La notizia in sintesi
- Inherent presenta Faraday, agente AI dedicato alla replica di ricerche scientifiche.
- La startup londinese sostiene di aver superato sistemi di Anthropic e OpenAI.
- Il test utilizza il modello Qwen 3.6, con 27 miliardi di parametri.
- L’obiettivo dichiarato è sviluppare agenti capaci di contribuire alla scoperta scientifica.
Riassunto generato con AI
Inherent sfida i grandi modelli con Faraday
Inherent, laboratorio di intelligenza artificiale con sede a Londra fondato da ex ricercatori di Google DeepMind, afferma che il suo agente Faraday abbia superato modelli più grandi di Anthropic e OpenAI nella riproduzione autonoma dei risultati di articoli scientifici pubblicati. La notizia è stata riportata da TechCrunch, in un articolo firmato da Anna Heim e pubblicato il 22 agosto 2026.
Secondo la società britannica, Faraday riesce a replicare risultati di ricerca senza ricevere in anticipo la soluzione da raggiungere. Il risultato viene presentato dopo l’uscita di Inherent dalla fase di stealth e a poche settimane dall’annuncio di un round seed da 50 milioni di dollari.
Le innovazioni piu' interessanti di tecnologia e scienza, dritte nella tua inbox.
Il confronto indicato dall’azienda riguarda Claude Opus 4.8 di Anthropic e GPT-5.5 di OpenAI. Inherent sostiene che Faraday abbia ottenuto la prestazione dichiarata utilizzando un modello sensibilmente più piccolo, Qwen 3.6, da 27 miliardi di parametri.
La rilevanza dell’annuncio non sta soltanto nella classifica tra sistemi AI. Per Inherent, la replica di studi già pubblicati è un esercizio preliminare per un progetto più ampio: creare un agente in grado di contribuire alla produzione di nuova conoscenza scientifica.
Edward Hughes, cofondatore e chief scientist di Inherent, ha collegato questo passaggio alla formazione tradizionale dei ricercatori: “Molti studenti di dottorato iniziano effettivamente facendo questo”. La startup considera quindi la riproducibilità non come un traguardo finale, ma come una prova della capacità di impostare, eseguire e valutare esperimenti.
Il punto resta da leggere con precisione: i risultati descritti sono rivendicazioni della società riportate da TechCrunch e riguardano uno specifico compito di replica della ricerca, non una dimostrazione generale di superiorità su ogni attività scientifica o su ogni modello concorrente.
Ricompense, gusto sperimentale e lavoro collaborativo
Il nucleo della strategia di Inherent è ciò che Hughes definisce “research taste”, cioè la capacità di riconoscere quali esperimenti meritino di essere condotti e di progettarli in modo efficace. L’azienda non punta dunque alla sola correttezza del risultato: cerca di addestrare Faraday a scegliere percorsi investigativi che abbiano valore per il lavoro scientifico.
Per ottenere questa capacità, Inherent dichiara di fare leva sul reinforcement learning, metodo di addestramento che premia gli esiti valutati positivamente invece di fornire esclusivamente regole esplicite da seguire. La tesi della startup è che un approccio basato sulle ricompense possa estendersi più facilmente a campi scientifici diversi rispetto a un addestramento centrato soprattutto sullo studio formale di come viene svolta la scienza.
Hughes ha spiegato a TechCrunch che la priorità non era soltanto battere agenti di frontiera: “Ciò che per noi era più interessante non era tanto il risultato di superare quegli agenti di frontiera, che naturalmente ci è piaciuto, ma il modo in cui siamo arrivati a costruirlo”.
Questa impostazione chiarisce anche una scelta tecnica della società. Inherent non ha realizzato un proprio strumento di programmazione per Faraday, ma ha fatto ricorso a GPT-5.5 Codex di OpenAI. Il paragone proposto dall’azienda è con i ricercatori umani, che usano software già disponibili anziché sviluppare internamente ogni singolo strumento necessario al loro lavoro.
Faraday viene descritto come un “compagno di squadra” e non come un assistente progettato per confermare automaticamente le aspettative dell’utente. Hughes ha indicato come modello un collega capace di tornare con una proposta autonoma: “Mi sono incuriosito di questa cosa, sono andato a fare questi esperimenti. Cosa ne pensi di questi risultati?”.
Il valore di questa impostazione dipenderà dalla qualità con cui un agente sa motivare le proprie scelte sperimentali e dalla possibilità di sottoporle a verifica. Nel caso illustrato da Inherent, la replica dei paper viene usata proprio come banco di prova per osservare se l’agente arrivi a risultati già noti attraverso un processo operativo indipendente.
Il tema delle dimensioni del modello aggiunge un elemento economico all’annuncio. I parametri sono descritti nell’articolo come un indicatore approssimativo della scala di un modello e, in genere, dei suoi costi di addestramento. Inherent sostiene quindi che il proprio metodo possa ottenere risultati competitivi senza partire necessariamente da sistemi della stessa ampiezza dei modelli di frontiera citati.
Non vengono tuttavia forniti nel testo dettagli comparativi completi sulle condizioni dei test, sulle metriche utilizzate o sul numero di articoli scientifici replicati. Per questo il dato va collocato nel perimetro dichiarato dall’azienda, distinguendo il risultato comunicato dalla sua eventuale validazione indipendente.
Londra e la crescita del team di Inherent
Inherent opera da King’s Cross, area di Londra dove la presenza di Google DeepMind ha contribuito alla crescita di un polo dell’intelligenza artificiale. I dodici dipendenti della startup lavorano in presenza, una scelta che Hughes collega alla densità di competenze disponibili nella capitale britannica.
La società prevede di portare l’organico a circa 20-25 persone entro la fine dell’anno. Il piano di assunzioni coincide con ambizioni che includono anche i world models e può rendere Inherent una possibile destinazione per dipendenti DeepMind interessati a cambiare percorso professionale.
Hughes ha inoltre criticato, a titolo personale e non come posizione aziendale, il “garden leave”, pratica diffusa nel Regno Unito che può impedire a chi lascia un’impresa di entrare o fondare una concorrente per mesi. Ha dichiarato di essere stato coinvolto direttamente da questo vincolo prima di avviare Inherent.
La startup è stata fondata da Hughes insieme agli altri ex alumni DeepMind Louis Kirsch, Kaloyan Aleksiev e Tantum Collins. Nel contesto descritto da TechCrunch, la nuova fase di crescita arriva mentre il ruolo assunto da Demis Hassabis viene indicato come un fattore di incertezza per parte del personale DeepMind.
Per Inherent, la conseguenza concreta dell’annuncio è duplice: dimostrare un metodo tecnico centrato sugli agenti di ricerca e trasformare questa dimostrazione in capacità di reclutamento. La prova più significativa, nel tempo, sarà l’eventuale passaggio dalla replica di risultati esistenti alla generazione di contributi scientifici nuovi e verificabili.
FAQ
Che cos’è Faraday di Inherent?
Sì, è un agente di intelligenza artificiale che Inherent dichiara capace di riprodurre autonomamente risultati di paper scientifici pubblicati, senza conoscere prima la risposta.
Quali modelli avrebbe superato Faraday?
Sì, Inherent afferma che Faraday abbia superato Claude Opus 4.8 di Anthropic e GPT-5.5 di OpenAI in uno specifico compito di replica della ricerca.
Quale modello utilizza l’agente Faraday?
Sì, Faraday utilizza Qwen 3.6, modello indicato da Inherent con 27 miliardi di parametri, una dimensione inferiore rispetto ai sistemi di frontiera citati.
Dove opera la startup Inherent?
Sì, Inherent ha sede a Londra e i suoi dodici dipendenti lavorano in presenza dall’ufficio di King’s Cross, secondo quanto riportato da TechCrunch.
Come è stata verificata questa notizia?
Sì, il contenuto nasce da un’analisi approfondita e da una verifica incrociata condotta dalla nostra Redazione su numerose fonti, tra cui TechCrunch, con supervisione umana della Redazione prima della pubblicazione.
Non perdere gli errori di prezzo clamorosi su Amazon!
Iscriviti al canale Telegram e ricevili in tempo reale
Guide agli acquisti su Amazon
