Mirendil, stiftet af tidligere Anthropic forskere Behnam Neyshabur og Harsh Mehta, har indgået en flerårig aftale med Google Cloud til en værdi af over 750 millioner kroner. Aftalen giver adgang til Googles AI Hypercomputer med både TPU'er og Nvidia GPU'er samt fleksibel ressourceallokering for at optimere omkostnin...
Research answer

Create a landscape editorial hero image for this Studio Global article: What is the exclusive report about Mirendil's multiyear, $100M+ partnership with Google Cloud to secure compute capacity for its self-improv. Article summary: Let me search for information about this reported. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
En frontløber-AI-startup stiftet af tidligere forskere fra Anthropic har netop sikret sig en af årets største cloud-infrastrukturaftaler. Mirendil har indgået et flerårigt partnerskab med Google Cloud til en værdi af over 750 millioner kroner (100 millioner dollars) for at få adgang til den massive regnekraft, der skal til for at udvikle selvforbedrende AI-systemer med henblik på at accelerere videnskabelige opdagelser .
Aftalen, som TechCrunch eksklusivt rapporterede om den 6. august 2026, svarer til cirka halvdelen af den seed-runde på 1,5 milliarder kroner (200 millioner dollars), som startuppen rejste to måneder tidligere til en værdi af 7,5 milliarder kroner . Den giver Mirendil adgang til Google Cloud's AI Hypercomputer, som inkluderer både Googles egne Tensor Processing Units (TPU'er) og Nvidia GPU'er samt administrerede træningsklynger
.
Her får du hele gennemgangen af partnerskabet, hvad det betyder for startuppen, og hvorfor det er vigtigt for AI- og cloud-landskabet.
Mirendil blev stiftet af Behnam Neyshabur (CEO) og Harsh Mehta, som begge tidligere har været forskere hos Anthropic og før det hos Google . De forlod Anthropic for at starte Mirendil med en ambitiøs mission: at bygge AI-systemer, der selv kan forbedre sig og drive videnskabelige opdagelser.
Startuppens mål er at automatisere videnskabelig forskning – skabe selvforbedrende AI, der kan fremskynde opdagelser inden for medicin, biologi, kemi og materialevidenskab . Idéen er, at AI-modeller ikke blot kan assistere med eksperimenter, men også generere hypoteser, designe protokoller og iterativt forbedre deres egne evner, hvilket effektivt kan forkorte hele forskningscyklussen.
Partnerskabet er struktureret som en flerårig forpligtelse til en værdi af mere end 750 millioner kroner . Her er de vigtigste detaljer:
Denne størrelsesorden afspejler de enorme computerkrav, som frontløber-AI-forskning stiller. Til sammenligning er aftalen på over 750 millioner kroner en af de største cloud-partnerskaber for en AI-startup i år .
For at holde omkostningerne nede bruger Mirendil en fleksibel computerstrategi – de matcher forskellige AI-træningsopgaver til den mest omkostningseffektive hardware . Startuppen bruger:
Denne matchning af opgaver til hardware reducerer spild og gør det muligt for startuppen at få mere forskning gjort inden for rammerne af aftalen. Det er en praktisk optimering, der er afgørende for ethvert AI-laboratorium, der forsøger at strække sit computerbudget.
Partnerskabet skaber værdi for både Mirendil og Google Cloud.
For Mirendil og dets kunder: Aftalen garanterer den massive, pålidelige computerkapacitet, der skal til for at træne og køre selvforbedrende modeller. Det gør det muligt for Mirendil at tilbyde sine kunder hurtigere videnskabelige forskningscyklusser – uden at kunderne selv skal administrere infrastrukturen. Startuppens AI er designet til på sigt at kunne løse opgaver inden for farmaceutisk udvikling, materialeforskning og andre forskningsintensive brancher.
For Google Cloud: Google sikrer sig en højprofileret frontløber-AI-partner, der forankrer en stor virksomheds-cloudaftale . Det hjælper Google med at konkurrere med AWS og Azure om AI-native startups ved at demonstrere, at Google Clouds TPU + GPU-stak kan understøtte banebrydende forskning. Det giver også Google tidlig indsigt i infrastrukturbehovene for selvforbedrende AI, hvilket kan informere fremtidige hardware- og cloud-produktplaner
.
Som en analyse bemærkede, signalerer aftalen Googles voksende appetit på at bakke op om banebrydende AI-forskning uden for egne laboratorier .
Mirendils aftale er en del af en bredere tendens: Cloud-giganterne kurtiserer i stigende grad AI-startups med store infrastrukturforpligtelser og låser langsigtede relationer, før konkurrenterne kan nå at komme ind. Aftalen på over 750 millioner kroner matcher størrelsen af lignende aftaler fra AWS og Azure med andre frontløber-laboratorier.
For området omkring selvforbedrende AI giver dette partnerskab en konkret infrastrukturmæssig opbakning til et forskningsområde, der stadig er teoretisk. Som TechCrunch-artiklen bemærkede, er Mirendils AI endnu ikke bevist i stor skala, men computerkapaciteten er der nu til at forsøge .
Aftalen understreger også, hvor meget computerkraft frontløber-AI-forskning kræver – og hvor meget cloud-udbydere er villige til at investere for at vinde disse opgaver.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Mirendil, stiftet af tidligere Anthropic forskere Behnam Neyshabur og Harsh Mehta, har indgået en flerårig aftale med Google Cloud til en værdi af over 750 millioner kroner.
Mirendil, stiftet af tidligere Anthropic forskere Behnam Neyshabur og Harsh Mehta, har indgået en flerårig aftale med Google Cloud til en værdi af over 750 millioner kroner. Aftalen giver adgang til Googles AI Hypercomputer med både TPU'er og Nvidia GPU'er samt fleksibel ressourceallokering for at optimere omkostningerne.
Målet er at skabe AI, der selv kan forbedre sig og fremskynde forskning inden for medicin, biologi, kemi og materialevidenskab.