میرندیل (Mirendil) روز دوشنبه ۱۲ نوامبر ۲۰۲۶ یک سریِ A یک میلیارد دلاری را بقیاده کلینر پرکینز و کلیرلیک کپیتال بست. این سرمایه‌گذاری بر پایهٔ یک آزمایش داخلی استوار شده که در آن یک محقق تنها، با کمک عامل‌های هوش مصنوعی، مدل کدنویسی ۱۰۰ میلیارد پارامتری را در ۳.۵ ماه و با کمتر از ۱۰ میلیون دلار محاسبه آموزش داد. این پلتفرم هم‌چون زیرساخت‌های آموزش عامل که لِیبل‌باکس اخیراً با ۱۰۰ میلیون دلار گسترش داده نیز بر آن تمرکز دارد، به واگذاری کارهای طولانی‌مدت به دسته‌های عاملی می‌پردازد. رقابت در مقیاس سرمایه‌گذاری، همان‌طور که فراکتایل با ۵۰۰ میلیون پوند پشتوانه دولتی جذب کرد، نشان می‌دهد غول‌های ابری کلاس جدید بارهای عامل‌محور را جدی می‌گیرند.
سری A یک میلیارد دلاری میرنیل و پشتوانه‌های آن
گرده سرمایه‌گذاری جدید پس از یک بذر ۲۰۰ میلیون دلاری در ژوئن ۲۰۲۶ و تشکیل تیم ۲۰ نفره‌ای از سابقه‌داران Anthropic، xAI، گوگل دِپ‌مایند و اوپن‌ای‌آی می‌آید. Battery Ventures، Doerr Capital، Gil & Co، گوگل، M13، Pear VC و S32 نیز مشارکت کرده‌اند. یک شراکت چندساله با گوگل کلود در ۶ اوت ۲۰۲۶، خوشه‌های مدیریت‌شده TPU و انویدیا روی AI Hypercomputer را برای میرنیل فراهم کرده تا حلقه‌های تحقیق بزرگ‌تر بدون مذاکره جداگانه ظرفیت اجرا شوند.
آزمایش تک‌محقق: میرنیل-بیس
گزارش فنی ۲۱ اکتبر ۲۰۲۶ جزئیات پیش‌آموزش میرنیل-بیس را تشریح کرد:
- عامل‌ها بیش از ۹۹ درصد کد را نوشتند، آزمایش‌ها را اجرا کردند و خطاها را تشخیص دادند.
- بودجه محاسباتی کامل زیر ۱۰ میلیون دلار ماند، تنها از کد عمومی، صفحات وب و مجموعه‌داده‌های عمومی — بدون داده‌های لایسنس‌دار، [distillation] یا [synthetic data].
- خانواده مدل از ۱۰۰ میلیارد تا ۵۰۰ میلیارد پارامتر گسترده است؛ میرنیل-بیس-لارج و میرنیل-بیس-اکس‌ال در زمان انتشار گزارش همچنان در حال آموزش بودند.
فرن ۰.۱: مدل عامل-محور با پنجرهٔ زمینه وسیع
مدل پایه پس‌آموزش دید تا به فرن ۰.۱ تبدیل شود، سیستمی برای کارهای عامل-محور با حجم بالا مانند اشکال‌زدایی اجراهای آموزش، خواندن ردیف‌های کامل عامل و حسابرسی داده‌های آموزش. فرن معماری، آموزش و سرویس‌دهی با پنجرهٔ زمینه تا ۱۰ میلیون توکن (تقریباً ۲۳ مگابایت یا ۵۰۰ هزار خط کد) پشتیبانی می‌کند، که اجازه می‌دهد روزهای کار یک عامل در یک جلسه نگه داشته شود. دسترسی به فرن به‌زودی امکان‌پذیر خواهد بود.
پلتفرم لور: واگذاری تحقیق به دسته‌های عاملی
لور (Lor) در ۲۸ اکتبر ۲۰۲۶ به بتای خصوصی درآمد. این پلتفرم ابری به کاربران اجازه می‌دهد کدنویسی، آزمایش، تأمین محاسبات و عملیات ماشین را به دسته‌های عاملی (agent swarms) واگذار کنند که روزها یا هفته‌ها اجرا می‌شوند و هنگام خطا خود را آزاد می‌کنند. ویژگی‌های کلیدی:
- عامل‌ها می‌توانند یک کار را در ده‌ها زیرعامل تقسیم کنند، صدها عامل در پروژه‌ها فعال باشند.
- در بتا رایگان در macOS، لینوکس و وب؛ ویندوز، iOS و اندروید به‌زودی.
- کاربران پیشرفت هر عامل را نظارت می‌کنند، عامل‌ها را متوقف و ماشین‌ها را از سیستم حذف می‌کنند.
پیامدها برای صنعت و رقبا
سیگنال ارزشیابی ۱ میلیارد دلاری کمتر مهم است از ادعای گردش کار: اگر یک مهندس تنها بتواند به اطمینان عامل‌ها را در یک پیش‌آموزش کامل هدایت کند، گلوگاه از استخدام دکتری‌ها به سمت طراحی رابط‌های واگذاری بهتر جابجا می‌شود. تعهد زیرساختی گوگل کلود نشان می‌دهد که غول ابری تحقیق agent-orchestrated را به عنوان یک کلاس workload جدید می‌بیند که ارزش مشارکت در طراحی سخت‌افزار برای آن را دارد. رقبا که مدل‌های بنیادی را درونی می‌سازند اکنون با یک سوال راهبردی روبروند: آیا پشته عامل میرنیل را تکرار کنند یا از طریق لور دسترسی بخرند؟
گفتگو