Startup londrina ex-DeepMind vence Claude Opus 4.8 e GPT-5.5 com modelo 27 vezes menor
Um agente de IA científica desenvolvido por uma startup londrina de apenas 12 funcionários acaba de superar os modelos de fronteira da Anthropic e da OpenAI em uma tarefa crítica: reproduzir, de forma autônoma, os resultados de pesquisas científicas publicadas — sem receber a resposta de antemão.
A empresa se chama Inherent e foi fundada por quatro ex-pesquisadores do Google DeepMind: Edward Hughes (chief scientist), Louis Kirsch, Kaloyan Aleksiev e Tantum Collins. Saindo do modo stealth com um seed round de US$ 50 milhões, a Inherent apresenta o Faraday — seu agente de IA científica construído sobre o modelo Qwen 3.6, com apenas 27 bilhões de parâmetros.
Para efeito de comparação, o Claude Opus 4.8 da Anthropic e o GPT-5.5 da OpenAI contam com ordens de grandeza a mais em parâmetros e bilhões de dólares em infraestrutura de treinamento. Ainda assim, o agente de IA científica da Inherent os superou no benchmark de replicação científica.
O que é o benchmark de replicação — e por que ele diferencia agentes de IA
O Faraday é avaliado pela sua capacidade de ler um paper publicado e reproduzir os experimentos descritos sem que ninguém revele o resultado esperado. Isso é radicalmente diferente de responder perguntas ou resumir textos.
Modelos generalistas como o Claude Opus 4.8 e o GPT-5.5 foram treinados para conversar, raciocinar e seguir instruções. O Faraday, por sua vez, foi treinado com reinforcement learning para agir como um pesquisador: decidindo quais experimentos valem a pena executar, como desenhá-los e como interpretar os dados coletados.
A Inherent chama esse conjunto de competências de "research taste" — o bom senso científico que guia quais perguntas são relevantes e quais podem ser respondidas com os recursos disponíveis. Segundo os fundadores, ensiná-lo a um agente de IA científica via RL é o diferencial central da empresa.
O objetivo de longo prazo é construir um agente cientista capaz de contribuir autonomamente para descobertas em múltiplos campos — desde biologia e química até física e engenharia. A equipe planeja crescer dos atuais 12 para 20 a 25 funcionários até o fim de 2026.
Por que isso importa para o seu negócio
O resultado do Faraday prova que modelos menores, altamente especializados e treinados com RL para tarefas concretas podem superar gigantes generalistas. Para empreendedores e gestores, isso tem três implicações práticas:
1. Custo de inferência cai com especialização: modelos com 27 bilhões de parâmetros são significativamente mais baratos de operar do que modelos de fronteira com centenas de bilhões. Se o seu caso de uso for específico — análise de contratos, triagem de documentos, auditoria contábil —, um agente vertical pode entregar mais resultado por real investido.
2. Especialização supera tamanho: a corrida pelo modelo "maior" pode estar chegando ao fim para aplicações verticais. O padrão emergente é treinar modelos médios com RL para tarefas concretas, o que abre espaço para soluções de IA acessíveis em setores como jurídico, saúde, agronegócio e financeiro.
3. O mercado de agentes verticais cresce a 44% ao ano: segundo projeções da Grand View Research, o mercado global de agentes de IA deve atingir US$ 47 bilhões até 2030, com crescimento anual composto de 44%. A maior parcela desse crescimento virá de agentes especializados, não de chatbots generalistas.
A Inherent levantou US$ 50 milhões com 12 pessoas. O sinal de mercado é claro: investidores estão apostando em IA especializada. Para pequenas e médias empresas, isso significa que soluções de IA sob medida para o seu setor serão cada vez mais viáveis e acessíveis nos próximos anos.
Conteúdo reescrito e traduzido para PT pela redação luiscortex, revisado por humano.
Fonte: TechCrunch
