Mirendil, una startup de San Francisco fundada a principios de 2026, ha cerrado una ronda seed de 200 millones de dólares (≈ 176 millones de euros) a una valoración de aproximadamente 1.000 millones de dólares (≈ 880 millones de euros). Andreessen Horowitz y Kleiner Perkins lideraron la ronda conjuntamente, con NVIDIA como inversor participante. Es una de las rondas seed más grandes de la historia de la IA y, probablemente, la más grande para una empresa que en el momento del anuncio no tiene ningún producto público, ningún ingreso declarado y ninguna hoja de ruta técnica detallada disponible.Lo publicó SiliconAngle el 25 de junio citando el anuncio oficial de la empresa. Los cofundadores son Behnam Neyshabur — coinventor del algoritmo SAM (Sharpness-Aware Minimization) para mejorar la calidad de salida de los modelos de IA — y Harsh Mehta, quien lideró en Anthropic el programa para automatizar partes del proceso interno de investigación con herramientas de IA propias. Ambos dejaron Anthropic en diciembre de 2025, meses después de incorporarse a la empresa a finales de 2024. El equipo completo suma alrededor de 20 investigadores e ingenieros procedentes de Anthropic, OpenAI, Google DeepMind y xAI.Qué quiere construir Mirendil y por qué es diferente a una startup de IA generativaLa tesis de Mirendil no es construir un modelo de lenguaje para usuarios finales ni una herramienta de código o escritura. Es construir sistemas de IA que hagan lo que hacen los investigadores de IA: diseñar experimentos, evaluar modelos, iterar sobre problemas de ingeniería y mejorar los sistemas de IA de forma progresivamente autónoma. Matt Bornstein de a16z lo llamó «vibe research»: la idea de que, si funciona, el ciclo de investigación que hoy tarda meses en un laboratorio con cientos de ingenieros podría comprimirse a días con ciclos automatizados.El caso de uso externo que Mirendil presenta es la democratización del acceso a investigación de IA de frontera: universidades, empresas farmacéuticas, laboratorios de materiales y centros de investigación sin los recursos de un OpenAI o un Google podrían usar la plataforma para construir y afinar modelos especializados en sus dominios — biología, química, robótica, medicina — sin necesitar un equipo de machine learning de cincuenta personas.OpenAI, bajo Greg Brockman, fusionó ChatGPT, Codex y la API de desarrolladores en una única plataforma agéntica con el argumento de que la IA deja de ser un chatbot y se convierte en un sistema operativo cognitivo. Mirendil propone algo más radical: que la IA no solo ejecute tareas sino que diseñe las tareas. La distinción no es cosmética — cambia quién decide cuál es el próximo experimento que vale la pena hacer.Por qué NVIDIA invirtió y qué dice sobre el mercadoLa participación de NVIDIA en la ronda no es sorprendente si se entiende la lógica de la empresa: más investigación de IA de frontera significa más demanda de GPU de alta gama para entrenar y afinar modelos. NVIDIA no invierte en Mirendil por el retorno financiero directo — la posición es pequeña en relación a su capitalización — sino para ganar visibilidad sobre las próximas arquitecturas de modelos que podrían convertirse en demanda de chips. Es el mismo patrón que ha seguido con docenas de labs de IA en los últimos tres años.General Intuition, que levantó 320 millones de dólares (≈ 282 millones de euros) a una valoración de 2.300 millones (≈ 2.024 millones de euros) el 25 de junio, también tiene CoreWeave como proveedor de infraestructura y un equipo procedente de laboratorios de IA de Google DeepMind y MIT. La diferencia es que General Intuition usa datos de videojuegos para entrenar agentes que luego se transfieren a robots físicos — un modelo de transferencia de aprendizaje más tangible y demostrable que la investigación meta-IA de Mirendil.La comparación más honesta para Mirendil es con Safe Superintelligence (Ilya Sutskever, aproximadamente 1.000 millones de dólares levantados en 2024 a valoración próxima a 5.000 millones) y Thinking Machines Lab (Mira Murati, 2.000 millones de dólares comprometidos): startups fundadas por alumni de frontier labs sin producto público, financiadas sobre la base de la credibilidad científica del equipo. El sector ya normaliza ese patrón.Mi valoraciónHemos analizado más de cuarenta rondas de financiación de labs de IA en los últimos 24 meses y la de Mirendil es la que más claramente muestra el cambio de criterios del capital riesgo en IA: ya no se financia tracción, se financia talento + ambición técnica. Lo que más me convence de la apuesta de a16z y Kleiner Perkins es la especificidad del equipo: Neyshabur coinventó SAM, que es uno de los algoritmos de optimización más citados en la literatura de machine learning de los últimos cinco años. No es un equipo de producto migrando a la investigación — es un equipo de investigadores de primera fila creando un laboratorio independiente.Lo que más me preocupa es la ausencia total de hoja de ruta técnica pública. 200 millones de dólares con cero producto y cero roadmap divulgado es una apuesta casi pura sobre el problema abstracto. Si la idea de IA que automatiza la investigación en IA resulta ser más difícil técnicamente de lo que el equipo estima — y la historia de los sistemas de autoaprendizaje sugiere que siempre lo es — el retorno de la inversión podría tardar una década en materializarse, si llega.El interés del gobierno de Trump en tomar participaciones en los principales laboratorios de IA del país añade una variable externa que Mirendil deberá gestionar: si la IA de investigación se convierte en infraestructura estratégica nacional, las condiciones de financiación y gobernanza de labs como Mirendil pueden cambiar rápidamente.Mi predicción: Mirendil producirá su primera publicación técnica relevante antes de finales de 2026 y lanzará acceso limitado a su plataforma para instituciones académicas en la primera mitad de 2027. El modelo de negocio comercial no será visible hasta 2028.Preguntas frecuentes¿Qué es el algoritmo SAM que coinventó Behnam Neyshabur?SAM (Sharpness-Aware Minimization) es un método de optimización para entrenar modelos de IA que mejora la generalización — la capacidad del modelo de funcionar bien con datos que no ha visto durante el entrenamiento. Funciona buscando mínimos en la función de pérdida que sean «planos» en lugar de «agudos», lo que produce modelos más robustos. Es uno de los algoritmos de optimización más adoptados en la práctica del machine learning moderno y está integrado en los pipelines de entrenamiento de varios laboratorios de frontera.¿Por qué una ronda seed puede ser de 200 millones de dólares?En el contexto de los laboratorios de IA de 2026, una «ronda seed» refleja la estructura societaria de la empresa (primera ronda de financiación externa), no el tamaño del capital. Los laboratorios fundados por alumni de grandes labs de IA se financian a escala de Series B o C desde la primera ronda porque el capital mínimo necesario para entrenar modelos competitivos — GPU, datos, ingeniería especializada — es de decenas o cientos de millones. La mediana de una ronda seed en EE.UU. sigue siendo de 3-4 millones de dólares para startups convencionales; para los AI labs de frontera, esa cifra no alcanza ni para el primer trimestre de cómputo.La noticia Mirendil levanta 200 millones de dólares en seed para construir una IA que automatice la investigación en IA fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.