Mirendil hat eine mehrjährige Partnerschaft mit Google Cloud im Wert von mehr als 100 Millionen US-Dollar unterzeichnet, sagte Mitgründer und CEO Behnam Neyshabur. Damit erhält das junge KI-Labor Zugang zu Google TPUs, Nvidia GPUs und verwalteten Trainingsclustern für seine Forschung an selbstverbessernder KI.

Die Vereinbarung ist bedeutend, weil sie einen großen Teil des kürzlich aufgenommenen Kapitals von Mirendil in Rechenleistung umwandelt – zu einem Zeitpunkt, an dem Frontier-KI-Unternehmen um knappe Beschleuniger konkurrieren. Das Unternehmen sagt, sein langfristiges Ziel sei es, Systeme zu bauen, die ihr Wissen und ihre Leistung bei der Forschung wiederholt verbessern können und dadurch möglicherweise Teile der wissenschaftlichen Entdeckung und der KI-Entwicklung automatisieren.

Eine große Infrastrukturverpflichtung für ein junges Labor

Neyshabur sagte TechCrunch, der Google-Cloud-Deal habe einen Wert von mehr als 100 Millionen US-Dollar. Das entspräche ungefähr der Hälfte der Seed-Finanzierung, die Mirendil Ende Juni bei einer Bewertung von 1 Milliarde US-Dollar aufgenommen habe, basierend auf demselben Bericht.

Die Vereinbarung verschafft Mirendil Zugang zu mehr als einem Beschleunigertyp, statt die Workloads an eine einzige Chip-Plattform zu binden. Googles TPUs und Nvidia GPUs werden mit verwalteten Trainingsclustern kombiniert, sodass das Startup verschiedene Phasen seiner Arbeit auf Hardware ausführen kann, die jeweils für die entsprechende Workload geeignet ist.

Der Deal spiegelt einen breiteren Wandel in der Ökonomie der Frontier-KI wider. Für Unternehmen, die große Modelle oder komplexe agentische Systeme entwickeln, kann der Zugang zu Rechenleistung strategisch ebenso wichtig sein wie der Zugang zu Talenten oder Risikokapital. Cloud-Anbieter wiederum nutzen Infrastrukturverpflichtungen, um Startups anzuziehen, deren zukünftige Systeme wichtige Quellen für Unternehmensnachfrage werden könnten.

Aus den verfügbaren Berichten geht nicht hervor, dass Mirendil ein kommerzielles Produkt gestartet oder Kunden im Zusammenhang mit der Vereinbarung offengelegt hat. Der unmittelbare Zweck scheint Forschung und Systementwicklung zu sein, nicht eine kurzfristige Softwareeinführung.

Was Mirendil unter Selbstverbesserung versteht

Mirendil arbeitet an dem, was in der Branche gemeinhin als rekursive Selbstverbesserung bezeichnet wird: KI-Systeme, die ihre eigenen Fähigkeiten, ihr Wissen oder ihre Methoden iterativ verbessern. Das Konzept hat sowohl etablierte Labore als auch neuere Startups auf sich aufmerksam gemacht, bleibt jedoch ein Forschungsziel und keine nachgewiesene Produktkategorie mit vereinbarten Leistungsstandards.

Neyshabur beschrieb ein System, das eine schwierige Aufgabe erhalten und sich beim Untersuchen des Themas weiter verbessern könnte. Als Beispiel nannte er Alzheimer und deutete an, ein solches System könne Wissen ansammeln, sich in einem Fachgebiet einarbeiten und im Laufe der Zeit auf ein definiertes Forschungsziel hinarbeiten.

Mirendils genannte Ziele gehen über die Medizin hinaus. Das Unternehmen glaubt, dass sein Ansatz Arbeiten in Biologie, Materialwissenschaft und KI-Forschung unterstützen könnte. Diese Ambitionen würden mehr als nur ein leistungsfähiges Modell erfordern: Sie würden eine zuverlässige Bewertung, langfristiges Aufgabenmanagement, Werkzeuge zum Sammeln und Testen von Belegen sowie Mechanismen erfordern, die verhindern, dass eine automatisierte Forschungs-Schleife ihre eigenen Fehler verstärkt.

Die Google-Cloud-Vereinbarung ist daher nicht nur wegen ihres Dollarwerts wichtig. Sie verschafft Mirendil die Möglichkeit, die Orchestrierungsebene rund um selbstverbessernde KI zu erproben, einschließlich der Frage, wie Modelle, Werkzeuge, Evaluatoren und Rechenressourcen über längere Forschungszyklen hinweg zusammenwirken.

Belege und Behauptungen bleiben begrenzt

Die zentralen Fakten in diesem Bericht stammen aus TechCrunchs Interview mit dem CEO von Mirendil sowie aus Äußerungen, die Google und Mirendil-Mitgründer Harsh Mehta zugeschrieben werden. Die beiden anderen Beiträge im Quellencluster liefern lediglich Überschriften oder Zusammenfassungen, aber keinen unabhängig nutzbaren Artikeltext, sodass sie keine zusätzliche Bestätigung oder technische Details liefern.

Der berichtete Deal-Wert, der Hardware-Zugang und die beabsichtigte Forschungsrichtung sollten daher als vom Unternehmen offengelegte oder von Medien berichtete Fakten verstanden werden, nicht als unabhängig geprüfte Zahlen. Die verfügbaren Belege zeigen nicht, wie viel Rechenleistung Mirendil erhalten wird, über welchen genauen Zeitraum oder ob es sich bei der Verpflichtung um reservierte Kapazität, Cloud-Ausgaben, Credits oder eine Kombination dieser Vereinbarungen handelt.

Amin Vahdat, Senior Vice President und Chief Technologist of AI and Infrastructure bei Google, sagte, der Fortschritt der KI hänge zunehmend von der Orchestrierung vollständiger Systeme ab und nicht allein von Verbesserungen auf Chip-Ebene. Diese Aussage ist Googles Darstellung seiner Infrastrukturstrategie, nicht der Beweis, dass Mirendils Forschung eine bestimmte Fähigkeit erreicht hat.

Ebenso ist Mirendils Behauptung, seine Software könne Kunden helfen, aus Google-Hardware mehr Wert zu ziehen, eine Unternehmensposition. In den vorliegenden Berichten wurden weder Benchmarks noch Modellevaluierungen, Produktions-Workloads oder Kundeneinsätze bereitgestellt, um diese Behauptung zu verifizieren. Die gleiche Vorsicht gilt für das Ziel des Unternehmens, Arbeiten zu leisten, die einem gesamten Frontier-KI-Labor vergleichbar sind.

Auswirkungen für Entwickler und Unternehmenskäufer

Für KI-Entwickler unterstreicht die Vereinbarung die Bedeutung von Workload-Flexibilität. Training, Inferenz, synthetische Datengenerierung, Evaluierung und Experimente zur Werkzeugnutzung haben möglicherweise nicht dieselben Hardwareanforderungen. Eine Plattform, die Workloads zwischen Google TPUs und Nvidia GPUs verschieben kann, könnte die Abhängigkeit von einer einzigen Beschleunigerfamilie verringern, bringt aber auch technische Komplexität bei Softwarekompatibilität, Planung, Beobachtbarkeit und Kostenkontrolle mit sich.

Die Vereinbarung könnte auch ein nützliches Signal dafür sein, wie KI-Unternehmen in der Frühphase ihre Infrastruktur finanzieren. Eine große Cloud-Verpflichtung kann Kapazität und technischen Support bieten, verbraucht aber möglicherweise Kapital, bevor ein Produkt nennenswerte Einnahmen erzielt hat. Gründer, die ähnliche Deals in Betracht ziehen, müssen den garantierten Zugang gegen vertragliche Bindung, Auslastungsrisiken und die Möglichkeit abwägen, dass Verbesserungen bei der Hardware-Effizienz die Ökonomie während einer mehrjährigen Laufzeit verändern könnten.

Für Unternehmen ist die wichtigere Frage, ob selbstverbessernde KI in realen Arbeitsabläufen steuerbar gemacht werden kann. Ein System, das seine Strategien bei der Verfolgung eines Forschungsziels fortlaufend verändert, bräuchte belastbare Audit-Trails, begrenzte Berechtigungen, reproduzierbare Ergebnisse, menschliche Überprüfung und Schutzmaßnahmen gegen erfundene oder schwach gestützte Befunde. Mehr Rechenleistung löst diese Zuverlässigkeits- und Sicherheitsprobleme nicht.

Der Deal verschafft Google außerdem eine potenzielle strategische Beziehung zu einem Labor, das auf eine Forschungsausrichtung mit hoher Wirkung fokussiert ist. Sollten Mirendils Systeme reifen, könnte Google einen Partner gewinnen, dessen Software um seine Infrastruktur herum aufgebaut ist, und zugleich zeigen, wie Cloud-Plattformen langfristige KI-Forschung unterstützen. Das ist eine Möglichkeit, kein offengelegtes kommerzielles Ergebnis.

Worauf als Nächstes zu achten ist

Das erste Signal wird sein, ob Mirendil technische Details zu seiner Systemarchitektur, seinen Trainingsmethoden, seinem Evaluierungsrahmen oder der Nutzung von Rechenleistung veröffentlicht. Solche Offenlegungen würden helfen, zwischen einer allgemeinen Forschungsvision und einem reproduzierbaren Ansatz für rekursive Selbstverbesserung zu unterscheiden.

Entwickler sollten auch auf Hinweise achten, dass das Startup sowohl Google TPUs als auch Nvidia GPUs in Experimenten auf Produktionsniveau einsetzt, statt lediglich theoretischen Zugang zu beiden zu haben. Nützliche Indikatoren wären Kostenvergleiche auf Workload-Ebene, Durchsatzdaten und Ergebnisse unabhängiger Evaluierungen.

Weitere Finanzierung, namentlich genannte Unternehmenskunden, Forschungsveröffentlichungen oder eine öffentliche Demonstration eines Systems, das sich über längere Aufgaben hinweg verbessert, würden Mirendils kommerzielle und technische Entwicklung klarer machen. Umgekehrt würde ein Mangel an messbaren Fortschritten die Sicht stützen, dass der Deal vor allem eine Wette auf ein anspruchsvolles Forschungsprogramm ist.

Creati.ai-Perspektive

Mirendils Verpflichtung gegenüber Google Cloud zeigt, wie die nächste Generation von KI-Laboren konkurrieren könnte: nicht nur durch das Training größerer Modelle, sondern durch die Sicherung der Infrastruktur, die für dauerhafte Forschungsschleifen benötigt wird. Die Größe des Deals ist bemerkenswert, doch der härtere Test wird sein, ob zusätzliche Rechenleistung verlässliche Verbesserungen hervorbringt, statt lediglich längere Experimente.

Für den Markt ist die Geschichte am besten als Wette auf Infrastruktur und Umsetzung zu lesen. Mirendil hat Zugang zu wichtiger Hardware und Cloud-Systemen gesichert; nach dem verfügbaren Beleg hat das Unternehmen jedoch noch nicht gezeigt, dass selbstverbessernde KI die von ihm erwarteten wissenschaftlichen oder kommerziellen Ergebnisse liefern kann.