、每个节点都握有完全控制权。



还有一次夜间运行,Lor里的智能体找出了LiteLLM的安全漏洞,天亮之前就把修复做完了。在Lor的架构里,智能体和它干活的设备是分开的:运行什么由智能体决定,每条命令则由Lor发到用户选定的设备上。智能体只会在已经添加的机器上动手,用户想撤掉哪台设备,随时可以移除。

[[保留4]]
Lor眼下覆盖macOS、Linux与Web端,Windows、iOS和Android版本在计划中。模型方面,Kimi、DeepSeek等开源模型能用,Claude、GPT、Gemini、Grok等前沿闭源模型也能接,Mirendil自有模型同样在支持范围内。

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的四名联合创始人,核心成员大多出自Anthropic、谷歌DeepMind、xAI与OpenAI,在模型推理、自动化研发、工程落地和早期研究上都有直接经验。联合创始人兼CEO Behnam Neyshabur的本科与硕士都在谢里夫理工大学完成,计算机科学博士则读于丰田工业大学芝加哥分校。之后他跟着杨立昆做博士后,地点在纽约大学与普林斯顿高等研究院。
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,主攻基础模型的推理能力。首个在数学问题上表现突出的语言模型Minerva,该团队直接参与了开发;早期Gemini模型的推理能力建设也由他们负责,后续工作还贡献到了Gemini 1.5与Gemma 2的推理提升上。2024年末到2025年12月,他在Anthropic联合领导Discovery团队,目标是把“AI科学家/工程师”造出来,让它能完成长期推理与科学任务。
研究上,他是ICLR 2021论文《Sharpness-Aware Minimization》(SAM优化器)的联合作者。这项技术被广泛用于提升深度学习模型的泛化能力,谷歌上其研究引用量已超过5万。

[[保留7]]
联合创始人兼CTO Harsh Mehta是Behnam从谷歌到Anthropic一路的同事。他毕业于印度理工学院瓜哈提分校,在谷歌搜索与谷歌DeepMind干了近10年,Gemini系列模型的研发有他参与,长序列建模、状态空间模型、学习率调度等方向也有论文发表。2024年至2025年12月,Harsh在Anthropic做高级研究科学家,主导搭建了公司内部自动化AI研究平台(autoresearch)的第一版。这个平台想让模型自己加速预训练与实验迭代,也是Mirendil当前技术方向的直接前身。

[[保留8]]
联合创始人Shayan Salehian本科读于谢里夫理工大学,硕士在加州大学河滨分校。2018年至2024年,他先后在Twitter与X担任机器学习工程师与机器学习工程师,做的是时间线推荐、模型服务与大规模系统工程。
2024年10月至2026年初,Shayan加入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工作。

联合创始人Tara Rezaei(全名Tara Rezaei Kheirkhah)是团队里最年轻的一位。2021年她代表伊朗参加国际天文与天体物理奥林匹克(IOAA),拿到银牌,之后进入麻省理工学院读电子工程与计算机科学。在校期间她在OpenAI做学生研究员,研究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:用Agent重新衡量AI研发门槛
资本押注RSI
眼下,前沿AI能力基本攥在少数实验室手里,它们有海量算力、顶尖人手,还有一整套跑得通的实验流程。Mirendil想拿Agent撬动这个格局:原本要几十号人干上数月乃至数年的预训练和实验迭代,被压到“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业实验室,以后不搭完整的预训练团队,也有机会做接近前沿的模型迭代。一批“领域专用小实验室”很可能就此冒出来。资本半年内两次下注,看中的或许正是这件事。
不过Mirendil眼下最拿得出手的成果,还是公司自己的内部实验。外部用起来怎么样?前沿大模型迭代这么快,技术壁垒又怎么建?这些都是这支创业团队得赶紧回答的问题。