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

Inherent, un laboratorio de IA de Londres fundado por alumni 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 alumni de Google DeepMind, Inherent ha recibido relativamente poca atención. Pero mientras rivales mejor financiados aún no han mostrado al mundo nada concreto, el equipo con sede en Londres está comenzando a compartir lo que ha estado construyendo.

El anuncio de Faraday

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

Eso puede sonar como un mero truco dado el objetivo mucho más ambicioso de Inherent, construir IA que pueda descubrir nuevo conocimiento científico y no solo verificar resultados antiguos. Pero la replicación de documentos es un ejercicio de entrenamiento estándar para científicos humanos también, dijo el cofundador y científico jefe Edward Hughes. "Muchos estudiantes de doctorado realmente comienzan por hacer esto".

La importancia del "cómo"

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

La diferencia de tamaño

Aquí está la parte que debería llamar la atención de un inversor: medido contra Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI, ambos sistemas de escala fronteriza mucho más grandes, Faraday se ejecuta en un modelo comparativamente minúsculo llamado Qwen 3.6 que tiene solo 27 mil millones de parámetros. (Hablando aproximadamente, "parámetros" es un proxy para el tamaño de un modelo y, típicamente, sus costos de entrenamiento también.) El estándar de Inherent para el éxito también fue más alto que simplemente la precisión. Más allá de replicar resultados, quería que Faraday demostrara "gusto en investigación", un instinto para distinguir investigación de calidad.

Fuente: TechCrunch