Mirendil recauda 1.000 millones de dólares para desarrollar modelos de IA con mayor rapidez
Una nueva startup fundada por antiguos investigadores de Google DeepMind y Anthropic dice que su plataforma automatizada permite a equipos pequeños construir grandes modelos de IA con rapidez y bajo coste.

La plataforma Lor de Mirendil emplea robots de inteligencia artificial para escribir código y entrenar modelos de lenguaje de gran tamaño de manera autónoma, con mínima intervención humana.
- Los agentes de inteligencia artificial escriben la mayor parte del código de entrenamiento.
- Los agentes configuran por su cuenta toda la infraestructura informática.
- Los agentes llevan a cabo experimentos y corrigen errores sin intervención.
- Un grupo reducido vigila cómo van tomando forma los resultados.
Qué puedes hacer con ello
- Un equipo pequeño de investigación podría usar la plataforma para construir grandes modelos de IA con rapidez y bajo coste sin necesidad de docenas o cientos de especialistas 1.
- Un solo investigador podría construir un LLM especializado en programación completamente por su cuenta usando agentes de IA para escribir código, configurar infraestructura, encontrar algoritmos de entrenamiento y reunir datos de entrenamiento 2.
- Las empresas podrían automatizar gran parte del flujo de trabajo de prueba y error del entrenamiento de modelos, permitiendo que los agentes de IA ejecuten experimentos y corrijan errores automáticamente 1.
Un ejemploInventado para explicarlo
Maya, una investigadora que trabaja sola y desea crear una inteligencia artificial para programar
Maya¿Puedo construir yo sola un modelo de programación?
Agente de LorClaro: lo escribimos nosotros el 99 por ciento del código.
Maya¿Cuánto me va a成本tar esto realmente?
Agente de LorMenos de 10 millones de dólares, con todo incluido.
Maya¿Tengo que adquirir datos de entrenamiento?
Agente de LorNo: nos servimos exclusivamente de material gratuito en internet.
Maya culminó el proyecto completo en aproximadamente tres meses y medio trabajando en solitario.
La ronda
Mirendil anunció la inversión de 1.000 millones de dólares en Serie A el 13 de noviembre de 2026 1. Fue copatrocinada por la firma de capital riesgo Kleiner Perkins y la firma de capital privado Clearlake Capital, con más de otros seis inversores que se sumaron, incluyendo Google .
La startup fue fundada el año anterior por dos investigadores exde Google DeepMind y Anthropic 1. El director ejecutivo Behnam Neyshabur coideó SAM, un enfoque que ayuda a los sistemas de IA a manejar tareas para las que no fueron específicamente entrenados . El director tecnológico Harsh Mehta trabajó en proyectos de preentrenamiento tanto en Google DeepMind como en Anthropic .
Qué ha construido la compañía hasta ahora
El primer producto de Mirendil es una plataforma llamada Lor que automatiza muchos de los pasos involucrados en la ejecución de experimentos para entrenar modelos 1. Según la compañía, Lor distribuye el trabajo entre cientos de agentes de IA —programas de software que pueden realizar tareas por sí solos . La mayor parte del desarrollo de modelos implica mucha prueba y error: los investigadores crean diferentes versiones de un algoritmo y las comparan para ver cuál funciona mejor . Lor está diseñado para manejar ese proceso de forma automática, e incluso corregir errores que aparecen durante la evaluación .
Para demostrar la idea, la compañía recientemente pidió a uno de sus investigadores que construyera un LLM especializado en programación —una IA ajustada para escribir y comprender código informático— sin ayuda de otros especialistas 2. Usualmente tales proyectos requieren equipos de expertos, pero Mirendil dijo que la tecnología de automatización permitió que una sola persona completara el trabajo en aproximadamente tres meses y medio, con un coste total de menos de 10 millones de dólares . La cifra cubre todo: la ejecución final de entrenamiento, experimentos, los costes de los agentes por procesamiento de texto, y preparación de datos, sin datos adicionales comprados .
El modelo base resultante, llamado Mirendil-Base, fue construido completamente desde cero usando herramientas comunes de código abierto como PyTorch y JAX, y aprendió solo de material público disponible en línea 2. Los agentes escribieron más del 99 por ciento del código, configuraron infraestructura informática, encontraron un algoritmo de entrenamiento, reunieron y refinaron los datos de entrenamiento, y mejoraron la estructura del modelo para aumentar la calidad 1.
Modelos más grandes y un especialista en programación
A partir de Mirendil-Base, la compañía desarrolló Fern, un modelo de programación presentado en octubre que está diseñado para enfrentar desafíos de programación comúnmente enfrentados dentro de laboratorios de IA 1. Fern puede procesar 10 millones de tokens de entrada en una sola solicitud —la compañía dice que eso es diez veces más de lo que Claude Opus 5.5 puede manejar— aproximadamente equivalente a medio millón de líneas de código .
Fern se basa en una versión de Mirendil-Base que contiene entre 100 mil millones y 500 mil millones de parámetros —un parámetro siendo un número dentro del modelo que almacena lo que ha aprendido—, y a finales del mes pasado la compañía presentó versiones mejoradas de Mirendil-Base que van desde 500 mil millones hasta 10 billones de parámetros 1. Mirendil planea usar esos algoritmos más grandes para desarrollar modelos de lenguaje más capaces de aquí en adelante .
Durante la mayor parte de la última década, entrenar un modelo base competitivo requirió equipos dedicados que rondaban las docenas en esfuerzos de modelos abiertos y las centenas en los laboratorios de IA más grandes 2. Algunos investigadores diseñan el modelo y planifican cómo escalarlo; otros recopilan y limpian billones de muestras de texto; aún otros gestionan los miles o cientos de miles de chips de cómputo que ejecutan el entrenamiento . Mirendil dijo que este año ha visto a los agentes comenzando a asumir una parte creciente de ese trabajo incluso dentro de laboratorios punteros, citando mediciones internas de ambos Anthropic y OpenAI que muestran el cambio acelerándose . Su propio experimento estaba destinado a empujar la tendencia tan lejos como fuera posible .
Qué sigue
Los inversores claramente están de acuerdo con la visión: mil millones de dólares está entre las rondas de etapas tempranas más grandes jamás recaudadas para una startup de infraestructura de IA, lo que señala una fuerte apetencia por herramientas que podrían democratizar el acceso a capacidades de construcción de modelos 1. Qué tan ampliamente estará disponible la plataforma y si los resultados escalan más allá del laboratorio permanece por verse.
Datos clave que vigilar
- ¿Es el compromiso de 1.000 millones de dólares suficiente para sostener las operaciones mientras la compañía escala su plataforma impulsada por agentes? Los observadores de la industria seguirán si el modelo corresponde con su desempeño de demostración cuando se impulse más allá 12.
- ¿Adoptarán competidores de código abierto y rivales bien financiados como OpenAI, Anthropic y Google flujos de trabajo similares basados en agentes, o Mirendil tiene una ventaja sostenible 2?
- ¿Puede la tecnología cumplir con modelos que superen los 10 billones de parámetros, como se mostró, o aparecerán cuellos de botella a medida que aumente la escala 1?
- ¿Cómo moldeará el precio y disponibilidad de Lor si equipos más pequeños pueden competir realistas con laboratorios de IA más grandes 2?
Esta noticia informa sobre una tendencia solo con fines informativos. No es consejo ni aliento para hacer cualquiera de ello.
Los datos clave
- Mirendil recaudó una Serie A de 1.000 millones de dólares liderada por Kleiner Perkins y Clearlake Capital, con Google entre los inversores
- Un investigador construyó Mirendil-Base en 3,5 meses usando menos de 10 millones de dólares, con agentes de IA escribiendo más del 99 % del código
- Fern puede procesar 10 millones de tokens por prompt, diez veces más que Claude Opus 5.5
Fuentes
Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes
Sigue leyendo
Apps y productosGoogle abre TorchTPU, un backend nativo de PyTorch para TPUs en la nubeHerald of AIhttps://github.com/soumith, CC BY-SA 4.0, via Wikimedia Commons
Google abre TorchTPU, un backend nativo de PyTorch para TPUs en la nube
Una nueva pila de código abierto permite a los desarrolladores ejecutar modelos de PyTorch directamente en los chips TPU de Google, reemplazando el antiguo sistema PyTorch/XLA.
La semanaEsta semana en IA: llegan nuevos modelos y los agentes se vuelven más segurosHerald of AI
Esta semana en IA: llegan nuevos modelos y los agentes se vuelven más seguros
Grandes lanzamientos de modelos de pesos abiertos, avances de velocidad y un impulso para que los agentes de IA sean más fiables y seguros.
La semanaEsta semana en vulnerabilidades, herramientas y burbujas de IAHerald of AI
Esta semana en vulnerabilidades, herramientas y burbujas de IA
Los chatbots se desmoronaron ante la amabilidad, crecieron los temores bursátiles y las alternativas de código abierto siguieron apareciendo.