Faraday, a IA da Inherent, Redefine Limites na Replicação Científica

A Inherent, startup londrina fundada por ex-alunos da DeepMind, acaba de balançar o cenário da Inteligência Artificial. Seu agente de IA, Faraday, superou modelos bem maiores da Anthropic e OpenAI na replicação de artigos científicos. O ponto crucial é que o Faraday atingiu essa marca usando um modelo Qwen 3.6, com 'apenas' 27 bilhões de parâmetros. Isso é um contraste e tanto com os modelos de escala de fronteira, muito mais massivos, que hoje dominam o mercado.

Este feito não é só sobre replicar resultados. Edward Hughes, cofundador e cientista-cheche da Inherent, explica que o objetivo vai além da verificação: eles querem construir uma IA capaz de descobrir conhecimento científico novo e que demonstre 'research taste', ou seja, a capacidade de discernir quais experimentos valem a pena e como desenhá-los. Isso é treinado com aprendizado por reforço. Conforme o CEVIU noticiou em 1 de junho de 2026, a Inherent já mirava em IA que prioriza perguntas científicas. A novidade do Faraday se alinha com a tendência de modelos de IA mais eficientes, algo que já destacamos na cobertura de 29 de julho de 2026 sobre a família Mage e em 11 de agosto de 2026 com o Muse Glimmer, que também aposta em tamanhos mais compactos para alta performance.

Em 1 de junho de 2026, o CEVIU reportou a captação de US$ 50 milhões pela Inherent e seu ambicioso objetivo de criar uma IA que priorizasse questões científicas. Naquele momento, o Faraday era uma promessa, um projeto em desenvolvimento. Agora, menos de três meses depois, a Inherent não só apresentou o Faraday, mas demonstrou sua capacidade de superar modelos muito maiores em uma tarefa científica complexa: a replicação de pesquisas. O que era um objetivo de longo prazo virou uma entrega concreta, com um modelo de 27 bilhões de parâmetros, que se mostra eficiente e competitivo.

A performance do Faraday da Inherent tem um peso enorme para o futuro da pesquisa científica e da IA. Mostrar que um modelo de 27 bilhões de parâmetros pode superar gigantes da Anthropic e OpenAI na replicação científica sugere um caminho para IA mais eficiente, com custos computacionais menores e acessibilidade ampliada. Isso acelera o ciclo de inovação. Não é só sobre automatizar tarefas, mas sobre a IA agir como um colega de equipe. A busca por 'research taste' do Faraday sinaliza uma era onde agentes de IA podem, de fato, contribuir para a descoberta, uma evolução que já exploramos no CEVIU em 16 de julho de 2026 sobre autoaperfeiçoamento recursivo e em 12 de junho de 2026 sobre pesquisa automatizada.