General Intuition Inc. gab am 29. September 2026 eine Finanzierungsrunde über 220 Millionen Dollar bekannt. Das Geld kommt von Valor Equity Partners, Atreides, Seven Seven Six, Point72, Khosla Ventures und General Catalyst. Die Runde bewertet das Unternehmen mit 6,2 Milliarden Dollar.
Das Geld soll für die Einstellung weiterer KI-Forscher und dafür verwendet werden, den neuesten Algorithmus des Unternehmens, MIRA, von einer Forschungsdemo zur kommerziellen Nutzung weiterzuentwickeln. MIRA ist ein „Weltmodell“, das synthetische Videoaufnahmen erzeugen kann, um andere KI-Systeme – insbesondere Roboter – zu trainieren.
Was unterscheidet MIRA von anderen Modellen?
Die meisten KI-Systeme zur Videogenerierung können nur kurze Clips erstellen, bevor die Qualität stark nachlässt. MIRA soll dagegen unbegrenzt laufen können, ohne dass die Ergebnisse zunehmend abweichen, und so lange, nahtlose Simulationen schnell bewegter Objekte erzeugen.
Das Modell rendert mit 20 Bildern pro Sekunde und einer Auflösung von 720 × 576 Pixeln auf einer einzelnen Nvidia-B200-Grafikkarte. Möglich wird diese Effizienz durch latente Diffusion – ein Verfahren, das in einem komprimierten „latenten Raum“ statt mit unbearbeiteten Videobildern arbeitet – und die vergleichsweise geringe Größe von 5,6 Milliarden Parametern. Das sind deutlich weniger als bei den Billionen-Parameter-Modellen, die regelmäßig für Schlagzeilen sorgen.
Was bedeutet das für Sie?
Wer in den Bereichen Robotik, Simulation oder Videospielentwicklung arbeitet, könnte mit MIRA kostengünstig unbegrenzt Trainingsdaten erzeugen und so weniger Zeit mit dem Filmen realer Szenen verbringen.
Für Nutzer im Alltag könnte die Technologie später realistischere virtuelle Umgebungen, intelligentere Spiel-KI oder sicherere Roboter ermöglichen, die unzählige Szenarien in einer simulierten Welt durchgespielt haben, bevor sie überhaupt mit einem physischen Objekt in Berührung kommen.
Warum es wichtig ist
Mit der Finanzierung kann General Intuition seine Demo zu einem einsatzfähigen Werkzeug für Roboterentwickler und Simulatoren weiterentwickeln. Das könnte die Kosten für das Training von KI für Aufgaben in der realen Welt senken. Für Verbraucher könnte die Technologie zu vielfältigeren virtuellen Erlebnissen und sichereren, besser trainierten Maschinen führen.
