Um agente pequeno contra dois gigantes da IA
A Inherent, um laboratório de IA sediado em Londres e fundado por antigos investigadores da DeepMind, afirmou que o seu agente Faraday superou tanto o Claude Opus 4.8 da Anthropic como o GPT-5.5 da OpenAI a reproduzir de forma independente os resultados de artigos científicos publicados.
O Faraday assenta no Qwen 3.6, um modelo de base com pesos abertos e 27 mil milhões de parâmetros, muito mais pequeno do que os modelos de referência contra os quais foi testado. A tarefa não era uma simples pergunta e resposta: os investigadores deram ao Faraday a configuração de um artigo publicado e pediram-lhe que reproduzisse o resultado sem conhecer a resposta antecipadamente, comparando depois o seu resultado com o dos dois modelos muito maiores nos mesmos artigos. A Inherent publicou a metodologia e os resultados na sua própria página de investigação, e a comparação foi confirmada de forma independente pela TechCrunch.
O resultado surge poucas semanas depois de a Inherent ter saído do modo stealth com uma ronda seed de 50 milhões de dólares, invulgarmente grande para um laboratório de IA europeu, e uma aposta em que um agente pequeno e bem treinado pode competir com sistemas de empresas que gastam muito mais em capacidade de cálculo.
Porque venceu: instinto, não apenas tamanho
O mecanismo: segundo a Inherent, o Faraday foi treinado para desenvolver um "instinto de investigação", a capacidade de saber que experiências vale a pena realizar e como as conceber bem, através de aprendizagem por reforço que premeia bons resultados em vez de seguir um manual de passos corretos.
Essa abordagem visa uma competência mais estreita do que o raciocínio geral: saber reproduzir o resultado de um artigo específico é uma tarefa limitada, e um modelo mais pequeno treinado especificamente para isso pode plausivelmente superar um modelo de referência geral que nunca foi otimizado para essa tarefa exata. Isto acontece num contexto de custos crescentes de capacidade de cálculo de referência: a Nvidia comunicou a grandes clientes de cloud que os preços dos servidores de IA para entrega em 2027 vão subir mais de 15 por cento, impulsionados pelo custo da memória, o que encarece a escolha por defeito do maior modelo disponível para cada tarefa.
O que isto significa para compradores de IA
A conclusão: um agente especializado, uma fração do tamanho de um modelo de referência, que o supera numa tarefa bem definida, é prova de que o tamanho do modelo não é a única alavanca que as empresas europeias e britânicas deveriam usar ao orçamentar capacidade de IA.
As equipas de compras e de tecnologia que avaliam fornecedores de IA para uma tarefa específica e bem definida, da revisão de documentos à migração de código, passando pelo apoio à investigação, têm agora uma razão concreta para testar modelos mais pequenos e treinados para esse fim contra modelos gerais de referência antes de se comprometerem com a opção maior e mais cara. Os modelos de referência continuam à frente no raciocínio geral e amplo; a afirmação aqui é mais restrita e específica à tarefa, não uma afirmação de que o Faraday substitui o Claude ou o GPT-5.5 de forma geral.
A conclusão final
Um laboratório britânico superar dois laboratórios de referência norte-americanos bem financiados numa tarefa científica concreta, seis meses após a fundação, é um dado real a favor da competitividade europeia em IA, e um lembrete de que a corrida ao cálculo não é a única que conta.
Leia a seguir: Os downloads do Qwen escondem um vazio legal na UE | A Alibaba omitiu o número que fixa o seu custo
