Introdução
Uma startup britânica fundada por ex-pesquisadores do Google DeepMind acaba de demonstrar que modelos menores e especializados podem superar gigantes da IA em tarefas específicas. A Inherent, laboratório de inteligência artificial baseado em Londres, anunciou que seu agente de IA chamado Faraday conseguiu superar modelos muito maiores da Anthropic e OpenAI na tarefa de replicar independentemente descobertas de artigos científicos publicados – sem conhecer as respostas antecipadamente.
O feito é particularmente impressionante porque o Faraday opera com um modelo de apenas 27 bilhões de parâmetros (Qwen 3.6), uma fração do tamanho dos modelos frontier como o Claude Opus 4.8 da Anthropic e o GPT-5.5 da OpenAI. Para o mercado brasileiro, onde empresas buscam soluções de IA mais acessíveis e eficientes, essa demonstração sugere que nem sempre é necessário recorrer aos modelos mais caros e computacionalmente intensivos para obter resultados superiores em aplicações específicas.
A abordagem inovadora da Inherent
Enquanto muitas startups fundadas por ex-funcionários do DeepMind têm atraído grandes investimentos sem mostrar produtos concretos, a Inherent escolheu um caminho diferente. Apenas semanas após sair do modo stealth com uma rodada seed de US$ 50 milhões, a empresa já está compartilhando resultados tangíveis de sua pesquisa.
O diferencial não está apenas no resultado final – superar modelos maiores – mas na metodologia empregada. Edward Hughes, cofundador e cientista-chefe da Inherent, explica que a replicação de papers é um exercício padrão de treinamento para cientistas humanos: ‘Muitos estudantes de doutorado começam fazendo exatamente isso’. A empresa está essencialmente ensinando sua IA a desenvolver o que chamam de ‘gosto para pesquisa’ – um instinto sobre quais experimentos vale a pena executar e como projetá-los adequadamente.
Essa abordagem tem implicações profundas para empresas de tecnologia e instituições de pesquisa no Brasil. Em vez de simplesmente processar informações, o Faraday demonstra capacidade de julgamento científico, algo que pode acelerar significativamente processos de P&D em diversos setores, desde farmacêutico até desenvolvimento de novos materiais.
Reinforcement learning: o segredo do sucesso
A chave para o sucesso da Inherent está no uso intensivo de reinforcement learning (aprendizado por reforço), uma técnica de treinamento que recompensa o sistema de IA por bons resultados em vez de definir regras rígidas a serem seguidas. Diferentemente de outras abordagens que focam principalmente no estudo de como a ciência é conduzida, a Inherent aposta que esse método baseado em recompensas se generalizará melhor para seu objetivo de longo prazo: criar agentes capazes de contribuir em múltiplos campos científicos.
Para o contexto brasileiro, onde universidades e centros de pesquisa muitas vezes operam com recursos limitados, essa abordagem é particularmente relevante. Um sistema que pode aprender a conduzir pesquisas de forma autônoma, usando modelos menores e mais eficientes, poderia democratizar o acesso a capacidades avançadas de pesquisa científica.
Interessantemente, a Inherent também demonstra pragmatismo em suas escolhas tecnológicas. Em vez de desenvolver sua própria ferramenta de codificação, o Faraday utiliza o GPT-5.5 Codex da OpenAI – assim como cientistas humanos usam softwares existentes em vez de construir tudo do zero. Essa abordagem modular sugere um futuro onde diferentes IAs especializadas trabalham em conjunto, cada uma contribuindo com suas forças específicas.
O ecossistema de IA de Londres e suas lições para o Brasil
A Inherent opera presencialmente em um escritório em King’s Cross, o bairro londrino que se transformou de uma área degradada em um dos principais hubs de IA do mundo, em grande parte devido à presença do Google DeepMind. Com uma equipe de apenas doze funcionários, mas planos de crescer para 20-25 até o final do ano, a empresa representa uma nova geração de startups de IA que valorizam a colaboração presencial e o desenvolvimento focado.
Hughes é otimista sobre a densidade de talentos em IA em Londres, mas também levantou sua voz contra a prática do ‘garden leave’ – comum no Reino Unido – que impede funcionários demitidos de ingressar ou iniciar empresas concorrentes por meses após sua saída. Essa restrição, que pesquisadores americanos geralmente não enfrentam, dá às startups dos EUA uma vantagem na contratação de talentos. Para o Brasil, que busca desenvolver seu próprio ecossistema de IA, essa é uma lição importante sobre como políticas trabalhistas podem impactar a inovação.
Implicações para o mercado e a pesquisa científica
O sucesso do Faraday em replicar pesquisas científicas tem implicações que vão muito além de uma simples demonstração técnica. Para empresas farmacêuticas brasileiras como EMS e Aché, ou instituições de pesquisa como Fiocruz e Instituto Butantan, a possibilidade de ter um ‘colega de equipe’ de IA capaz de verificar e replicar experimentos poderia acelerar significativamente o desenvolvimento de novos medicamentos e vacinas.
Mais importante ainda é a filosofia da Inherent sobre como esses agentes devem funcionar. Hughes descreve o objetivo como criar o tipo de colega de equipe que volta dizendo: ‘Fiquei curioso sobre isso, e fui fazer esses experimentos. O que você acha desses resultados?’ Essa abordagem colaborativa, em vez de simplesmente automatizar tarefas, sugere um futuro onde IA e pesquisadores humanos trabalham em verdadeira parceria.
Para o setor de tecnologia brasileiro, isso também aponta para uma oportunidade. Enquanto grandes empresas como Google, OpenAI e Anthropic competem por modelos cada vez maiores e mais gerais, há espaço para startups focadas em aplicações específicas usando modelos menores e mais eficientes. Empresas brasileiras poderiam desenvolver agentes especializados para áreas como agricultura tropical, doenças negligenciadas ou biodiversidade amazônica – campos onde o Brasil tem expertise única.
O futuro dos agentes especializados
O caso da Inherent ilustra uma tendência crescente no campo da IA: a especialização vencendo a generalização em tarefas específicas. Enquanto modelos frontier como GPT e Claude impressionam por sua versatilidade, agentes focados e treinados com técnicas específicas podem superá-los em domínios particulares usando uma fração dos recursos computacionais.
Isso tem implicações profundas para como empresas devem pensar sobre adoção de IA. Em vez de sempre buscar o modelo mais avançado e caro, pode fazer mais sentido investir em soluções especializadas que atendam necessidades específicas. Para startups brasileiras de IA, isso representa uma oportunidade de competir globalmente focando em nichos onde têm vantagem competitiva ou conhecimento especializado.
Conclusão
O sucesso da Inherent em superar gigantes da IA com um modelo relativamente pequeno marca um momento importante na evolução da inteligência artificial. Demonstra que inovação em IA não é apenas sobre escala e recursos computacionais, mas sobre abordagens inteligentes e foco em problemas específicos. Para o Brasil, que busca se posicionar no cenário global de IA, a lição é clara: há espaço para competir através da especialização e eficiência, não apenas tentando replicar os modelos massivos das big techs.
À medida que a Inherent continua desenvolvendo seu ‘cientista de IA’ e expandindo sua equipe, será fascinante observar se essa abordagem de agentes especializados e colaborativos se tornará o novo paradigma para aplicações práticas de IA em pesquisa e desenvolvimento. Para empresas e instituições brasileiras, o momento de explorar essas possibilidades é agora, antes que a próxima onda de inovação em IA torne obsoletas as abordagens atuais.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria “Inherent, founded by DeepMind alumni, says its AI ‘teammate’ just outperformed Anthropic and OpenAI at replicating research” publicada em TechCrunch, disponível em https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/.
