Principales destacados
- 🧠 Un agente de apenas 27.000 millones de parámetros quedó por delante de GPT-5.5 y Claude Opus 4.8 en una tarea de replicación de investigaciones científicas.
- 🔬 Faraday no recibió las respuestas preparadas: tuvo que interpretar artículos, elegir caminos experimentales e intentar reproducir resultados por su cuenta.
- 🚀 La apuesta de Inherent va más allá del benchmark: la startup quiere transformar este tipo de agente en una herramienta capaz de ayudar a los científicos a encontrar nuevos conocimientos.
Un pequeño agente de IA supera a modelos gigantes en una de las pruebas más interesantes para la ciencia
Una startup de inteligencia artificial de Londres está colocando una idea diferente en el centro de la carrera por desarrollar sistemas más avanzados: quizá el próximo salto de la IA no dependa únicamente de modelos cada vez más grandes.
Inherent, creada por antiguos empleados de Google DeepMind, presentó Faraday, un agente de inteligencia artificial basado en Qwen3.6-27B. Según la empresa, el sistema logró superar a Claude Opus 4.8, de Anthropic, y a GPT-5.5, de OpenAI, en una tarea bastante específica, pero especialmente interesante: reproducir resultados presentados en investigaciones científicas.
Y existe una diferencia importante entre responder simplemente una pregunta sobre un artículo e intentar reproducir realmente su investigación.
Faraday debe recibir información incompleta, analizar el trabajo, decidir qué hacer, escribir y ejecutar código, probar hipótesis y lidiar con resultados que pueden no salir como se esperaba.
La investigación de Inherent se publicó el 13 de agosto de 2026 y también presenta Replica, un conjunto de 310 tareas construidas a partir de 100 artículos de machine learning y ciencia aplicada a la IA.
El resultado más importante quizá no sea el tamaño del modelo, sino la manera en que aprendió a pensar sobre una investigación.
La prueba no consistía simplemente en «copiar» una investigación
A primera vista, reproducir un gráfico de un artículo científico puede parecer una tarea relativamente sencilla.
No lo es.
Inherent creó Replica precisamente para transformar este proceso en una prueba más cercana al trabajo real de investigación. En cada tarea, se retira del artículo una figura con resultados. El agente recibe el resto de la información disponible y debe intentar reconstruir ese resultado sin tener acceso al gráfico original.
Además, existen restricciones de tiempo y de capacidad computacional.
Esto significa que el sistema no puede limitarse a observar el resultado y descubrir cómo se obtuvo. Tiene que tomar decisiones.
El conjunto inicial reúne 310 tareas extraídas de 100 artículos, incluidos trabajos de áreas como procesamiento del lenguaje natural, ciencia de materiales, predicción meteorológica, biología estructural y metaaprendizaje.
¿Por qué es tan difícil?
Los artículos científicos normalmente muestran el camino que funcionó.
No cuentan todos los caminos que fracasaron.
Una investigación puede haber requerido decenas de intentos hasta encontrar la configuración correcta. Puede haber implicado cambios de parámetros, distintas formas de preparar los datos, experimentos descartados e hipótesis que parecían prometedoras, pero no funcionaron.
Gran parte de ese proceso desaparece de la versión final publicada.
Precisamente esa es la brecha que Faraday debe cubrir.
La propia Inherent describe este problema como el «99 % de transpiración» que no aparece en el artículo. Para reproducir un resultado de manera convincente, la IA necesita recuperar algunas de esas decisiones que quedaron implícitas.
Y eso acerca la tarea a algo mucho más interesante que simplemente ejecutar instrucciones.
Faraday no es solo un modelo más pequeño
El número de parámetros llamó la atención porque Faraday utiliza un modelo de 27.000 millones de parámetros, una escala mucho menor que la asociada a los sistemas de vanguardia utilizados en la comparación.
Pero hay un detalle importante en esta historia.
Faraday no trabaja solo.
La arquitectura creada por Inherent le permite utilizar agentes de programación como herramientas. Durante las pruebas, Faraday utiliza GPT-5.5 Codex, de OpenAI, para ejecutar tareas de programación, de una manera parecida a como un científico humano utiliza software especializado.
En otras palabras, el modelo pequeño no está simplemente sustituyendo a un modelo grande.
Está aprendiendo a dirigir una herramienta poderosa.
La propia Inherent destaca que esta característica es una parte central de la propuesta. Faraday fue entrenado para desarrollar una especie de «instinto científico», eligiendo qué caminos investigar y cómo utilizar mejor las herramientas disponibles.
Esto cambia bastante la interpretación del resultado.
El logro de Faraday no significa que un modelo de 27.000 millones de parámetros sea universalmente más inteligente que GPT-5.5 o Claude Opus 4.8.
Lo que sugieren los resultados es algo más específico y quizá más interesante: un modelo relativamente pequeño, cuando se entrena para una función especializada y se pone al mando de herramientas más potentes, puede superar a sistemas más grandes en determinadas tareas complejas.
Los números muestran una ventaja real
La investigación de Inherent permite mirar más allá del titular.
En el conjunto de tareas utilizado para el entrenamiento, Faraday obtuvo una puntuación media de 0,856, frente a 0,828 de Claude Opus 4.8 y 0,796 de GPT-5.5.
Pero el resultado más importante aparece en las tareas que quedaron fuera del entrenamiento.
En este conjunto de 68 tareas de AI for Science, Faraday alcanzó 0,791, mientras que Claude Opus 4.8 llegó a 0,748 y GPT-5.5 se quedó en 0,729.
| Agente | Tareas de entrenamiento | Tareas no vistas |
|---|---|---|
| Qwen3.6-27B | 0,678 | 0,554 |
| GPT-5.5 | 0,796 | 0,729 |
| Claude Opus 4.8 | 0,828 | 0,748 |
| Faraday | 0,856 | 0,791 |
Cuanto mayor sea la puntuación, mejor será la reproducción de los resultados.
La ventaja también apareció en la cantidad de tareas ganadas. Según el trabajo, Faraday superó a los dos modelos de referencia en aproximadamente el 60 % de las tareas no vistas. En el conjunto de tareas de entrenamiento, la ventaja apareció en cerca del 73 %.
Esto es relevante porque evita una interpretación simplista según la cual el agente simplemente memorizó los artículos utilizados durante el entrenamiento.
También fue probado en investigaciones que no formaban parte de ese conjunto de entrenamiento.
El verdadero objetivo es enseñar «instinto científico»
Aquí es donde la estrategia de Inherent se vuelve más ambiciosa.
La empresa no intenta crear únicamente una IA capaz de repetir experimentos. La idea es utilizar la replicación como una especie de entrenamiento para desarrollar comportamientos necesarios en investigaciones abiertas.
Un científico no sabe de antemano qué experimento funcionará.
Formula una hipótesis, elige una prueba, observa el resultado y decide cuál será el siguiente paso.
A veces necesita abandonar una idea que parecía buena.
En ocasiones, un resultado inesperado revela algo más interesante que la hipótesis original.
Para Inherent, enseñar a una IA a lidiar con este tipo de situaciones puede ser un camino hacia sistemas capaces de realizar investigaciones más largas y menos estructuradas.
El aprendizaje por refuerzo entra precisamente ahí
Faraday fue sometido a un entrenamiento posterior mediante aprendizaje por refuerzo, una técnica en la que el sistema aprende a favorecer comportamientos que conducen a mejores resultados.
En lugar de enseñar simplemente al modelo una secuencia fija de respuestas, los investigadores crearon tareas en las que debe tomar decisiones durante el proceso.
Replica también necesitaba una manera coherente de evaluar esas decisiones. Para ello, el equipo desarrolló un sistema de evaluación basado en rúbricas, diseñado para producir una señal de recompensa con menos ruido y con una buena concordancia con las evaluaciones humanas.
Esto es importante porque entrenar agentes autónomos durante periodos prolongados es mucho más complicado que evaluar una respuesta aislada.
Una respuesta puede parecer correcta.
Un proceso completo de investigación debe ser útil.
El detalle que puede ser más importante que el propio benchmark
Este diseño tiene una consecuencia interesante.
Faraday fue entrenado utilizando un agente de programación específico, pero Inherent afirma que logró generalizar para dirigir una versión más capaz del agente durante las pruebas.
Esto sugiere que el modelo puede estar aprendiendo algo más abstracto que simplemente seguir comandos específicos.
Aprende a coordinar una herramienta.
La lógica recuerda al funcionamiento de un equipo científico.
Un investigador no necesita saber construir cada instrumento utilizado en un laboratorio. Necesita saber qué instrumento utilizar, qué medir, cómo interpretar el resultado y qué experimento debe realizarse después.
Inherent apuesta por que esta capa de criterio puede volverse cada vez más valiosa a medida que las herramientas de IA se vuelvan más potentes.
Es una inversión interesante de la lógica tradicional de la carrera por los grandes modelos.
En lugar de preguntar únicamente:
«¿Cómo podemos crear un modelo más grande?»
La pregunta pasa a ser:
«¿Cómo podemos hacer que un modelo aprenda a utilizar mejor los modelos que ya existen?»
De replicar artículos a descubrir algo que nadie conoce
La parte más audaz del proyecto comienza precisamente después del benchmark.
Replicar una investigación existente es una tarea con una respuesta oculta. El objetivo final ya existe.
El descubrimiento científico es diferente.
No hay un gráfico correcto esperando a ser encontrado.
Inherent imagina utilizar el aprendizaje adquirido por Faraday como una etapa intermedia para tareas cada vez menos especificadas. En su trabajo, los investigadores describen la posibilidad de retirar progresivamente más información de los artículos, endurecer o relajar los límites de recursos e incluso crear escenarios en los que la investigación no tenga un resultado conocido de antemano.
En este escenario, el agente dejaría de ser únicamente un sistema que verifica si un descubrimiento publicado puede reproducirse.
Podría empezar a buscar un descubrimiento que todavía no se ha publicado.
La diferencia parece pequeña sobre el papel, pero es enorme en la práctica.
El sueño de un «equipo científico» de IA
Imagina un sistema que recibe una pregunta abierta sobre materiales, biología, clima o inteligencia artificial.
En lugar de ofrecer una respuesta basada en el conocimiento existente, podría:
- plantear hipótesis;
- identificar experimentos prometedores;
- escribir el código necesario;
- ejecutar simulaciones;
- analizar los resultados;
- abandonar caminos poco prometedores;
- proponer nuevas pruebas;
- organizar las evidencias encontradas.
Este es el tipo de flujo que Inherent pretende explorar.
La empresa afirma que su objetivo a largo plazo es construir agentes capaces de generar nuevos conocimientos científicos en diferentes áreas, manteniendo a los seres humanos involucrados en el proceso.
Una startup diminuta que entra en una disputa gigantesca
La historia también llama la atención por el tamaño de la empresa.
Inherent salió recientemente del modo stealth después de recaudar 50 millones de dólares en una ronda seed. La startup fue fundada por cuatro antiguos empleados de Google DeepMind y contaba con aproximadamente una docena de personas, con planes de llegar a entre 20 y 25 empleados para finales de 2026.
El equipo está instalado en King’s Cross, en Londres, una zona que se ha convertido en un importante centro europeo de inteligencia artificial y que también alberga una fuerte presencia del ecosistema vinculado a DeepMind.
La trayectoria de los fundadores también ayuda a explicar la ambición.
En lugar de intentar competir directamente con laboratorios que cuentan con miles de empleados y enormes infraestructuras de computación, la startup busca una capa diferente de innovación: agentes especializados capaces de extraer más capacidad de los modelos existentes.
Esto también ayuda a entender por qué Faraday utiliza herramientas de otras empresas.
Inherent no necesita necesariamente construir cada componente del sistema desde cero.
Quiere descubrir cómo combinar esos componentes de una manera que produzca un comportamiento nuevo.
¿Qué significa realmente este resultado para la carrera de la IA?
Es tentador interpretar el caso como una derrota de los modelos más grandes.
Sería exagerado.
Faraday fue evaluado en una tarea específica, construida por la propia Inherent, y no en una evaluación general de inteligencia. Además, la arquitectura utiliza GPT-5.5 Codex como herramienta, por lo que el resultado no representa simplemente una disputa entre un modelo de 27.000 millones de parámetros y modelos mucho más grandes.
Pero eso no reduce el interés científico del trabajo.
Al contrario.
El resultado muestra que la escala de parámetros no es la única variable importante cuando el objetivo es crear agentes capaces de ejecutar tareas complejas.
El entrenamiento especializado, la planificación, el uso de herramientas, la evaluación durante el proceso y la capacidad de aprender estrategias pueden alterar profundamente el rendimiento.
Y existe otro punto importante: los resultados todavía deben interpretarse dentro de los límites del propio estudio. La evidencia presentada es sólida para el benchmark Replica, pero no permite concluir que Faraday sea mejor en ciencia en general.
La próxima prueba realmente interesante será descubrir si este tipo de «instinto científico» puede mantenerse cuando la IA deje de intentar reproducir una respuesta conocida y pase a investigar preguntas para las que nadie tiene la respuesta.
Si esto funciona, el verdadero salto no será una IA que sepa más ciencia. Será una IA que sepa qué vale la pena investigar.
El pequeño Faraday puede estar señalando un cambio mayor
El nombre del agente no fue elegido por casualidad.
Inherent se inspiró en Michael Faraday, un científico británico que tenía poca formación académica formal, pero que se hizo conocido por su habilidad experimental. Según la propia empresa, en 1821 Faraday recibió el encargo de elaborar una revisión sobre el entonces emergente campo del electromagnetismo y decidió reproducir experimentos anteriores.
Durante ese proceso, terminó descubriendo un fenómeno que condujo a la invención del motor eléctrico.
La historia sirve como metáfora del proyecto.
Una reproducción puede parecer simplemente una confirmación de algo que ya sabemos.
Pero el intento de reproducir un resultado puede revelar una variable olvidada, una inconsistencia o una posibilidad que no se había percibido antes.
Precisamente en ese espacio entre verificar el conocimiento existente y crear conocimiento nuevo es donde Inherent quiere situar a sus agentes.
Faraday todavía está lejos de ser un científico autónomo en el sentido humano de la palabra. Sin embargo, el experimento apunta hacia una dirección que puede ganar importancia en los próximos años: modelos más pequeños, especializados y entrenados para coordinar herramientas poderosas, en lugar de intentar hacerlo todo por sí solos.
Y quizá esta sea una de las partes más interesantes de la historia.
La próxima generación de agentes de IA quizá no se defina únicamente por cuántos parámetros tiene, sino por lo bien que puede decidir qué hacer con todo lo que tiene a su disposición.
