Un dels usos que els grans laboratoris d'IA prometen des de fa temps és accelerar la ciència: no només ajudar a escriure articles, sinó fer-ne la feina de comprovació, la que consumeix mesos de laboratori i que sovint decideix si un resultat es pot donar per bo. Inherent, una start-up de Londres fundada per quatre exinvestigadors de Google DeepMind —Edward Hughes, com a científic en cap, junt amb Louis Kirsch, Kaloyan Aleksiev i Tantum Collins—, que va sortir de l'ombra el maig del 2026 amb una ronda llavor de 50 milions de dòlars, hi aposta amb un agent anomenat Faraday.
Faraday està dissenyat per reproduir per si sol els resultats d'articles científics ja publicats, sense que ningú li doni la resposta d'entrada: un pas intermedi cap a l'objectiu final de l'empresa, que és una IA capaç de generar coneixement científic nou. Segons Inherent, en aquesta tasca de replicació Faraday supera Claude Opus 4.8 d'Anthropic i GPT-5.5 d'OpenAI, tot i funcionar sobre Qwen 3.6, un model de només 27.000 milions de paràmetres, molt més petit que els dos grans models als quals s'enfronta. L'equip ho atribueix al mètode d'entrenament: en comptes de créixer en mida, han fet servir aprenentatge per reforçament per ensenyar a l'agent el que en diuen «criteri de recerca» —la intuïció per triar quins experiments val la pena fer i com dissenyar-los bé—, i l'agent aprofita eines ja existents, com el Codex de GPT-5.5, en comptes de construir-se les seves pròpies, de manera semblant a com treballa un investigador humà.
Que un model relativament petit i barat guanyi a models molt més grans i cars en una tasca concreta reforça una idea que ja s'ha vist en altres àmbits d'aquest sector: en feines especialitzades, com entrenes pot pesar més que quant de gran és el model. El resultat s'emmarca, a més, en un moviment més ampli cap a la «IA per a la ciència» —en paral·lel als sistemes multiagent que Google i altres grups ja han publicat a revistes com Nature per generar hipòtesis en biomedicina—, tot i que Faraday es limita, de moment, a comprovar el que ja s'ha publicat, no a proposar-ne de nou.
La comparativa és pròpia de l'empresa, no una avaluació independent publicada, i es refereix a la replicació d'articles ja existents i coneguts, no a la capacitat de fer descobriments genuïnament nous. Inherent no ha detallat quants articles ha fet servir per a la prova, quina metodologia exacta ha aplicat als models rivals ni si els resultats es podran reproduir de manera independent.