Introdução
Uma startup britânica de inteligência artificial fundada por ex-pesquisadores do Google DeepMind acaba de demonstrar que tamanho nem sempre é documento no mundo da IA. A Inherent, laboratório de IA baseado em Londres, anunciou que seu agente de IA chamado Faraday superou modelos muito maiores da Anthropic e OpenAI em uma tarefa específica: reproduzir de forma independente os resultados de artigos científicos publicados, sem conhecer as respostas antecipadamente. O feito impressiona não apenas pelo resultado, mas principalmente pela eficiência: enquanto os concorrentes usam modelos de fronteira com centenas de bilhões de parâmetros, o Faraday opera com um modelo relativamente pequeno de apenas 27 bilhões de parâmetros.
O desafio da replicação científica
A replicação de pesquisas científicas é um dos pilares fundamentais do método científico, mas também um dos mais desafiadores. Para humanos, reproduzir experimentos e validar resultados de outros pesquisadores é uma tarefa que exige não apenas conhecimento técnico, mas também o que os cientistas chamam de ‘gosto para pesquisa’ – uma intuição sobre quais experimentos vale a pena executar e como desenhá-los adequadamente. É exatamente esse tipo de habilidade sutil que a Inherent está tentando ensinar para suas IAs.
Edward Hughes, cofundador e cientista-chefe da empresa, explica que a replicação de papers é um exercício padrão de treinamento para cientistas humanos. ‘Muitos estudantes de doutorado começam fazendo exatamente isso’, afirma. A escolha dessa tarefa como benchmark não foi aleatória – ela serve como um degrau fundamental para o objetivo maior da empresa: construir agentes de IA capazes de fazer descobertas científicas originais, não apenas verificar resultados existentes.
David contra Golias: a vitória da eficiência
O que torna o feito do Faraday particularmente notável é a disparidade de recursos computacionais. O sistema da Inherent utiliza o modelo Qwen 3.6, com 27 bilhões de parâmetros – uma fração do tamanho dos modelos de fronteira como o Claude Opus 4.8 da Anthropic e o GPT-5.5 da OpenAI, que operam na escala de centenas de bilhões de parâmetros. Para contexto, o número de parâmetros em um modelo de IA é geralmente proporcional aos custos de treinamento e à capacidade computacional necessária.
Essa eficiência tem implicações práticas significativas para o mercado brasileiro e global. Modelos menores são mais baratos para treinar e operar, consomem menos energia e podem ser executados em infraestrutura mais modesta. Isso democratiza o acesso a tecnologias avançadas de IA, permitindo que empresas menores e instituições de pesquisa com orçamentos limitados possam desenvolver soluções competitivas.
O segredo do sucesso: reinforcement learning e ‘gosto científico’
A abordagem da Inherent difere fundamentalmente da estratégia tradicional de treinar modelos apenas com grandes volumes de dados. Em vez disso, a empresa aposta pesadamente em reinforcement learning (aprendizado por reforço), um método de treinamento que recompensa o sistema de IA por bons resultados em vez de simplesmente ensiná-lo a seguir regras predefinidas.
Essa técnica permite que o Faraday desenvolva o que Hughes chama de ‘gosto para pesquisa’ – uma capacidade intuitiva de identificar quais experimentos são promissores e como estruturá-los efetivamente. É uma qualidade difícil de quantificar mas essencial para o trabalho científico real, distinguindo um pesquisador competente de um verdadeiramente excepcional.
Interessantemente, a Inherent também adota uma filosofia de não reinventar a roda. Em vez de desenvolver suas próprias ferramentas de programação, o Faraday utiliza o GPT-5.5 Codex da OpenAI para tarefas de codificação, espelhando como cientistas humanos aproveitam ferramentas existentes em vez de construir tudo do zero.
O ecossistema de IA de Londres e o futuro da pesquisa
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 globais de IA, em grande parte devido à presença do Google DeepMind. Com apenas uma dúzia de funcionários atualmente, a startup planeja expandir para 20 a 25 pessoas até o final do ano, aproveitando a densidade de talentos em IA que Londres oferece.
Hughes também levantou uma questão importante sobre as práticas trabalhistas britânicas que podem estar prejudicando a competitividade do país no setor de IA. Ele criticou publicamente a prática do ‘garden leave’ – um período obrigatório em que funcionários que deixam uma empresa são impedidos de trabalhar para concorrentes ou iniciar startups rivais. Essa restrição, comum no Reino Unido mas rara nos Estados Unidos, pode dar às startups americanas uma vantagem significativa na contratação de talentos.
Implicações para o mercado brasileiro
O sucesso da Inherent tem várias implicações relevantes para o ecossistema brasileiro de tecnologia e pesquisa. Primeiro, demonstra que é possível competir com gigantes tecnológicos sem necessariamente ter acesso aos mesmos recursos computacionais massivos. Isso é particularmente encorajador para startups e instituições de pesquisa brasileiras que operam com orçamentos mais limitados.
Segundo, a abordagem da empresa em desenvolver ‘colegas de equipe’ de IA em vez de meras ferramentas sugere um futuro onde pesquisadores brasileiros poderão acelerar significativamente seus trabalhos. Imagine um cenário onde cada laboratório universitário no Brasil tenha acesso a um assistente de IA capaz não apenas de executar tarefas predefinidas, mas de sugerir novos experimentos e abordagens baseadas em curiosidade genuína.
Terceiro, a ênfase em modelos menores e mais eficientes alinha-se bem com as preocupações crescentes sobre sustentabilidade e consumo energético da IA. Em um país onde a matriz energética limpa é uma vantagem competitiva, desenvolver e operar modelos de IA eficientes pode se tornar um diferencial importante.
O que isso significa para o futuro da IA
O sucesso do Faraday desafia algumas suposições fundamentais sobre o desenvolvimento de IA. A corrida por modelos cada vez maiores, que tem dominado as manchetes nos últimos anos, pode não ser o único caminho para avanços significativos. A Inherent está demonstrando que inovações em métodos de treinamento e arquitetura podem compensar limitações de escala.
Além disso, o foco da empresa em criar agentes com ‘gosto científico’ aponta para uma evolução importante na IA: sistemas que não apenas processam informações, mas desenvolvem intuição e julgamento. Isso se aproxima mais do tipo de inteligência que valorizamos em colaboradores humanos – a capacidade de identificar problemas interessantes e abordá-los criativamente.
Para empresas brasileiras considerando adotar IA em suas operações de pesquisa e desenvolvimento, o modelo da Inherent oferece uma visão alternativa. Em vez de simplesmente automatizar tarefas existentes, há potencial para criar verdadeiros parceiros de pesquisa digitais que podem acelerar a inovação de formas inesperadas.
Conclusão
O anúncio da Inherent marca um momento importante na evolução da inteligência artificial aplicada à pesquisa científica. Ao demonstrar que modelos menores podem superar gigantes em tarefas complexas quando treinados com métodos inovadores, a startup britânica está redefinindo as regras do jogo. Para o mercado brasileiro, isso representa uma oportunidade: a democratização das capacidades avançadas de IA pode nivelar o campo de jogo global em pesquisa e desenvolvimento. À medida que a Inherent avança em direção ao seu objetivo de criar verdadeiros cientistas de IA, as implicações para acelerar descobertas científicas e resolver problemas complexos são profundas. O futuro da pesquisa científica pode muito bem incluir equipes híbridas onde humanos e IAs colaboram como verdadeiros parceiros intelectuais, cada um trazendo suas forças únicas para a mesa.
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/.
