A Inherent, um laboratório de inteligência artificial sediado em Londres e fundado por ex-funcionários do Google DeepMind, afirmou que seu novo agente Faraday superou modelos maiores da Anthropic e da OpenAI em uma tarefa de reprodução de resultados de artigos científicos publicados, sem receber previamente a resposta.
O Faraday surgiu poucas semanas depois de a Inherent sair do modo furtivo, simultaneamente ao anúncio de uma rodada de financiamento inicial de 50 milhões de dólares pela empresa. A empresa afirma que o agente foi comparado ao Claude Opus 4.8, da Anthropic, e ao GPT-5.5, da OpenAI, dois sistemas descritos no material como maiores e pertencentes à categoria de modelos avançados.
Um teste que vai além da correspondência de resultados
Segundo o cofundador e cientista-chefe Edward Hughes, a Inherent não se limitou a medir a capacidade do Faraday de reproduzir resultados. Ela também queria testar o que chama de “faro de pesquisa”; isto é, a capacidade de avaliar quais experimentos vale a pena realizar e de projetá-los de maneira adequada. A empresa considera a reprodução de resultados de pesquisas publicadas um treinamento prático comum para cientistas, já que muitos estudantes de doutorado começam com essa tarefa.
O Faraday funciona com um modelo Qwen 3.6 que tem apenas 27 bilhões de parâmetros, segundo o material, enquanto a comparação se baseou em modelos muito maiores. A quantidade de parâmetros costuma ser usada como um indicador aproximado do tamanho do modelo e dos custos de seu treinamento, mas o número, por si só, não basta para comprovar a superioridade de um sistema sobre outro, especialmente sem detalhes completos sobre o teste, seus dados ou o método de cálculo dos resultados.
Aprendizado por reforço em vez de instruções detalhadas sobre as etapas da pesquisa
A Inherent depende em grande medida do aprendizado por reforço, no qual o sistema recebe recompensas por bons resultados, em vez de receber um conjunto de regras detalhadas sobre como realizar pesquisas científicas. A empresa aposta que essa abordagem pode ajudar seus agentes a generalizar entre várias áreas científicas, em vez de limitá-los a imitar o que aprenderam sobre métodos de pesquisa anteriores.
A empresa afirma que seu objetivo de longo prazo é construir um agente que atue como um cientista de inteligência artificial e contribua para a descoberta de novos conhecimentos, não apenas para verificar resultados conhecidos. Por esse motivo, não desenvolveu sua própria ferramenta de programação; em vez disso, fez o Faraday usar o GPT-5.5 Codex, simulando a dependência dos pesquisadores em relação a softwares existentes, em vez de construir cada ferramenta do zero.
Por que esta notícia é importante?
Se os resultados do teste forem confirmados por uma metodologia reproduzível, eles poderão indicar que agentes especializados conseguem alcançar um desempenho forte usando modelos menores, quando apoiados por treinamento adequado e por capacidades de selecionar e avaliar experimentos. Isso desloca o foco do tamanho do modelo por si só para o design do agente, a forma como ele é recompensado e o ambiente de trabalho em que opera.
Mas a fonte transmite a alegação da empresa e não apresenta detalhes suficientes para uma avaliação independente da comparação, além de não esclarecer o escopo dos artigos científicos ou as áreas abrangidas pelo teste. Portanto, o significado de “superioridade” continua condicionado ao teste específico e ainda não comprova a capacidade do Faraday de descobrir novos conhecimentos ou de trabalhar com eficiência em todas as disciplinas.
A Inherent tem cerca de 12 funcionários trabalhando presencialmente em seu escritório na região de King’s Cross, em Londres, e planeja aumentar esse número para aproximadamente 20 ou 25 funcionários até o fim do ano. Hughes também falou, em caráter pessoal, sobre o impacto das restrições do “período de garden leave” no Reino Unido sobre a transferência de funcionários para empresas concorrentes, o que pode afetar a capacidade do laboratório de atrair pesquisadores da DeepMind e de outras empresas.