
Mercor完成7.5亿美元D轮融资,估值200亿美元
来源标题:[AINews] Mercor $750m Series D at $20B valuation, $3B run rate
Mercor以200亿美元估值完成7.5亿美元D轮融资,年化营收已达30亿美元。该公司去年C轮估值100亿美元时营收不足5亿美元,此后营收先后于今年2月突破10亿美元、6月突破20亿美元。Mercor目前拥有500万名专家,其将美国800多种职业中尚未被模型评估的工作流视为潜在市场。
以下正文由 AI 翻译自 Latent Space(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
如今,我们把一笔融资做成头条新闻的常规门槛是 decacorn(100亿美元)估值。去年Mercor完成100亿美元C轮融资时,我们错过了——当时它的营收还不到5亿美元。但我们知道不用等太久就会迎来下一轮,因为它2月突破了10亿美元,6月突破了20亿美元,如今年化营收已达30亿美元,还扛住了黑客攻击: 在X上查看帖子↗ 该公司称拥有500万名专家,其TAM是:“仅在美国就有800多个不同职业,每个职业都包含模型尚未评估过的工作流程。” 还有一个我们正在追踪的值得注意的数据: 我们正在看到AI投资对我们业务的影响。我们在推理上的支出已经是员工薪资的3倍,而它通过让团队工作更出色来实现自我回报。如果随着AI扩散到经济其他领域,这一比例保持不变,那意味着未来五年GDP增速将接近两位数,几乎是我们习惯水平的3倍。 我们还没有做过Mercor的pod(会安排的!),但要更好地理解数据供应商业务,可以看看我们最近与Handshake AI的深度分析——它是Mercor的竞争对手之一: 2026年11月9日至2026年11月10日AI新闻。我们检查了12个子版块、544个Twitter账号,没有进一步检查Discord。AINews网站可搜索所有过往期刊。提醒一下,AINews现在是Latent Space的一个栏目。你可以选择订阅或退订不同频率的邮件!
AI Twitter回顾
Gemini 4 Carbon发布: rollout、定价与宣称结果
- 发布:Google发布了Gemini 4 Carbon,称其是用于软件工程、网络安全、知识工作和科学领域长周期agentic工作的最强模型(Google,Sundar Pichai)。Gemini 4 Argon仍是Google为大多数编程和知识工作推荐的默认模型,Carbon则保留用于最难的任务(Google AI)。
- 可用性:Carbon通过Gemini API和AI Studio面向付费开发者提供,也通过Android Studio和Gemini for business提供。Ultra订阅者可在Gemini应用、AI Mode和Antigravity中使用。科学家可申请6个月免费访问,网络防御人员可通过Fairwind项目申请(Google AI)。同日集成已登陆Cursor、Devin、Perplexity和GitHub Copilot(Copilot)。
- 定价:在Cursor中,Carbon截至11月30日的价格为每百万输入/输出token 2美元/10美元,12月1日起涨至4美元/20美元(Cursor)。
- 开发者说明:从Argon升级只需将模型ID改为gemini-4-carbon。Google称长解码最高可达100万token,并建议大多数任务使用thinking_level medium(@_philschmid)。
- Antigravity中的/swarm:一个新的斜杠命令可将一个提示变成多agent团队,在实时留言板上协调。每个角色可使用不同模型,例如Carbon负责架构和审计,Flash负责并行编辑(Antigravity)。Google的展示demo是一个骑自行车的鹈鹕3D校园游戏,子agent在Blender中装配资产(Sundar Pichai)。
- 官方与合作伙伴宣称:
- Google内部结果:相比Argon,开源漏洞召回率提高25%,为AlphaFold 3找到的远程蛋白质同源物多40倍(@_philschmid)。
- 编程基准:Carbon在高努力模式下以60.4%登顶CursorBench(Cursor)。在FrontierCode 2.0上得分40.0%,高于Argon的26.3%(Cognition)。
- 研究agent:Perplexity报告其在WANDR上得分为0.857,每任务成本5.86美元,以40%的成本匹配Fable 5.2(Perplexity)。
- 独立测量:
- Vals Index:Carbon排名第3,落后Fable 5.2约1个百分点,每次测试成本10.51美元,而后者为17.94美元。它在Vals的金融、法律研究和税务指数上排名第1(Vals)。
- ARC-AGI:ARC-AGI-3在使用提供商适配器时得分为99.1%(4.6千美元),在标准测试框架中为65.1%(7.2千美元)。ARC-AGI-2为94.2%,每任务0.38美元(ARC Prize)。
- 视觉:Roboflow将Carbon总体排名第1,但在速度和成本两项上均在10个模型中垫底(每张图81秒,每1000张图91.89美元)(@skalskip92)。
- Agent Arena:在最昂贵的会话中,Carbon相对于GPT-6 Astra和Opus 5.5的成本优势扩大(Arena)。
- 测试者提醒:早期用户报告存在幻觉、过度自信和冗长问题(@krishnanrohit)。一名测试者发现,在Carbon报告检查通过后,Undo功能损坏且导出文本发生偏移(@kimmonismus)。Google的Logan Kilpatrick反驳称,在一项比较中,Gemini是唯一未在其原生测试框架中测试的模型(@OfficialLoganK)。 Claude Fable 5.2 / Mythos 5.2:评估、token成本与系统卡
- 正面对比评估:
- MKA:Fable 5.2以57%的Climb WSR领先Google DeepMind的新多模态知识agent基准。Carbon得分54%,Opus 5.5为53%。每任务成本Fable为31.97美元,Carbon为6.29美元,GPT-6.1 Sol为1.11美元。没有模型在全部10个垂直领域领先(Artificial Analysis)。
- VIALS-AA:Fable在生命科学视觉推理上得分67%,领先Carbon(64%)和GPT-6 Astra(63%)。它平均每任务约37次工具调用,而Astra约为8次(Artificial Analysis)。
- 劳动与设计:Fable在Remote Labor Index上达到41.3%,高于Fable 5.1的17.9%(@kimmonismus)。它在3D Design Arena上以1540 Elo排名第1,定价为每百万输入/输出token 8美元/40美元(DesignArena)。
- RSI Index:Vals给它评37.8分,略高于Opus 5.5的37.3分(Vals)。
- Token效率:
- GDPx材料科学:SemiAnalysis发现,在得分大致相同的情况下,Fable的成本比Astra高89%,输出token用量多4.3倍。其成本是Carbon的7.5倍(SemiAnalysis)。
- GDPx软件工程:Fable的得分接近Opus 5.5的三倍,但每任务成本也以类似倍数上升(thread)。
- 领域优势:Dylan Patel表示,Fable在芯片设计、SWE、生物学和材料方面有所改进,但在金融、法律或RSI方面没有。他将RSI结果归因于Anthropic有意限制这些能力(@dylan522p)。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。