Her er en fullstendig gjennomgang av partnerskapet, hva det betyr for startupen, og hvorfor det er viktig for det bredere AI- og skymiljøet.

Grunnleggerne og deres oppdrag

Mirendil ble grunnlagt av Behnam Neyshabur (administrerende direktør) og Harsh Mehta, begge tidligere forskere ved Anthropic som også har jobbet i Google . De forlot Anthropic for å starte Mirendil med et ambisiøst mål: å bygge AI-systemer som kan akselerere sin egen forbedring og drive vitenskapelige oppdagelser.

Startupens mål er å automatisere vitenskapelig forskning – skape selvforbedrende AI designet for å fremskynde oppdagelser innen felt som medisin, biologi, kjemi og materialvitenskap . Kjerneideen er at AI-modeller ikke bare kan assistere med eksperimenter, men også generere hypoteser, designe protokoller og iterativt forbedre sine egne evner, og dermed effektivt forkorte hele forskningssyklusen.

Avtalen: Økonomiske vilkår og dataressurser

Partnerskapet er strukturert som en flerårig forpliktelse verdsatt til mer enn 100 millioner dollar . Her er nøkkeldetaljene:

• Verdi: Over 100 millioner dollar, omtrent halvparten av Mirendils såkornrunde på 200 millioner dollar .
• Regnekraft: Tilgang til Googles AI Hypercomputer, som inkluderer både Googles egne TPU-er og Nvidia GPU-er, samt administrerte treningsklynger .
• Timing: Kunngjort to måneder etter at Mirendils såkornrunde ble avsluttet til en verdi av 1 milliard dollar i slutten av juni 2026 .

Denne størrelsesorden på forpliktelsen gjenspeiler de enorme regnekraftbehovene til forskning på fremtidens AI. Til sammenligning er over 100 millioner dollar en av de største skypartnerskapene for en AI-startup i år .

Teknisk tilnærming: Matche arbeidsbelastninger til maskinvare

For å holde kostnadene nede, bruker Mirendil en fleksibel regnekraftstrategi – de matcher ulike AI-treningsarbeidsbelastninger til den mest kostnadseffektive maskinvaren . Startupen bruker:

• Googles TPU-er for visse treningsoppgaver
• Nvidia GPU-er for andre

Denne strategien reduserer avfall og lar startupen få mer forskning ut av den over 100 millioner dollar store forpliktelsen. Det er en praktisk optimalisering som betyr mye for et hvert AI-laboratorium som prøver å få mest mulig ut av regnekraftbudsjettet.

Hvordan begge parter tjener på avtalen

Partnerskapet skaper tydelig verdi for både Mirendil og Google Cloud.

For Mirendil og deres kunder: Avtalen garanterer den massive, pålitelige regnekraften som trengs for å trene og kjøre selvforbedrende modeller. Dette gjør at Mirendil kan tilby sine kunder raskere vitenskapelige forskningssykluser – uten at kundene trenger å administrere sin egen infrastruktur. Startupens AI er designet for å til slutt løse problemer innen farmasøytisk utvikling, materialoppdagelse og andre forskningsintensive bransjer.

For Google Cloud: Google sikrer seg en høyprofilert frontier AI-partner som forankrer en stor bedriftsavtale . Det hjelper Google med å konkurrere med AWS og Azure om AI-native startups ved å demonstrere at Googles TPU + GPU-stack kan støtte banebrytende forskning. Det gir også Google tidlig innsikt i infrastrukturbehovene til selvforbedrende AI, noe som kan informere fremtidige maskinvare- og skyløsninger .

Som en analyse bemerket, signaliserer avtalen Googles økende appetitt for å støtte banebrytende AI-forskning utenfor egne laboratorier .

Hva dette betyr for AI-bransjen

Mirendils avtale er en del av en bredere trend: skyleverandører jakter i økende grad på AI-startups med store infrastrukturforpliktelser, og låser inn langsiktige forhold før konkurrenter kan komme inn. Beløpet på over 100 millioner dollar matcher størrelsen på lignende avtaler fra AWS og Azure med andre frontlinjelaboratorier.

For feltet selvforbedrende AI gir dette partnerskapet konkret infrastrukturstøtte til et forskningsområde som fortsatt stort sett er teoretisk. Som TechCrunch-artikkelen påpekte, er Mirendils AI ennå ikke bevist i stor skala, men regnekraften finnes nå for at de kan prøve .

Avtalen understreker også hvor mye regnekraft forskning på fremtidens AI krever – og hvor mye skyleverandører er villige til å investere for å vinne disse arbeidsbelastningene.

Her er en fullstendig gjennomgang av partnerskapet, hva det betyr for startupen, og hvorfor det er viktig for det bredere AI- og skymiljøet.

Grunnleggerne og deres oppdrag

Mirendil ble grunnlagt av Behnam Neyshabur (administrerende direktør) og Harsh Mehta, begge tidligere forskere ved Anthropic som også har jobbet i Google . De forlot Anthropic for å starte Mirendil med et ambisiøst mål: å bygge AI-systemer som kan akselerere sin egen forbedring og drive vitenskapelige oppdagelser.

Startupens mål er å automatisere vitenskapelig forskning – skape selvforbedrende AI designet for å fremskynde oppdagelser innen felt som medisin, biologi, kjemi og materialvitenskap . Kjerneideen er at AI-modeller ikke bare kan assistere med eksperimenter, men også generere hypoteser, designe protokoller og iterativt forbedre sine egne evner, og dermed effektivt forkorte hele forskningssyklusen.

Avtalen: Økonomiske vilkår og dataressurser

Partnerskapet er strukturert som en flerårig forpliktelse verdsatt til mer enn 100 millioner dollar . Her er nøkkeldetaljene:

• Verdi: Over 100 millioner dollar, omtrent halvparten av Mirendils såkornrunde på 200 millioner dollar .
• Regnekraft: Tilgang til Googles AI Hypercomputer, som inkluderer både Googles egne TPU-er og Nvidia GPU-er, samt administrerte treningsklynger .
• Timing: Kunngjort to måneder etter at Mirendils såkornrunde ble avsluttet til en verdi av 1 milliard dollar i slutten av juni 2026 .

Denne størrelsesorden på forpliktelsen gjenspeiler de enorme regnekraftbehovene til forskning på fremtidens AI. Til sammenligning er over 100 millioner dollar en av de største skypartnerskapene for en AI-startup i år .

Teknisk tilnærming: Matche arbeidsbelastninger til maskinvare

For å holde kostnadene nede, bruker Mirendil en fleksibel regnekraftstrategi – de matcher ulike AI-treningsarbeidsbelastninger til den mest kostnadseffektive maskinvaren . Startupen bruker:

• Googles TPU-er for visse treningsoppgaver
• Nvidia GPU-er for andre

Denne strategien reduserer avfall og lar startupen få mer forskning ut av den over 100 millioner dollar store forpliktelsen. Det er en praktisk optimalisering som betyr mye for et hvert AI-laboratorium som prøver å få mest mulig ut av regnekraftbudsjettet.

Hvordan begge parter tjener på avtalen

Partnerskapet skaper tydelig verdi for både Mirendil og Google Cloud.

For Mirendil og deres kunder: Avtalen garanterer den massive, pålitelige regnekraften som trengs for å trene og kjøre selvforbedrende modeller. Dette gjør at Mirendil kan tilby sine kunder raskere vitenskapelige forskningssykluser – uten at kundene trenger å administrere sin egen infrastruktur. Startupens AI er designet for å til slutt løse problemer innen farmasøytisk utvikling, materialoppdagelse og andre forskningsintensive bransjer.

For Google Cloud: Google sikrer seg en høyprofilert frontier AI-partner som forankrer en stor bedriftsavtale . Det hjelper Google med å konkurrere med AWS og Azure om AI-native startups ved å demonstrere at Googles TPU + GPU-stack kan støtte banebrytende forskning. Det gir også Google tidlig innsikt i infrastrukturbehovene til selvforbedrende AI, noe som kan informere fremtidige maskinvare- og skyløsninger .

Som en analyse bemerket, signaliserer avtalen Googles økende appetitt for å støtte banebrytende AI-forskning utenfor egne laboratorier .

Hva dette betyr for AI-bransjen

Mirendils avtale er en del av en bredere trend: skyleverandører jakter i økende grad på AI-startups med store infrastrukturforpliktelser, og låser inn langsiktige forhold før konkurrenter kan komme inn. Beløpet på over 100 millioner dollar matcher størrelsen på lignende avtaler fra AWS og Azure med andre frontlinjelaboratorier.

For feltet selvforbedrende AI gir dette partnerskapet konkret infrastrukturstøtte til et forskningsområde som fortsatt stort sett er teoretisk. Som TechCrunch-artikkelen påpekte, er Mirendils AI ennå ikke bevist i stor skala, men regnekraften finnes nå for at de kan prøve .

Avtalen understreker også hvor mye regnekraft forskning på fremtidens AI krever – og hvor mye skyleverandører er villige til å investere for å vinne disse arbeidsbelastningene.