AIGenerato
EN · IT · ES

Mirendil raccoglie 1 miliardo di dollari per usare agenti di AI nello sviluppo più veloce dei modelli

Una nuova startup fondata da ricercatori ex Google DeepMind e Anthropic afferma che la sua piattaforma automatizzata permette a piccoli team di creare grandi modelli di AI rapidamente ed economicamente.

Mirendil raccoglie 1 miliardo di dollari per usare agenti di AI nello sviluppo più veloce dei modelli
Immagine: mirendil.com
Come funziona

La piattaforma Lor di Mirendil impiega agenti AI per scrivere codice e addestrare modelli linguistici di grandi dimensioni in autonomia, con un intervento umano minimo.

  1. Gli agenti AI scrivono la maggior parte del codice di addestramento
  2. Gli agenti configurano da soli l'infrastruttura di calcolo
  3. Gli agenti eseguono esperimenti e correggono gli errori in automatico
  4. Un piccolo gruppo segue i risultati che si consolidano

Cosa potresti farci

  • Un piccolo team di ricerca potrebbe usare la piattaforma per creare rapidamente ed economicamente grandi modelli di AI senza dover contare su decine o centinaia di specialisti 1.
  • Un singolo ricercatore potrebbe costruire autonomamente un LLM specializzato nella programmazione usando agenti di AI per scrivere codice, configurare infrastrutture, trovare algoritmi di addestramento e raccogliere dati 2.
  • Le aziende potrebbero automatizzare gran parte del processo di prova-ed-errore nell'addestramento dei modelli, lasciando agli agenti di AI il compito di eseguire esperimenti e correggere errori in modo automatico 1.

Un esempioInventato per spiegare

Maya, una ricercatrice che lavora da sola e vuole realizzare un'AI per programmare

MayaPosso creare da solo un modello per programmare?

Lor agentCerto — abbiamo scritto il 99% del codice.

MayaQuanto costa davvero tutto questo?

Lor agentMeno di 10 milioni di dollari, tutto incluso.

MayaDevo comprare qualche dataset per l'addestramento?

Lor agentNo — ci siamo limitati a materiale gratuito disponibile online.

Maya ha portato a termine l'intero progetto in circa tre mesi e mezzo, lavorandoci da sola.

Il round

Mirendil ha annunciato l'investimento da 1 miliardo di dollari in Serie A il 13 novembre 2026 1. È stato co-condotto dalla società di venture capital Kleiner Perkins e dalla società di private equity Clearlake Capital, con altri sei investitori tra cui Google .

La startup è stata fondata l'anno precedente da due ricercatori ex Google DeepMind e ex Anthropic 1. L'amministratore delegato Behnam Neyshabur ha co-inventato SAM, un approccio che aiuta i sistemi di AI a gestire compiti per cui non sono stati specificamente addestrati . L'amministratore technology officer Harsh Mehta ha lavorato a progetti di pretraining sia presso Google DeepMind che presso Anthropic .

Quel che la società ha costruito finora

Il primo prodotto di Mirendil è una piattaforma chiamata Lor che automatizza molti passaggi coinvolti nell'esecuzione di esperimenti per addestrare modelli 1. Secondo la società, Lor ripartisce il lavoro tra centinaia di agenti di AI — programmi software in grado di portare avanti compiti in autonomia . La maggior parte dello sviluppo di modelli comporta molte prove ed errori: i ricercatori creano versioni diverse di un algoritmo e le confrontano per vedere quale funziona meglio . Lor è progettato per gestire automaticamente questo processo, e persino correggere errori che si presentano durante la valutazione .

Per dimostrare l'idea, la società ha recentemente chiesto a uno dei suoi ricercatori di costruire un LLM specializzato nella programmazione — un'AI ottimizzata per scrivere e comprendere il codice — senza l'aiuto di altri specialisti 2. Solitamente tali progetti richiedono team di esperti, ma Mirendil ha dichiarato che la tecnologia automatizzata ha permesso a una sola persona di completare il lavoro in circa tre mesi e mezzo, per un costo totale inferiore a 10 milioni di dollari . La cifra copre tutto: l'addestramento finale, gli esperimenti, i costi degli agenti per l'elaborazione del testo e la preparazione dei dati, senza acquistare dati aggiuntivi .

Il modello foundation risultante, chiamato Mirendil-Base, è stato costruito interamente da zero utilizzando strumenti open-source comuni come PyTorch e JAX, e ha appreso esclusivamente da materiale disponibile pubblicamente online 2. Gli agenti hanno scritto oltre il 99 percento del codice, configurato infrastrutture di calcolo, trovato un algoritmo di addestramento, raccolto e raffinato i dati di addestramento e migliorato la struttura del modello per aumentarne la qualità 1.

Modelli più grandi e uno specializzato in programmazione

A partire da Mirendil-Base, la società ha sviluppato Fern, un modello per la programmazione presentato a ottobre, progettato per affrontare sfide di programmazione comunemente affrontate nei laboratori di AI 1. Fern può elaborare 10 milioni di token di input in una singola richiesta — la società afferma che è dieci volte di più di quanto possa gestire Claude Opus 5.5 — che equivale grosso modo a mezzo milione di righe di codice .

Fern si basa su una versione di Mirendil-Base contenente tra 100 miliardi e 500 miliardi di parametri — un parametro è un numero all'interno del modello che memorizza ciò che ha appreso — e alla fine dello scorso mese la società ha anticipato versioni aggiornate di Mirendil-Base che vanno da 500 miliardi a 10 trilioni di parametri 1. Mirendil prevede di utilizzare quegli algoritmi più grandi per sviluppare modelli linguistici più capaci in futuro .

Per gran parte del passato decennio, il pretraining di un modello foundation competitivo richiedeva team dedicati che contavano dozzine nelle iniziative open-model e centinaia nei più grandi laboratori di AI 2. Alcuni ricercatori progettano il modello e pianificano come scalare; altri raccolgono e puliscono trilioni di campioni di testo; ancora altri gestiscono migliaia o centinaia di migliaia di chip di calcolo che esegcono l'addestramento . Mirendil ha detto che quest'anno ha visto gli agenti iniziare a farsi carico di una quota crescente di quel lavoro anche all'interno dei laboratori frontier, citando misurazioni interne sia di Anthropic che di OpenAI che mostrano come lo spostamento stia accelerando . Il suo esperimento era volto a spingere questa tendenza il più possibile .

Che cosa aspetta

Gli investitori sembrano concordare con la visione: un miliardo di dollari si colloca tra i round early-stage più grandi mai raccolti per una startup di infrastrutture AI, segnalando un forte appetito per strumenti che potrebbero democratizzare l'accesso alle capacità di costruzione dei modelli 1. Quanto ampiamente la piattaforma sarà disponibile e se i risultati scaleranno al di là del laboratorio rimane da vedere.

Cose chiave da osservare

  • L'impegno da 1 miliardo di dollari è sufficiente a sostenere le operazioni mentre la società scala la sua piattaforma guidata dagli agenti? Gli osservatori del settore seguiranno se il modello corrisponda alle prestazioni dimostrate quando viene spinto oltre 12.
  • I concorrenti open-source e i rivali ben finanziati come OpenAI, Anthropic e Google adotteranno workflow simili basati su agenti, oppure Mirendil ha un vantaggio sostenibile 2?
  • La tecnologia riuscirà a consegnare modelli che superano i 10 trilioni di parametri, come anticipato, o appariranno colli di bottiglia all'aumentare della scala 1?
  • Come formerà i prezzi e la disponibilità di Lor se i team più piccoli potranno competere realisticamente con i più grandi laboratori di AI 2?

Questa storia riporta una tendenza solo a scopo informativo. Non è un consiglio né un incoraggiamento a fare nessuna di queste cose.

I fatti principali

  • Mirendil ha raccolto un investimento in Serie A da 1 miliardo di dollari guidato da Kleiner Perkins e Clearlake Capital, con Google tra gli investitori
  • Un ricercatore ha costruito Mirendil-Base in 3,5 mesi usando meno di 10 milioni di dollari, con agenti di AI che hanno scritto oltre il 99% del codice
  • Fern può elaborare 10 milioni di token per richiesta, dieci volte più di Claude Opus 5.5

I fatti principali

  • Mirendil has raised a $1 billion Series A led by Kleiner Perkins and Clearlake Capital, with Google among the investors
  • Un ricercatore ha costruito Mirendil-Base in 3,5 mesi con meno di 10 milioni di dollari, mentre agenti di AI hanno scritto oltre il 99% del codice
  • Fern può elaborare 10 milioni di token per prompt, dieci volte più di Claude Opus 5.5

Fonti

  1. Mirendil raises $1B in funding to speed up AI model development - SiliconANGLE — siliconangle.com
  2. Pretraining at scale without a pretraining team

Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste

Continua a leggere