狂揽80亿!前Anthropic员工押注RSI,谷歌英伟达都投了

栏目:财经 | 来源:智东西 | 2026-11-16 22:10
智东西作者   王涵编辑   李水青

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,参与方包括Battery Ventures、Doerr Capital、Gil & Co、、M13、Pear VC、S32等。

算上今年6月的种子轮融资,Mirendil已经累计融了12亿美元(约合人民币80.06亿元)。

▲Mirendil官宣融资(来源:X)

Mirendil在2026年6月刚刚脱离隐身状态,由Anthropic前员工Behnam Neyshabur、Harsh Mehta联合xAI前研究员Shayan Salehian、前OpenAI学生研究员Tara Rezaei创立,总部位于美国旧金山。

在此前的采访中,Behnam Neyshabur曾说:“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)。”也就是说,Mirendil是提供一种工具,帮助科研人员自己开发模型。

2026年10月21日,Mirendil发布了其首个基础模型Mirendil-Base,官方称该模型是由1名员工借助智能体,只用了3个半月,就从零仓库开始完成了预训练,总算力成本还

不到1000万美元(约合人民币6671.75万元)。

难道这家由Anthropic前员工创办的公司,已经实现RSI(Recursive Self-Improvement,递归自我改进)了?

一、相隔141天完成两轮融资,与谷歌云签超1亿美元算力大单

自成立以来,Mirendil已经连续完成了2轮融资,共计12亿美元(约合人民币80.06亿元)。2026年6月25日,该公司官宣完成2亿美元(约合人民币13.34亿元)种子轮融资,由a16z和Kleiner Perkins领投,英伟达等机构跟投。据《华尔街日报》报道,Mirendil彼时估值达10亿美元(约合人民币66.72亿元)。

在算力布局方面,2026年8月,Mirendil与谷歌云签署了多年战略合作协议。

根据双方披露的信息,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。该协议为Mirendil后续大规模模型预训练与智能体实验提供了稳定的基础设施支持。

▲Mirendil官宣合作(来源:X)

二、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发布了其首个基础模型Mirendil-Base,参数规模约为1000亿至5000亿。

官方宣称该模型是由一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),成本包含实验、智能体token消耗与数据处理。

其中,智能体完成了超过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。

随后,该公司基于Mirendil-Base进行后训练,进一步推出Fern 0.1。该模型参数规模约为0.1万亿至0.5万亿,支持最高约1000万token的上下文窗口。

该模型主要面向调试训练日志、分析完整智能体轨迹、审计预训练数据等高容量任务。目前处于早期访问申请阶段。

同时,Mirendil预告更大参数版本同步推进中: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

其核心产品多智能体研发平台Lor于2026年10月28日进入私测,Mirendil透露,其公司内部日常研发已全面基于Lor运行。

该平台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。


▲在一次运行中,Lor里的智能体基于100个PyTorch拉取请求构建了环境:102个智能体,平均每个耗时8分钟


▲智能体按需分配计算资源,并对其启动的每台虚拟机和每个节点拥有完全控制权


▲在一次夜间运行中,Lor里的智能体发现了LiteLLM的安全漏洞,并在天亮前完成修复

在Lor中,智能体与其工作的设备是分离的。智能体决定运行什么,Lor则将每条命令发送到用户选择的设备上。并且,智能体只在已添加的机器上操作,用户还可以随时移除某台设备。


▲智能体与设备分离

目前,Lor支持macOS、Linux与Web端,Windows、iOS与Android版本计划推出。该平台兼容Kimi、DeepSeek等开源模型,以及Claude、GPT、Gemini、Grok等前沿闭源模型,同时支持Mirendil自有模型。

▲可接入模型

三、前Anthropic、xAI、OpenAI班底创业,凑齐模型推理、自动化研发和工程落地领域

Mirendil由四名联合创始人创立,其核心成员多来自Anthropic、谷歌DeepMind、xAI与OpenAI,各自在模型推理、自动化研发、工程落地与早期研究方面积累了直接经验。

联合创始人兼CEO Behnam Neyshabur拥有谢里夫理工大学本硕学位,并在丰田工业大学芝加哥分校获得计算机科学博士学位。随后,他师从杨立昆,在纽约大学与普林斯顿高等研究院从事博士后研究。

2019年至2024年,Behnam在谷歌DeepMind担任高级研究科学家,并联合领导Blueshift团队,专注于提升基础模型的推理能力。该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,并负责早期Gemini模型的推理能力建设,后续工作也贡献于Gemini 1.5与Gemma 2的推理提升。

2024年末至2025年12月,Behnam在Anthropic联合领导Discovery团队,目标是构建能够完成长期推理与科学任务的“AI科学家/工程师”。

在研究领域,他是ICLR 2021论文《Sharpness-Aware Minimization》(SAM优化器)的联合作者,该技术被广泛用于提升深度学习模型的泛化能力,其研究在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是Behnam从谷歌到Anthropic的同事。他毕业于印度理工学院瓜哈提分校,此前在谷歌搜索与谷歌DeepMind工作近10年,参与了Gemini系列模型的研发,并在长序列建模、状态空间模型与学习率调度等方向有论文产出。

2024年至2025年12月,Harsh在Anthropic担任高级研究科学家,主导搭建了公司内部自动化AI研究平台(autoresearch)的第一版。该平台旨在用模型自身加速预训练与实验迭代,是Mirendil当前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本科毕业于谢里夫理工大学,硕士就读于加州大学河滨分校。

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,参与时间线推荐、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。

▲Shayan Salehian(来源:LinkedIn)

联合创始人Tara Rezaei(全名Tara Rezaei Kheirkhah)是团队中最年轻的成员。她2021年代表伊朗参加国际天文与天体物理奥林匹克(IOAA)并获得银牌,随后进入麻省理工学院攻读电子工程与计算机科学专业。在校期间,她在OpenAI担任学生研究员,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)

结语:用Agent重新衡量AI研发门槛,资本押注RSI

如今,前沿AI能力高度集中在少数拥有巨额算力、顶尖人才与完整实验闭环的实验室中。Mirendil试图用Agent打破这一结构,把原本需要几十人、数月甚至数年才能完成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。

药物研发、材料科学、机器人等领域的专业实验室,将会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,这很可能催生一批“领域专用小实验室”。资本在半年内对其两次下注,看中的或许就是这一可能性。

但Mirendil目前最亮眼的成果仍是公司内部实验,外部体验如何?在前沿大模型快速迭代的当下,如何建立起技术壁垒?都是创业团队亟需回答的问题。

来源:《华尔街日报》、Mirendil官网、谷歌云、LinkedIn

了解更多

猜你想看

← 返回首页