Inherent, ex DeepMind, supera a Anthropic y OpenAI con 27B

El agente que aprendió a ser científico

Inherent, un laboratorio de inteligencia artificial con sede en King's Cross (Londres) y fundado por exalumnos de Google DeepMind, presentó a Faraday, un agente de IA que superó a modelos sustancialmente más grandes de Anthropic y OpenAI en una tarea muy concreta: replicar los hallazgos de artículos científicos sin recibir la respuesta por adelantado. La prueba de fuego fue contra Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI, ambos sistemas de frontera, y Faraday los venció usando un modelo mucho más pequeño llamado Qwen 3.6 con apenas 27.000 millones de parámetros. Para founders que evalúan dónde poner sus fichas en IA, el dato es incómodo: el tamaño del modelo dejó de ser garantía de superioridad.

Una ronda seed de US$50M en silencio

Antes de mostrar resultados, Inherent salió del modo stealth con una ronda seed de US$50 millones co-liderada por Index Ventures y Radical Ventures, según reportó The Next Web. A la operación se sumaron NVentures (el brazo de venture de Nvidia), Ex/Ante, Metaplanet, Macroscopic Ventures y Mythos Ventures. Es una de las rondas seed más grandes lanzadas por un laboratorio europeo de IA en 2026, y se cerró apenas unas semanas antes del anuncio de Faraday.

La empresa está estructurada como public benefit corporation, una figura legal que obliga a considerar impacto social junto con retorno para accionistas, algo poco habitual en un laboratorio de IA respaldado por venture. La estructura apunta a que los fundadores ven la gobernanza como ventaja competitiva y no como restricción.

El equipo detrás de Faraday

Los cuatro cofundadores vienen de la órbita DeepMind y Microsoft:

• Edward Hughes, científico jefe, ex DeepMind.
• Louis Kirsch, también ex DeepMind.
• Kaloyan Aleksiev, procedente de Reka AI y Microsoft.
• Tantum Collins, ex DeepMind y ex asesor de política de IA en la Casa Blanca de Biden.

Como asesor se sumó Matt Clifford, cofundador de Entrepreneurs First y ex zar de IA del gobierno del Reino Unido. La mezcla de credenciales técnicas (DeepMind) y experiencia en política pública (Casa Blanca, gobierno UK) es poco habitual en un seed de IA y explica por qué la ronda se cerró tan rápido.

Por qué ganó Faraday: refuerzo, no reglas

Según declaró Hughes a TechCrunch, lo interesante no fue ganarles a los modelos de frontera, sino cómo lo hicieron. Inherent entrenó a Faraday con aprendizaje por refuerzo, recompensando al sistema por buenos resultados en lugar de programarle reglas explícitas. Es el mismo enfoque que dio origen a AlphaGo y a los modelos de razonamiento modernos: dejar que el modelo descubra qué funciona.

La barra de éxito tampoco se quedó en "acertar la respuesta". Inherent pidió a Faraday que mostrara research taste: el instinto de qué experimentos vale la pena correr y cómo diseñarlos bien. En palabras de Hughes, el objetivo es "embeber a nuestros agentes con gusto científico" y construir un compañero de equipo que diga "me dio curiosidad esto, hice estos experimentos, qué opinas de estos resultados?".

Para el trabajo de código, Inherent decidió no construir su propia herramienta de programación: Faraday usa GPT-5.5 Codex de OpenAI, igual que un científico humano se apoya en software existente en lugar de programarlo desde cero. Es una decisión estratégica: dedicar recursos al razonamiento científico, no a la infraestructura.

El detalle que más le importa a un founder

Faraday corre sobre Qwen 3.6 27B, un modelo open weight mucho más pequeño que GPT-5.5 o Claude Opus 4.8. En parámetros, la diferencia es de uno a varios órdenes de magnitud. Los resultados sugieren que el fine-tuning por refuerzo y datos de alta calidad pueden superar al cómputo bruto en tareas especializadas, un patrón que ya vimos con DeepSeek y los modelos chinos de bajo costo en 2024-2025.

Esto cambia la conversación sobre qué tipo de IA puede construir una startup sin acceso a clusters de decenas de miles de GPUs. Si 27B parámetros con buen entrenamiento derrotan a un modelo de frontera en una tarea concreta, el moat ya no es "tener el modelo más grande", sino tener los datos, la metodología y la gente correctas para una tarea.

Qué significa esto para tu startup

Inherent no es solo una curiosidad londinense: es la confirmación de una tendencia que toca a cualquier founder que trabaje con IA.

Acciones concretas que podés implementar hoy:

• Reevaluá tus presunciones de tamaño de modelo. Si tu equipo asume que necesita GPT-5.5 o Claude Opus 4.8 para tareas técnicas, probá modelos open weight de 20-30B parámetros con fine-tuning específico. La diferencia de costo de inferencia es de uno a dos órdenes de magnitud.
• Diseñá métricas que premien comportamiento, no instrucciones. Si entrenás o fine-tuneás modelos propios, adoptá RLHF o refuerzo por resultados en lugar de reglas hardcodeadas. Hughes lo dejó claro: la generalización viene del objetivo, no del script.
• Construí sobre hombros ajenos. Inherent usa Codex de OpenAI para programar y Qwen como modelo base. No reinventes la rueda; tu diferenciador debe estar en el problema que resolvés y los datos que tenés, no en la pila base.

El factor Londres y el "garden leave"

Inherent opera con todos sus empleados trabajando en persona desde una oficina en King's Cross, el barrio que la presencia de DeepMind ayudó a convertir en uno de los hubs de IA más densos del mundo. Hughes defiende Londres como el mejor lugar para talento de IA, pero también sumó su voz al debate sobre el garden leave, la práctica británica de impedir que empleados que renuncian se sumen a competidores durante meses. Es una restricción que en EE. UU. no existe y que, según Hughes, da ventaja a las startups estadounidenses en contratar ex empleados de grandes laboratorios.

La empresa planea crecer de una docena de empleados a 20-25 antes de fin de año, con foco en world models (modelos del mundo). Dado el reciente cambio de rol de Demis Hassabis y la inestabilidad que eso genera en DeepMind, Inherent se posiciona como destino natural para investigadores que busquen un cambio. Para founders europeos de IA, el mensaje es directo: la próxima camada de talento de frontera está disponible y Londres la está absorbiendo.

Fuentes

• Inherent, la startup de ex DeepMind, supera a Anthropic y OpenAI en replicación de investigaciones - Cadena 3 (fuente original)
• Ex-DeepMind researchers raised $50M to build AI that figures out which scientific questions are worth asking - The Next Web
• Inherent, founded by DeepMind alumni, says its AI 'teammate' just outperformed Anthropic and OpenAI at replicating research - TechCrunch