Inherent는 Google DeepMind 출신 직원들이 설립한 런던 소재 인공지능 연구소로, 자사의 새로운 에이전트 Faraday가 사전에 정답을 제공받지 않은 상태에서 발표된 과학 논문의 결과를 재현하는 과제에서 Anthropic과 OpenAI의 더 큰 모델들을 능가했다고 밝혔다.
Inherent가 잠행 모드에서 벗어난 지 불과 몇 주 만에 Faraday가 등장했으며, 회사는 이와 동시에 5,000만 달러 규모의 시드 투자 유치도 발표했다. 회사에 따르면 에이전트는 Anthropic의 Claude Opus 4.8 및 OpenAI의 GPT-5.5와 비교됐다. 두 시스템은 기사에서 더 크고 고급 모델 범주에 속하는 것으로 묘사된다.
결과 일치를 넘어서는 테스트
공동 창업자이자 수석 과학자인 Edward Hughes에 따르면 Inherent는 Faraday가 결과를 재현하는 능력만 측정하지 않았다. 회사는 실행할 가치가 있는 실험을 판단하고 적절한 방식으로 설계하는 능력, 즉 회사가 «연구 감각»이라고 부르는 능력도 시험하고자 했다. 회사는 발표된 연구 결과를 재현하는 일을 과학자들에게 흔한 실전 훈련으로 여기며, 많은 박사과정 학생들이 이 과제로 시작한다고 설명한다.
기사에 따르면 Faraday는 매개변수 270억 개에 불과한 Qwen 3.6 모델에서 작동하는 반면, 비교에는 훨씬 더 큰 모델들이 사용됐다. 매개변수 수는 일반적으로 모델 규모와 훈련 비용을 대략적으로 나타내는 지표로 사용되지만, 특히 테스트나 데이터, 결과 산출 방식에 관한 완전한 세부 정보가 없는 경우 그 숫자만으로 한 시스템이 다른 시스템보다 우수하다는 사실을 입증할 수는 없다.
연구 단계를 주입하는 대신 강화학습 활용
Inherent는 강화학습에 크게 의존한다. 시스템에 과학 연구를 수행하는 방법에 관한 세부 규칙 모음을 제공하는 대신 좋은 결과에 대해 보상을 부여하는 방식이다. 회사는 이 접근법이 에이전트가 여러 과학 분야에 걸쳐 일반화하는 데 도움을 줄 수 있다고 기대한다. 이는 에이전트를 기존에 학습한 연구 방법을 모방하는 데 한정하는 것과 대비된다.
회사는 장기적인 목표가 알려진 결과를 단순히 검증하는 것이 아니라 인공지능 과학자처럼 작동하며 새로운 지식의 발견에 기여하는 에이전트를 구축하는 것이라고 말한다. 이러한 이유로 자체 프로그래밍 도구를 개발하지 않고, 연구자들이 모든 도구를 처음부터 구축하는 대신 기존 소프트웨어에 의존하는 상황을 모방해 Faraday가 GPT-5.5 Codex를 사용하도록 했다.
이 소식이 중요한 이유는?
테스트 결과가 재현 가능한 방법론에 따라 확인된다면, 적절한 훈련과 실험 선택 및 평가 능력을 갖춘 전문 에이전트가 더 작은 모델을 사용하면서도 강력한 성능을 달성할 수 있음을 시사할 수 있다. 이는 초점을 모델의 규모 자체에서 벗어나 에이전트의 설계, 보상 방식, 그리고 에이전트가 활동하는 작업 환경으로 이동시킨다.
그러나 출처는 회사의 주장을 전달할 뿐 비교를 독립적으로 판단하기에 충분한 세부 정보를 제공하지 않으며, 테스트에 포함된 과학 논문의 범위나 분야도 설명하지 않는다. 따라서 «우수성»의 의미는 특정 테스트에 의해 제한되며, 아직 Faraday가 새로운 지식을 발견하거나 모든 전문 분야에서 효율적으로 작업할 수 있다는 점을 입증하지는 않는다.
Inherent에는 런던 King’s Cross 지역의 사무실에서 대면으로 근무하는 직원이 약 12명 있으며, 연말까지 인원을 약 20명 또는 25명으로 늘릴 계획이다. 또한 Hughes는 개인적인 입장에서 영국의 «강제 휴가» 제약이 직원들이 경쟁사로 이직하는 데 미치는 영향에 대해 언급했으며, 이는 연구소가 DeepMind 및 기타 기관에서 연구자들을 영입하는 능력에 영향을 줄 수 있다.