11月14日、SiliconANGLEが「Mirendil raises $1B in funding to speed up AI model development」と題した記事を公開した。AIモデル開発を自動化するスタートアップのMirendilがシリーズAで10億ドルを調達した。AI業界でシリーズAとしては異例の規模であり、OpenAIやAnthropicといった大手ラボが数百人規模のチームで取り組む領域に、少人数・自動化主体で挑む同社の姿勢が市場から強く評価された格好だ。
研究者1人でLLMを構築——エージェントAIが変える開発現場
Mirendilの最も注目すべき実績は、資金調達額よりもむしろその「使い方」にある。
同社は今年初め、自社の研究者1人に対して「主要なオープンソースLLMと競合できるコーディングモデルを構築せよ」という課題を与えた。通常、こうしたプロジェクトは複数の専門家チームで進める。Mirendilは自社の自動化技術を使い、その研究者が同僚の手を借りず単独でモデルを完成させたと述べている。プロジェクトのコストは1,000万ドル、期間は約3.5ヶ月だった。
このモデル「Mirendil-Base」のコードの99%以上はエージェントが記述した。エージェントはインフラの構築、学習アルゴリズムの選定、Webからの学習データ収集を担い、さらにデータセットとモデルアーキテクチャの両方を反復的に改良した。なお、「コードの99%をエージェントが書く」という実績はMirendil-Base構築時の具体的な事例に基づくものであり、Lorプラットフォーム全体に一律に当てはまる数値ではない点には留意したい。
プラットフォーム「Lor」——モデル訓練をエージェントが分担
Mirendilの製品「**Lor**」は、モデルの訓練実行(training run)に関わる多くの作業を自動化するプラットフォームだ。数百のAIエージェントに作業を分散することで処理を進める。
LLM開発では大量の試行錯誤が発生する。研究者はわずかに異なる複数のアルゴリズムのバリアントを作成し、最も性能の高いものを選ぶ。Lorはこのワークフローを自動化し、評価中にエラーが発生した場合は自動で修正する。
OpenAIやAnthropicのような大手ラボは、プレトレーニングだけで数十人〜数百人規模のチームを擁するとされる。Lorはその工程の大半をエージェントに委譲することで、少人数チームでも競争力あるモデル開発を可能にするインフラを目指している。
コーディングモデル「Fern」——コンテキストウィンドウはClaude Opus 5.5の10倍
Mirendil-Baseを基盤として、同社は先月「Fern」を発表した。AIラボが日常的に直面するプログラミング課題の自動化を目的とした特化型コーディングモデルだ。
Fernはプロンプトあたり1,000万トークンの入力を処理できる。これはClaude Opus 5.5の10倍にあたり、約50万行のコードに相当する。※元記事では比較対象として「Claude Opus 5.5」が明記されているが、執筆時点(2026年11月)におけるAnthropicの公式モデルラインナップとの対応については、Anthropicの公式ドキュメントで確認されたい。
FernのベースとなるMirendil-Baseは1,000億〜5,000億パラメータのモデルで、先月末には5,000億〜10兆パラメータの上位バージョン2種がプレビュー公開された。同社はこれらのモデルを使い、より高性能なLLMの開発を進める計画だ。
創業者とラウンドの背景
Mirendilは昨年創業。CEOのBehnam NeyshaburはGoogle DeepMindとAnthropicの元研究者で、AIモデルの汎化性能を高めるアルゴリズムSAM(Sharpness-Aware Minimization)の共同発明者として知られる。CTOのHarsh Mehtaも同じくDeepMindとAnthropicでプレトレーニング(pretraining:AIモデルの学習工程の初期段階)を担当していた。
今回のシリーズAはKleiner PerkinsとClearlake Capitalが共同リードし、Googleを含む6社以上が参加した。シリーズAで10億ドルという規模は、2020年代のAI投資環境においても突出しており、大手VCがLLM開発の「自動化インフラ」そのものに賭け始めた流れを象徴するラウンドといえる。※編集部の考察
詳細はMirendil raises $1B in funding to speed up AI model developmentを参照していただきたい。