ข้ามไปยังเนื้อหา
Mirendil Series A นำโดย Kleiner Perkins ภาพอาคารสำนักงานของ Kleiner Perkins และ Silicon Valley Bank ในเมนโลพาร์ก แคลิฟอร์เนีย ถ่ายเมษายน 2023
AI

Mirendil Series A 1 พันล้านดอลลาร์ นำโดย Kleiner Perkins และ Clearlake Capital

อาคารสำนักงานของ Kleiner Perkins ผู้นำรอบ Series A ของ Mirendil ในเมนโลพาร์ก แคลิฟอร์เนีย ภาพถ่ายปี 2023 ภาพ: King of Hearts / Wikimedia Commons (CC BY-SA 4.0)

Mirendil Series A มูลค่า 1 พันล้านดอลลาร์ ประกาศ 12 พ.ย. 2026 นำโดย Kleiner Perkins และ Clearlake Capital โดย Google ร่วมลงทุน เพื่อสร้างเครื่องมือ AI R&D

โดย กองบรรณาธิการ THAI DATA อ่าน 4 นาที

แชร์FacebookXLINELinkedIn

สรุปประเด็นสำคัญ

  • Mirendil Series A มูลค่า 1 พันล้านดอลลาร์สหรัฐ ประกาศเมื่อ 12 พฤศจิกายน 2026 นำโดย Kleiner Perkins และ Clearlake Capital ประกาศของบริษัทไม่ระบุมูลค่ากิจการ
  • ผู้ร่วมลงทุนที่ระบุชื่อมี Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC และ S32 รวมถึงนักลงทุนใหม่และเดิมรายอื่น
  • Mirendil ระบุว่าผู้วิจัย 1 คน ร่วมกับเอเจนต์ AI ฝึกโมเดลเขียนโค้ด Mirendil-Base จากศูนย์ใน 3.5 เดือน ด้วยค่าประมวลผลน้อยกว่า 10 ล้านดอลลาร์ และเอเจนต์เขียนโค้ดมากกว่า 99%
  • โมเดลแรกชื่อ Fern รองรับคอนเท็กซ์สูงสุด 10 ล้านโทเคน ส่วนเครื่องมือ Lor ที่ให้เอเจนต์หลักร้อยตัวเขียนโค้ดและรันการทดลองเป็นวัน ๆ อยู่ในรุ่นเบต้าส่วนตัว
  • ตัวเลขผลงานทั้งหมดมาจากบล็อกของ Mirendil เองและยังไม่มีผู้ทดสอบอิสระยืนยัน

Mirendil Series A มูลค่า 1 พันล้านดอลลาร์สหรัฐ ประกาศเมื่อ 12 พฤศจิกายน 2026 นำโดย Kleiner Perkins และ Clearlake Capital โดย Google และนักลงทุนอีกหลายรายร่วมลงทุน Mirendil สร้างโมเดลและเครื่องมือเพื่อเร่งงานวิจัยและพัฒนา AI ในบริษัทเอง และวางแผนเปิดให้ผู้อื่นใช้ ประกาศไม่ระบุมูลค่ากิจการของบริษัท

Mirendil Series A: ใครลงทุนและประกาศอะไรไว้

ประกาศของ Mirendil ผ่าน PR Newswire ลงวันที่ซานฟรานซิสโก ระบุว่า Mirendil Series A นำโดย Kleiner Perkins และ Clearlake Capital มี Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC และ S32 ร่วมลงทุน รวมนักลงทุนใหม่และเดิมรายอื่น

รายการ ตามประกาศวันที่ 12 พฤศจิกายน 2026
ขนาด Mirendil Series A 1 พันล้านดอลลาร์สหรัฐ
ผู้นำรอบ Kleiner Perkins และ Clearlake Capital
ผู้ร่วมลงทุนที่ระบุชื่อ Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC, S32
มูลค่ากิจการ ไม่ระบุในประกาศ
การใช้เงิน ไม่ระบุสัดส่วน บริษัทบอกว่าจะ "ไปไกลขึ้น" ในการทำให้ AI R&D เข้าถึงได้

Mirendil เขียนไว้ใน Mirendil Series A ว่า การทำให้ AI R&D เข้าถึงง่ายขึ้นเป็นเส้นทางตรงที่สุดสู่ AI ที่แก้ปัญหาใหญ่ด้านวิทยาศาสตร์และเทคโนโลยี บริษัทยังเป็นทีมเล็กที่โฟกัสเรื่องเดียวและเปิดรับสมัครงาน ประกาศ Mirendil Series A ไม่ได้ระบุชื่อผู้ก่อตั้งหรือจำนวนพนักงาน

Mirendil Series A นำโดย Kleiner Perkins ภาพอาคารสำนักงานของ Kleiner Perkins และ Silicon Valley Bank ในเมนโลพาร์ก แคลิฟอร์เนีย ถ่ายเมษายน 2023
ภาพถ่ายอาคารสำนักงานของ Kleiner Perkins และ Silicon Valley Bank ในเมนโลพาร์ก แคลิฟอร์เนีย ภาพ: King of Hearts / Wikimedia Commons (CC BY-SA 4.0)

ผลงาน 3 ชิ้นที่ Mirendil เปิดเผยก่อน Mirendil Series A

ประกาศระบุว่าใน 3 สัปดาห์ที่ผ่านมาบริษัทเผยผลงานแรก ซึ่งชี้ไปทางเดียวกันว่าเมื่อเอเจนต์ทำงานลงมือจริง ขนาดทีมไม่ใช่ตัวจำกัดสิ่งที่สร้างได้ ทุกตัวเลขข้างล่างมาจากบล็อกของ Mirendil เอง

Mirendil-Base (21 ตุลาคม 2026) บริษัทระบุว่าผู้วิจัย 1 คนทำงานกับเอเจนต์ ฝึกโมเดลเขียนโค้ดจากศูนย์ใน 3.5 เดือนด้วยค่าประมวลผลน้อยกว่า 10 ล้านดอลลาร์ ตัวเลขรวมค่าโทเคนของเอเจนต์ การประมวลผลข้อมูล การทดลองเล็ก และการฝึกจริง ไม่ใช้ distillation ไม่ซื้อหรือขอใช้สิทธิ์ข้อมูลเพิ่ม และเอเจนต์เขียนโค้ดมากกว่า 99% ข้อมูลฝึกมาจาก GitHub และข้อมูลสาธารณะอื่น Mirendil-Base อยู่ในช่วง 100B-500B พารามิเตอร์ ตอนบล็อกลงวันที่ 21 ตุลาคม รุ่น Large (500B-2T) ฝึกไปราว 80% และรุ่น XL (2T-10T) ราว 19%

Fern (บล็อกลงวันที่ปรับล่าสุด 27 ตุลาคม 2026) โมเดลแรกของ Mirendil ฝึกล่วงหน้าจากศูนย์ รองรับคอนเท็กซ์สูงสุด 10 ล้านโทเคน ขนาดบนหน้าบริษัท 0.1-0.5 ล้านล้านพารามิเตอร์ รุ่น Fern 0.1 ผ่านการฝึกต่อรอบสั้น เปิดให้ขอเข้าถึงก่อนใคร บริษัทแก้ตัวเลขในกราฟ 2 รูปให้ตรงผลฝึกจริง

Lor (28 ตุลาคม 2026) เครื่องมือที่ให้เอเจนต์เขียนโค้ด รันการทดลอง และวนปรับผลเป็นวัน ๆ บนเครื่องใดก็ได้ ครั้งละหลายร้อยตัว ตอนนี้เป็นเบต้าส่วนตัวและเปิดรายชื่อรอ บริษัทระบุว่าใช้ Lor ทุกวัน Lor ใช้โมเดลชั้นนำที่มีอยู่ เช่น Claude Opus, Claude Fable, GPT-6 Sol, GPT-6 Astra และโมเดลเปิดอย่าง Kimi, DeepSeek, GLM รวมทั้งโมเดลของ Mirendil เอง ตัวอย่างที่บริษัทยก คือเอเจนต์ 102 ตัวสร้างสภาพแวดล้อมจาก pull request ของ PyTorch 100 รายการ เฉลี่ยตัวละ 8 นาที

หน้าบล็อก Mirendil เรื่องการฝึกโมเดลโดยไม่มีทีม pretraining แสดงตัวเลข 1 ผู้วิจัย 3.5 เดือน และค่าประมวลผลต่ำกว่า 10 ล้านดอลลาร์
หน้าบล็อก Mirendil เรื่องการฝึกโมเดลโดยไม่มีทีม pretraining แสดงตัวเลข 1 ผู้วิจัย 3.5 เดือน และค่าประมวลผลต่ำกว่า 10 ล้านดอลลาร์ ภาพ: Mirendil (ภาพหน้าจอ)
หน้าแนะนำ Fern โมเดลแรกของ Mirendil ที่รองรับคอนเท็กซ์สูงสุด 10 ล้านโทเคน
หน้าแนะนำ Fern โมเดลแรกของ Mirendil ที่รองรับคอนเท็กซ์สูงสุด 10 ล้านโทเคน ภาพ: Mirendil (ภาพหน้าจอ)
หน้า Meet Lor ของ Mirendil ที่ระบุว่าเอเจนต์ของ Lor เขียนโค้ดและรันการทดลองเป็นวัน ๆ อยู่ในรุ่นเบต้าส่วนตัว
หน้า Meet Lor ของ Mirendil ที่ระบุว่าเอเจนต์ของ Lor อยู่ในรุ่นเบต้าส่วนตัว ภาพ: Mirendil (ภาพหน้าจอ)

ทำไม Mirendil Series A สำคัญ

Mirendil Series A ขนาด 1 พันล้านดอลลาร์เป็นเงินก้อนที่ใหญ่มากสำหรับบริษัทที่เปิดผลงานชิ้นแรกเมื่อ 3 สัปดาห์ก่อน และนักลงทุนที่ระบุชื่อมีทั้งกองทุนร่วมลงทุนและ Google แนวคิดที่ Mirendil ขายคือการใช้เอเจนต์เร่งงานวิจัยและพัฒนา AI เอง ซึ่งอยู่ในทิศทางเดียวกับที่บล็อกของบริษัทอ้างถึงว่า Anthropic และ OpenAI เคยเผยการวัดภายในว่าเอเจนต์ทำงานสร้าง AI รุ่นถัดไปมากขึ้น ข้อสังเกตคือข้อมูลเชิงเทคนิคทั้งหมดเป็นของบริษัทเอง ประกาศไม่มีมูลค่ากิจการ ผลทดสอบอิสระ หรือรายได้ และ Lor ยังเป็นเบต้าส่วนตัว

เรื่องใกล้เคียงบนเว็บของเรา ดูMeta Muse Ember และGemini 4 Hydrogen ที่เป็นโมเดลสำหรับงานเอเจนต์จากบริษัทใหญ่

ผลต่อองค์กรไทย

  1. ถือ Mirendil Series A เป็นสัญญาณเรื่องเครื่องมือ ไม่ใช่ผลิตภัณฑ์ที่ซื้อได้วันนี้ Fern ยังเป็นการขอเข้าถึงก่อนใคร และ Lor เป็นเบต้าส่วนตัว ทีมที่สนใจควรสมัครรายชื่อรอและทดลองในขอบเขตเล็ก
  2. อย่าอ้างตัวเลข 3.5 เดือนหรือ 10 ล้านดอลลาร์เป็นต้นทุนอ้างอิง เพราะเป็นคำกล่าวของบริษัทและรวมเงื่อนไขเฉพาะ เช่น ผู้วิจัยที่มีประสบการณ์ และการใช้โมเดลเอเจนต์ชั้นนำ
  3. ถ้าให้เอเจนต์ภายนอกแตะซอร์สโค้ด กำหนดนโยบายข้อมูลก่อน เพราะ Lor ให้เอเจนต์ทำงานบนเครื่องที่ผู้ใช้เลือกหรือคอมพิวเตอร์คลาวด์ที่ Lor จัดการ
  4. ติดตามผลทดสอบอิสระหลัง Mirendil Series A ของ Fern และ Mirendil-Base ก่อนตัดสินใจเปลี่ยนเครื่องมือของทีม

บริการของ THAI DATA CLOUD ที่เกี่ยวข้อง

ทีมวิจัยหรือพัฒนาซอฟต์แวร์ที่เริ่มทดลองเอเจนต์ AI มักต้องมีเครื่องประมวลผลแยกสำหรับทดลองซ้ำโดยไม่กระทบระบบจริง GPU Server ของ THAI DATA CLOUD ประมวลผลแบบขนานด้วย NVIDIA Tesla T4 และ V100 สำหรับงาน AI และ Deep Learning พร้อมใช้งานได้ภายในไม่กี่นาที (THAI DATA CLOUD เป็นผู้ดำเนินงานเว็บไซต์นี้)

ติดตามข่าวบริษัทและโมเดล AI เพิ่มเติมได้ที่หมวด AI

คำถามที่พบบ่อย

Mirendil Series A ระดมทุนได้เท่าไร ใครเป็นผู้นำ?

Mirendil Series A ระดมทุนได้ 1 พันล้านดอลลาร์สหรัฐ ตามประกาศวันที่ 12 พฤศจิกายน 2026 นำโดย Kleiner Perkins และ Clearlake Capital โดยมี Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC และ S32 ร่วมลงทุน ประกาศไม่ระบุมูลค่ากิจการ

Mirendil ทำอะไร?

ผู้รับเงิน Mirendil Series A สร้างโมเดลและเครื่องมือเพื่อเร่งงานวิจัยและพัฒนา AI ของตนเอง และวางแผนเปิดเครื่องมือชุดเดียวกันให้ผู้ที่ทำงานกับปัญหายากในสาขาของตน บริษัทเรียกเป้าหมายว่าทำให้ AI R&D ระดับแนวหน้าเข้าถึงได้สำหรับนักวิทยาศาสตร์และวิศวกร

Mirendil Series A จะนำเงินไปทำอะไร?

ประกาศของ Mirendil ระบุว่าเงิน Mirendil Series A รอบนี้ช่วยให้ไปไกลขึ้นสู่โลกที่คนเดียวทำสิ่งที่เคยต้องใช้ทีม และทีมทำสิ่งที่เคยต้องใช้สถาบัน โดยไม่ได้ระบุสัดส่วนการใช้เงินหรือแผนจ้างงาน บริษัทยังเป็นทีมเล็กและเปิดรับสมัครงาน

Mirendil-Base ฝึกด้วยต้นทุนเท่าไร เชื่อถือได้แค่ไหน?

หลัง Mirendil Series A บริษัทระบุว่าฝึก Mirendil-Base ด้วยผู้วิจัย 1 คนใน 3.5 เดือน ใช้ค่าประมวลผลน้อยกว่า 10 ล้านดอลลาร์รวมทุกอย่าง ตัวเลขนี้มาจากบล็อกของบริษัทเอง ยังไม่มีผู้ทดสอบอิสระยืนยัน จึงควรอ่านเป็นคำกล่าวของบริษัท

แหล่งอ้างอิง

  1. Mirendil Raises $1B to Democratize Frontier AI R&D — Mirendil (PR Newswire)
  2. Pretraining at scale without a pretraining team — Mirendil
  3. Meet Lor — Mirendil
  4. Introducing Fern — Mirendil

บุคคล องค์กร และสถานที่ในข่าวนี้

เลือกชื่อเพื่ออ่านข่าวทั้งหมดที่กล่าวถึง ตัวเลขคือจำนวนข่าว

องค์กรและบริษัท
Google232GitHub116DeepSeek20Anthropic74OpenAI95NVIDIA164Tesla120
ประเทศและสถานที่
California47
ผลิตภัณฑ์และเทคโนโลยี
Claude63GPT-69GPT-6 Astra17PyTorch15
แชร์FacebookXLINELinkedIn

พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ