Mirendil firma un acuerdo con Google Cloud por más de $100 millones para automatizar la investigación en IA

Why it matters

Mirendil is making a cloud commitment worth at least half its $200 million seed financing before releasing a model, benchmark or commercial product. The agreement shows how much infrastructure automated AI research can require and how early cloud providers are competing for newly funded labs.

Los cofundadores de Mirendil, Behnam Neyshabur y Harsh Mehta, han firmado un acuerdo multianual con Google Cloud por un valor superior a $100 millones, que da al joven laboratorio de frontera en IA acceso a TPUs, GPUs de NVIDIA y clústeres gestionados de entrenamiento para su esfuerzo de automatizar la investigación en IA.

El acuerdo de infraestructura llega antes de que Mirendil haya publicado un modelo público, un benchmark o un producto comercial. La compañía con sede en San Francisco tampoco ha revelado clientes, cifras de uso, ingresos ni precios, dejando a los inversionistas y a posibles usuarios científicos sin evidencia pública de que su bucle de investigación automatizado funcione fuera del laboratorio.

TechCrunch informó del acuerdo el 6 de agosto. Neyshabur divulgó su valor a la publicación. Ninguna de las partes ha publicado la duración exacta del contrato, el calendario de pagos, mínimos de uso ni la cantidad de créditos en la nube.

El acuerdo convierte la tesis fundacional de Mirendil en un gran compromiso de infraestructura menos de dos meses después de su lanzamiento público. Mirendil anunció una ronda semilla de $200 millones el 24 de junio, liderada por Andreessen Horowitz y Kleiner Perkins, seguida de una inversión de NVIDIA y otros inversionistas. TechCrunch informó que la financiación valoró a Mirendil en $1,000 millones.

Con más de $100 millones, el acuerdo con Google Cloud vale al menos la mitad del capital que Mirendil recaudó. Esa comparación no establece cuánto dinero pagará Mirendil por adelantado porque las compañías no han divulgado la estructura financiera del contrato. Sí ilustra el costo de perseguir investigación automatizada de frontera antes de que Mirendil haya aportado datos públicos de producto o rendimiento.

Un ciclo de investigación construido a partir de la experiencia dentro de laboratorios importantes

Neyshabur y Mehta desarrollaron su enfoque después de trabajar dentro de Google y Anthropic. Neyshabur se desempeñó como senior staff research scientist y líder de equipo de Gemini y co-lideró el grupo Blueshift de Google antes de unirse a Anthropic a finales de 2024, según su biografía. Su investigación anterior incluyó trabajo postdoctoral con Yann LeCun en New York University y con Sanjeev Arora en el Institute for Advanced Study.

En Anthropic, Neyshabur co-lideró un grupo Discovery que perseguía un científico o ingeniero de IA capaz de trabajo técnico a largo plazo, según su biografía. Mehta construyó la primera versión de la plataforma interna de investigación automatizada en IA de Anthropic como un proyecto de una sola persona antes de que el esfuerzo se expandiera, dijo Andreessen Horowitz.

Sus cofundadores extienden esa experiencia a través de otros equipos de desarrollo de modelos. Shayan Salehian trabajó como ingeniero principal de machine learning en xAI, según materiales de Andreessen Horowitz. Tara Rezaei también se identifica como cofundadora en la reseña del inversionista. Mirendil dice que su grupo fundador incluye a 20 investigadores e ingenieros provenientes de Anthropic, xAI, Google DeepMind y OpenAI.

Mirendil está diseñando modelos para generar ideas de investigación, implementar experimentos, evaluar resultados e incorporar esos hallazgos en el siguiente ciclo de trabajo. El sistema previsto va más allá de un asistente de codificación. Mirendil quiere reconstruir el laboratorio alrededor de agentes que puedan ejecutar partes del proceso de investigación de manera continua, con menos coordinación humana entre experimentos.

"You can have a self-improving AI where you can point a problem at it and it keeps getting better with time," Neyshabur told TechCrunch. Usó la enfermedad de Alzheimer como ejemplo de un campo donde un sistema podría acumular conocimiento relevante y mejorar su rendimiento a lo largo de ciclos de investigación repetidos.

Mirendil ha descrito sistemas que mejoran un proceso de investigación y su rendimiento en problemas asignados. No ha demostrado públicamente la auto-mejora recursiva, en la que una IA rediseña de manera independiente sus capacidades centrales a través de generaciones sucesivas. El contrato con Google Cloud suministra infraestructura para que Mirendil persiga su plan de investigación; no valida la tesis técnica.

Google le ofrece a Mirendil dos rutas de chips

La elección de infraestructura de Mirendil refleja la variedad de trabajo dentro de ese bucle propuesto. El preentrenamiento, postentrenamiento, el aprendizaje por refuerzo, la inferencia y la ejecución paralela de experimentos pueden imponer demandas diferentes sobre los aceleradores y los sistemas de soporte.

En el anuncio de Mirendil, Mehta y Neyshabur dijeron que su software emparejaría las cargas de trabajo con el hardware disponible y adecuado. El acuerdo cubre el acceso a TPUs de Google, GPUs de NVIDIA y clústeres gestionados de entrenamiento, según TechCrunch. Usar ambas familias de aceleradores podría reducir la presión para diseñar la pila de investigación de Mirendil en torno a un solo proveedor de chips.

El arreglo le da a Google Cloud un laboratorio de IA recién financiado mientras los proveedores de nube compiten por startups cuyas necesidades de cómputo podrían expandirse. Mirendil gana acceso a infraestructura en la nube sin tener que construir primero centros de datos. El resultado comercial sigue sin probarse: Mirendil no ha anunciado clientes, producto público, precios ni disponibilidad general.

Neyshabur dijo a TechCrunch que el software de Mirendil eventualmente podría ayudar a clientes de Google Cloud a usar su hardware de forma más efectiva. Eso sigue siendo una vía prospectiva de distribución más que un producto o acuerdo de ventas anunciado.

Los rivales están financiando distintas versiones de la investigación automatizada

Mirendil está entrando en un campo bien financiado. Recursive Superintelligence, que también persigue sistemas que automatizan la ideación, implementación y validación, surgió con $650 millones y reclutó a investigadores como Richard Socher y Peter Norvig. Su financiación le da considerablemente más capital inicial que Mirendil, aunque la recaudación pública de ninguna de las dos compañías establece que los sistemas de investigación recursiva o de auto-aceleración funcionen de forma fiable.

Otras compañías están empaquetando versiones más reducidas de la idea. Autoscience recaudó $14 millones en marzo de 2026 y presenta su laboratorio automatizado de investigación en IA como un servicio gestionado. rekursiv.ai, una startup de automatización de investigación en IA en su cohorte de verano de 2026, se enfoca en científicos de IA e investigación en machine learning. El objetivo declarado de Mirendil se extiende desde automatizar el desarrollo de IA hasta, eventualmente, servir a laboratorios en descubrimiento de fármacos, química, biología y robótica.

El próximo hito es la evidencia

Los fundadores de Mirendil han reunido experiencia de laboratorios líderes en IA, una ronda semilla de $200 millones y un contrato en la nube por más de $100 millones. Los inversionistas están financiando al equipo antes de que haya evidencia de producto, mientras que Google Cloud asegura un gran acuerdo con un laboratorio cuyos futuros flujos de trabajo podrían crecer si su enfoque tiene éxito.

La carga técnica se extiende a lo largo de todo el sistema de investigación. Mirendil necesitaría agentes que puedan diseñar y ejecutar experimentos, evaluaciones que distingan avances genuinos de fallas con apariencia plausible, e infraestructura capaz de coordinar ejecuciones repetidas. Los usuarios científicos también necesitarían resultados reproducibles antes de confiar en el sistema para investigaciones de consecuencias importantes.

El acuerdo con Google Cloud le da a Neyshabur, Mehta, Salehian y Rezaei acceso a las opciones de chips y clústeres requeridas para perseguir ese trabajo. La próxima prueba significativa de Mirendil vendrá de un modelo, un benchmark, un resultado de investigación reproducible o una implementación externa que muestre que su bucle automatizado puede ofrecer progreso medible.