La startup londinese Inherent ha presentato Faraday, un agente AI pensato per il lavoro scientifico che, in un benchmark mirato sulla riproduzione di articoli accademici già pubblicati, ha superato modelli ben più grandi come GPT-5.5 e Claude Opus 4.8.
L’annuncio è interessante perché non riguarda solo la precisione nel ricostruire risultati già noti, ma anche l’idea di addestrare un agente capace di ragionare come un ricercatore, scegliendo quali esperimenti valga la pena eseguire e come impostarli.
Faraday punta sull’efficienza invece che sulla sola scala del modello
Inherent sostiene che Faraday sia riuscito a ottenere risultati migliori dei concorrenti più noti in un compito preciso: riprodurre in autonomia i risultati di pubblicazioni scientifiche senza conoscere in anticipo la risposta.
La parte più significativa è che il sistema non nasce attorno a un modello gigantesco proprietario. Inherent ha scelto un approccio più snello, basato su Qwen 3.6 da 27 miliardi di parametri, e ha concentrato il lavoro soprattutto sull’architettura dell’agente e sull’addestramento.
L’obiettivo di Inherent è dare all’agente un vero senso della ricerca
L’azienda non misura il successo di Faraday soltanto in termini di accuratezza finale. Il punto centrale è il cosiddetto “gusto della ricerca”, ciòè la capacità di capire quali esperimenti siano utili, quali ipotesi meritino attenzione e come strutturare un percorso di lavoro sensato. È un aspetto difficile da quantificare, ma cruciale se si vuole andare oltre la semplice esecuzione di istruzioni.
Per arrivarci, Inherent fa grande affidamento sul reinforcement learning, un metodo che non impone regole rigide passo per passo ma premia i comportamenti che portano a risultati migliori. L’idea è che questo approccio possa generalizzare meglio su obiettivi di lungo periodo e su ambiti scientifici diversi.
Inherent accelera dopo il seed e prepara una crescita rapida del team
Fondata da ex membri di Google DeepMind, Inherent ha sede a Londra e si è mostrata pubblicamente solo da poche settimane, dopo un round seed da 50 milioni di dollari, pari a circa 43 milioni di euro. Pur essendo rimasta finora meno visibile rispetto ad altre startup nate dallo stesso ecosistema, l’azienda sta iniziando a mettere sul tavolo risultati concreti e una direzione tecnica piuttosto definita.
Il team conta oggi circa 12 persone e dovrebbe salire entro fine anno a circa 20-25 dipendenti. La società lavora anche su world model e sembra voler approfittare della forte concentrazione di talenti AI nell’area di King’s Cross, a Londra.
