Un pequeño agente de IA de una startup de Londres superó a Anthropic y OpenAI en lectura de artículos científicos

Puntos clave

• Inherent, una startup de IA de Londres fundada por cuatro exalumnos de Google DeepMind, recaudó una ronda inicial de $50 millones antes de publicar sus primeros resultados públicos.
• Su agente de IA, Faraday, superó a Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI en la replicación independiente de investigaciones científicas publicadas sin haber recibido las respuestas de antemano.
• Faraday se ejecuta en Qwen 3.6, un modelo de 27 mil millones de parámetros, lo que lo hace mucho más pequeño que los modelos de frontera que superó.
• Inherent utiliza aprendizaje por refuerzo, un método de entrenamiento que recompensa buenos resultados en lugar de especificar reglas fijas, para enseñar a Faraday lo que los investigadores llaman "gusto investigativo".
• La empresa planea crecer de 12 a aproximadamente 20 a 25 empleados a fin de año 2025.

Un pequeño laboratorio en Londres está haciendo una afirmación audaz. Inherent, cuyos cuatro fundadores dejaron Google DeepMind para crearla, afirma que su agente de IA ha superado algunos de los sistemas de IA más capaces del mercado en una tarea científica estándar, utilizando una fracción del poder computacional. La empresa salió del sigilo hace solo semanas con una ronda inicial de $50 millones. Ahora está compartiendo la primera mirada real de lo que ha construido.

¿Qué hizo exactamente Faraday?

Se le encargó a Faraday la tarea de replicar artículos científicos publicados por su cuenta, sin que le indicaran las respuestas correctas. Eso significa leer el artículo, decidir qué experimentos ejecutar y llegar a las mismas conclusiones que los investigadores originales.

Superó tanto a Claude Opus 4.8 de Anthropic como a GPT-5.5 de OpenAI en esto. Reportado por primera vez por TechCrunch, el resultado llama la atención por la forma en que Faraday lo logró. Faraday se ejecuta en Qwen 3.6, que tiene 27 mil millones de parámetros, las configuraciones numéricas internas que moldean cómo razona un modelo. Más parámetros generalmente significan un modelo más grande y más costoso. Claude Opus 4.8 y GPT-5.5 se entiende ampliamente que operan a escala mucho mayor.

Para la empresa, el resultado del punto de referencia ni siquiera era el objetivo. "Lo que fue más interesante para nosotros acerca de esto no fue tanto el resultado de superar a esos agentes de frontera," le dijo Edward Hughes, cofundador y científico jefe de Inherent, a TechCrunch, "sino la forma en que construimos esto."

¿Por qué importa la replicación de artículos?

Es un ejercicio inicial estándar para nuevos científicos. "Muchos estudiantes de doctorado en realidad comienzan haciendo esto," dijo Hughes. El objetivo no es solo la precisión; es demostrar que comprende el proceso lo suficiente para reconstruirlo desde cero.

El estándar de Inherent fue aún más alto. Más allá de la precisión, quería que Faraday demostrara "gusto investigativo": un instinto sobre qué experimentos vale la pena ejecutar y cómo diseñarlos bien. Enseñar algo tan intangible requería un enfoque específico. El aprendizaje por refuerzo recompensa a una IA por producir buenos resultados en lugar de entregarle un libro de reglas, y la apuesta es que esto se generalice en muchos campos científicos, no solo en aquellos con los que se entrenó Faraday.

Faraday también utiliza GPT-5.5 Codex de OpenAI para tareas de codificación, de la misma manera que un científico que trabaja recurre al software existente en lugar de escribir todo desde cero.

¿Debería preocuparte un agente con "gusto investigativo"?

El objetivo a más largo plazo de Inherent es una IA que descubra cosas nuevas en lugar de solo verificar las antiguas. La replicación es la base, no el destino. La cuestión práctica es si el entrenamiento basado en recompensas con 27 mil millones de parámetros puede generalizarse lo suficiente para llegar allí, y el punto de referencia de hoy ofrece solo un punto de datos.

Hughes describe su agente ideal como un compañero que "se sintió curioso por esto, y salí e hice estos experimentos" y luego te pregunta qué te parece de los resultados. Esa cualidad colaborativa es hacia la que Inherent dice que está construyendo. Cubrimos por primera vez la fundación de Inherent el 22 de agosto de 2026, cuando el equipo aún no era público.

Los 12 empleados trabajan en persona desde King's Cross en Londres. Hughes ha pedido públicamente que el Reino Unido elimine el "garden leave", la cláusula de empleo británica que puede impedir que los trabajadores que se van se unan a un rival durante meses después de renunciar, diciendo que ralentiza las startups de IA del Reino Unido en relación con sus rivales estadounidenses. Le dijo a TechCrunch que es una opinión personal, no una posición de la empresa, aunque fue personalmente afectado por ella. La empresa planea llegar a aproximadamente 20 a 25 personas antes de fin de año.