La empresa Inherent, un laboratorio de inteligencia artificial con sede en Londres fundado por antiguos empleados de Google DeepMind, afirmó que su nuevo agente Faraday superó a modelos más grandes de Anthropic y OpenAI en una tarea de reproducción de los resultados de artículos científicos publicados, sin proporcionarle previamente la respuesta.
Faraday apareció pocas semanas después de que Inherent saliera de su etapa de sigilo, coincidiendo con el anuncio de la empresa de una ronda de financiación inicial de 50 millones de dólares. La empresa afirma que el agente fue comparado con Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI, dos sistemas descritos en el artículo como más grandes y pertenecientes a la categoría de modelos avanzados.
Una prueba que va más allá de igualar resultados
Según el cofundador y científico jefe Edward Hughes, Inherent no se limitó a medir la capacidad de Faraday para reproducir resultados. También quiso poner a prueba lo que denomina «olfato investigador»: la capacidad de evaluar qué experimentos merecen realizarse y diseñarlos de manera adecuada. La empresa considera que reproducir los resultados de una investigación publicada constituye una formación práctica habitual para los científicos, ya que muchos estudiantes de doctorado comienzan con esta tarea.
Faraday funciona sobre un modelo Qwen 3.6 que cuenta con solo 27.000 millones de parámetros, según el artículo, mientras que la comparación se basó en modelos mucho más grandes. El número de parámetros suele utilizarse como indicador aproximado del tamaño del modelo y de los costes de su entrenamiento, pero por sí solo no basta para demostrar que un sistema supera a otro, especialmente sin detalles completos sobre la prueba, sus datos o el método de cálculo de los resultados.
Aprendizaje por refuerzo en lugar de indicarle los pasos de la investigación
Inherent depende en gran medida del aprendizaje por refuerzo, mediante el cual el sistema recibe recompensas por obtener buenos resultados, en lugar de proporcionarle un conjunto detallado de reglas sobre cómo realizar la investigación científica. La empresa apuesta por que este enfoque ayude a sus agentes a generalizar entre múltiples disciplinas científicas, en lugar de limitarse a imitar lo que han aprendido sobre métodos de investigación anteriores.
La empresa afirma que su objetivo a largo plazo es construir un agente que funcione como un científico de inteligencia artificial y contribuya al descubrimiento de nuevos conocimientos, no solo a verificar resultados conocidos. Por este motivo no desarrolló su propia herramienta de programación, sino que hizo que Faraday utilizara GPT-5.5 Codex, simulando la dependencia de los investigadores de software existente en lugar de construir cada herramienta desde cero.
¿Por qué importa esta noticia?
Si los resultados de la prueba se confirman mediante una metodología reproducible, podrían indicar que los agentes especializados pueden lograr un rendimiento sólido utilizando modelos más pequeños cuando cuentan con una formación adecuada y capacidades para seleccionar y evaluar experimentos. Esto desplaza el foco del tamaño del modelo por sí solo hacia el diseño del agente, la manera en que se le recompensa y el entorno de trabajo en el que opera.
Sin embargo, la fuente transmite la afirmación de la empresa y no ofrece suficientes detalles para evaluar de forma independiente la comparación, ni aclara el alcance de los artículos científicos o las disciplinas incluidas en la prueba. Por tanto, el significado de la «superioridad» sigue condicionado por la prueba específica y aún no demuestra la capacidad de Faraday para descubrir nuevos conocimientos o trabajar eficazmente en todas las especialidades.
Inherent cuenta con unos 12 empleados que trabajan presencialmente en su oficina de la zona de King’s Cross, en Londres, y planea aumentar la plantilla hasta aproximadamente 20 o 25 empleados a finales de año. Hughes también habló, a título personal, del efecto de las restricciones de «permiso obligatorio» en el Reino Unido sobre el traslado de empleados a empresas competidoras, lo que podría afectar a la capacidad del laboratorio para atraer investigadores de DeepMind y otras empresas.