1. Home
  2. News
  3. 最先端のAI研究開発を科学者やエンジニアが容易に行えるようにするツールを開発する"Mirendil"がSeries Aで$1Bを調達
2026/11/16

Startup Portfolio

最先端のAI研究開発を科学者やエンジニアが容易に行えるようにするツールを開発する"Mirendil"がSeries Aで$1Bを調達

Mirendilは、Kleiner PerkinsとClearlake Capitalがリードし、Battery Ventures、Doerr Capital、Gil & Co、Google、M13、Pear VC、S32などが参加したSeries Aで$1Bを調達しました。

最先端のAI研究開発を科学者やエンジニアが容易に行えるようにするツールを開発するMirendilは、AIエージェントが実務作業の大部分を担うことで、従来はチームが必要だったプロジェクトを1人で実行でき、従来は研究機関全体が必要だった業務を1つのチームで遂行できるモデルの実現に向けて取り組んでいます。

このアプローチは、Mirendil-Baseモデル、その後継モデルであるFern、そしてソフトウェアシステムのLorという、相互に関連する3つの取り組みによって構成されています。

Mirendilは2026年10月21日に公開した研究成果において、1人の研究者がAIエージェントと協働し、3.5カ月でMirendil-Baseをゼロから事前学習させたと発表しました。この際の計算資源にかかる総費用は$10M未満でした。この総費用には、研究および小規模な実験、最終的な学習の実行、エージェントによるトークン消費、データ処理が含まれています。

AIエージェントはコードの99%以上を記述し、実験の実行や失敗原因の診断も担当しました。研究者は何を試すべきか、どの結果を信頼すべきかを判断し、必要に応じて介入しました。こうして開発されたコーディング特化型モデルは、GitHubのコンテンツを含む、一般公開されているコード、Webページ、公開データセットから学習しました。追加の学習データの購入やライセンス取得は行わず、蒸留や合成データも使用しませんでした。また、研究者とAIエージェントは、PyTorchやJAXなどの標準ライブラリを基盤として、学習インフラ、モデルアーキテクチャ、学習アルゴリズム、データパイプラインをゼロから構築しました。

Mirendil-Baseが完全に自律的に自らを構築したわけではありません。この実験は、経験豊富な研究者がエージェントを指揮し、その作業内容を評価することを前提としていました。この実験は、AIエージェントによる労働力の活用によって、事前学習に必要な人員確保のハードルを下げられるというMirendilの主張を裏付けるものです。一方、同社は、依然として残る制約として、計算資源、データ、そしてAIエージェントを指揮する人間の判断力を挙げています。

Fern 0.1は、Mirendil-Baseに短期間の追加学習を施したモデルです。2026年10月27日に最終更新された製品ページによると、モデルのパラメータ数は1,000億〜5,000億で、アクセスについては近日提供予定と記載されています。

Mirendilによると、Fernは最大1,000万トークンのコンテキストに対応しており、これは約50万行のコードに相当します。これにより、ログを使用した学習処理のデバッグ、エージェントの実行履歴全体の分析、学習データの監査などを実施できます。

同じアップデートでは、Mirendil-Base-Largeの事前学習が80%以上完了しており、パラメータ数は5,000億〜2兆であると報告されています。また、Mirendil-Base-XLの事前学習は20%以上完了しており、パラメータ数は2兆〜10兆とされています。

その後、Mirendilは2026年10月28日にLorのプライベートベータ版を発表しました。Lorは、数百のAIエージェントを稼働させ、数日から数週間にわたってコードの記述、実験の実施、改善の反復を行えるように設計されています。

Lorのエージェントは、計算ノードのプロビジョニング、設定、解放を自律的に実行できます。同社が報告した実行事例の一つでは、102のエージェントが100件のPyTorchのプルリクエストをもとに実行環境を構築し、エージェント1つ当たりの平均所要時間は8分でした。

Lorへのアクセスはウェイトリストを通じた招待制で、ベータ期間中は無料で利用できます。現在はmacOS、Linux、Webで利用可能であり、Windows、iOS、Android版は近日提供予定とされています。このシステムでは、Mirendil独自のモデルに加え、外部プロバイダーのモデルも利用できます。

今回の資金調達は、Mirendilの資本調達と具体的な事業モデルを結びつけるものです。その事業モデルとは、AIエージェントがエンジニアリング業務の大部分を担い、人間が研究上の判断を維持するというものです。

今後の実用性を判断するうえで重要なのは、このワークフローを外部の科学者やエンジニアが繰り返し活用できるかどうかです。

さらに、FernとLorへのアクセス拡大や、すでに学習が進められている大規模モデルの完成も、同社の取り組みを評価する重要な要素となります。

TagsAI

関連ニュース

Search

Mirendil に興味がありますか?

彼らの技術を貴社の事業に活かすため、我々がサポートできることがあるかもしれません。ウェブ会議で少し話をしませんか?(営業目的でのお問い合わせはお断りしております。)

最新ニュース

Contact

AT PARTNERSにご相談ください