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

Inherent, un laboratorio de IA de Londres fundado por alumni de Google DeepMind, dice que su agente de IA acaba de superar 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 tienen que mostrar al mundo algo concreto, el equipo con sede en Londres está comenzando a compartir lo que ha estado construyendo.

Replicación de investigación científica

Solo semanas después de emerger 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 modelos más grandes, mejor conocidos en una tarea específica: reproducir independientemente los hallazgos de papers científicos publicados sin ser informado de la respuesta de antemano.

Esto puede parecer un simple truco de fiesta dada la meta más elevada 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 realmente comienzan haciendo esto".

El enfoque distintivo de Inherent

Superar otros sistemas de IA en la tarea no era el punto, le dijo Hughes a TechCrunch; cómo llegaron allá fue. "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 en realidad la forma en que fuimos sobre la construcción de esto".

Eficiencia comparativa

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 ejecuta en un modelo comparativamente diminuto 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 también fue más alto que solo precisión.

Implicaciones de investigación científica

Más allá de replicar resultados, quería que Faraday demostrara "gusto de investigación", un instinto para qué es interesante y vale la pena perseguir. La capacidad de un sistema de IA para no solo ejecutar tareas sino desarrollar discriminación sobre qué tareas merecen atención es un paso significativo hacia la IA que puede potencialmente descobrir investigación científica verdaderamente nueva.

El logro de Inherent sugiere que los enfoques innovadores en arquitectura de IA y diseño de sistemas pueden competir exitosamente con modelos fronterizos masivos, posiblemente abriendo nuevas avenidas para investigación científica impulsada por IA que es más accesible y eficiente en recursos.

Fuente: TechCrunch