Inherent, fundada por ex-empleados de DeepMind, dice que su IA 'compañera' superó a Anthropic y OpenAI en replicación de investigación

Inherent, un laboratorio de IA con sede en Londres fundado por ex-empleados de Google DeepMind, dice que su agente de IA acaba de superar a modelos mucho más grandes de Anthropic y OpenAI usando una fracción del tamaño.

De todos los startups lanzados por ex-empleados de Google DeepMind, Inherent ha recibido relativamente poca atención. Pero mientras que rivales mejor financiados aún no han mostrado al mundo nada concreto, el equipo londinense está comenzando a compartir lo que ha estado construyendo.

Emerge de las sombras con financiación sustancial

Apenas semanas después de salir del sigilo con una ronda semilla de 50 millones de dólares, el startup británico dice que su agente de IA recién lanzado, Faraday, ha superado a modelos más grandes y mejor conocidos en una tarea específica: reproducir independientemente los hallazgos de trabajos científicos publicados sin ser informado de la respuesta por adelantado.

Eso puede parecer un simple truco dado el objetivo mucho más elevado de Inherent: construir IA que pueda descubrir nuevo conocimiento científico y no solo verificar resultados antiguos. Pero la replicación de papers es un ejercicio de entrenamiento estándar para científicos humanos también, dijo el cofundador y científico jefe Edward Hughes. "Muchos estudiantes de doctorado en realidad comienzan haciendo esto".

Lo notable no es el resultado, sino cómo se logró

Vencer a otros sistemas de IA en la tarea no era el punto, le dijo Hughes a TechCrunch; cómo llegaron allí fue lo importante. "Lo que fue más interesante para nosotros sobre esto no fue tanto el resultado de vencer a esos agentes fronterizos, que por supuesto nos gustó, sino fue realmente la forma en que lo hicimos".

Aquí está la parte que debería captar la atención de los inversores: medido contra Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI, ambos sistemas de escala fronteriza mucho más grandes, Faraday funciona en un modelo comparativamente minúsculo llamado Qwen 3.6 que tiene solo 27 mil millones de parámetros. (En términos generales, "parámetros" es un proxy para el tamaño de un modelo y, típicamente, sus costos de entrenamiento, también). El criterio de éxito de Inherent fue también más alto que simplemente precisión. Más allá de replicar resultados, quería que Faraday demostrara "gusto de investigación": un instinto para qué experimentos vale la pena ejecutar y cómo diseñarlos bien.

Enseñar algo tan intangible como el gusto es difícil, lo que es donde el aprendizaje por refuerzo y las técnicas de escalado de pruebas juegan un papel crucial en el enfoque de Inherent.

Fuente: TechCrunch