[Tech News] Inherent, founded by DeepMind alumni, says its AI ‘teammate’ just outperformed Anthropic and OpenAI at replicating research

Il settore dell’intelligenza artificiale sta entrando in una nuova fase dove la pura dimensione dei modelli non è più l’unico fattore determinante. Nel cuore del quartiere tecnologico di Londra, una startup fondata da ex ricercatori di Google DeepMind sta dimostrando che l’efficienza architetturale e una metodologia di addestramento mirata possono competere direttamente con i giganti della Silicon Valley. **Inherent**, laboratorio emergente uscito recentemente dallo stealth mode con un round di finanziamento seed da 50 milioni di dollari, ha svelato il suo primo agente IA, battezzato **Faraday**. I risultati dichiarati sono clamorosi: l’agente ha superato i modelli di punta di OpenAI e Anthropic in una capacità fondamentale per il progresso umano: la replicazione autonoma della ricerca scientifica.

Piccolo, agile e spietato: come Faraday supera i colossi dell’IA

Nel panorama scientifico, essere in grado di riprodurre autonomamente i risultati di uno studio pubblicato — senza conoscerne in anticipo le conclusioni — rappresenta il test del fuoco per qualsiasi ricercatore. È l’esercizio con cui la maggior parte degli studenti di dottorato inizia il proprio percorso accademico. Inherent ha dimostrato che Faraday è in grado di portare a termine questo compito con un tasso di successo superiore a quello dei sistemi “frontier” concorrenti.

Ciò che rende la notizia davvero dirompente non è solo il traguardo raggiunto, ma l’efficienza con cui è stato ottenuto. Mentre colossi del calibro di Anthropic con Claude Opus 4.8 e OpenAI con GPT-5.5 impiegano architetture colossali dal costo computazionale esorbitante, Faraday si basa su un modello nettamente più contenuto: una versione ottimizzata di Qwen 3.6 da soli 27 miliardi di parametri. Per gli investitori e gli addetti ai lavori, questo rappresenta una prova tangibile che l’intelligenza di un agente non dipende unicamente dalla quantità di dati ingeriti, ma da come viene strutturato il suo processo di apprendimento.

Oltre la precisione: insegnare all’IA il “gusto scientifico”

L’obiettivo finale di Inherent non è la semplice verifica di studi già esistenti, bensì la scoperta di nuova conoscenza scientifica. Per fare questo, il team guidato dal co-fondatore e Chief Scientist Edward Hughes ha dovuto dotare Faraday di quello che in gergo chiamano “gusto scientifico”: l’intuito necessario per capire quali esperimenti valga la pena condurre e come disegnarli al meglio.

Invece di addestrare l’agente imponendo regole rigide su come si fa scienza, Inherent ha puntato fortemente sull’apprendimento per rinforzo (Reinforcement Learning). Questo approccio premia l’IA quando ottiene risultati validi, permettendole di sviluppare una capacità di generalizzazione adatta a spaziare tra diverse discipline scientifiche.

Anche la strategia di sviluppo riflette un grande pragmatismo: la startup ha preferito non reinventare la ruota. Invece di creare un proprio strumento di codifica da zero, ha integrato in Faraday l’uso di GPT-5.5 Codex di OpenAI per la gestione del codice, rispecchiando esattamente il modo in cui i ricercatori umani si affidano a software già esistenti per concentrarsi sulla ricerca pura.

L’IA come “collega di laboratorio” e il nodo del talento a Londra

La visione di Inherent si distanzia dal classico modello dell’assistente digitale servile. Hughes spiega che Faraday è stato progettato per comportarsi come il miglior collega di lavoro possibile: un collaboratore proattivo che, mosso da curiosità, conduce esperimenti in autonomia e torna dal team dicendo: “Ho approfondito questo aspetto e ho ottenuto questi risultati, cosa ne pensate?”.

Questa forte cultura della collaborazione si riflette anche nella struttura aziendale. I dodici dipendenti di Inherent lavorano tutti in presenza nella sede di King’s Cross a Londra, un’area trasformata proprio dalla presenza storica di DeepMind in uno dei poli d’eccellenza mondiali per l’IA. I fondatori — Edward Hughes, Louis Kirsch, Kaloyan Aleksiev e Tantum Collins — intendono espandere il team fino a 25 persone entro la fine dell’anno.

Tuttavia, l’espansione nel Regno Unito porta con sé sfide normative non indifferenti. Hughes ha sollevato pubblicamente il problema del “garden leave”, la prassi contrattuale britannica che impedisce ai dipendenti dimissionari di lavorare per un concorrente per diversi mesi. Una restrizione che rischia di svantaggiare le startup europee rispetto a quelle americane nella corsa all’accaparramento dei migliori talenti, specialmente in un momento in cui le ristrutturazioni interne a DeepMind potrebbero spingere molti ricercatori a cercare nuove opportunità.

Analisi finale: la vittoria dell’agilità sulla forza bruta

La storia di Inherent e del suo agente Faraday segna un punto di svolta fondamentale per la nuova fase dell’intelligenza artificiale. L’era in cui bastava aumentare la scala dei parametri per ottenere risultati superiori sta mostrando i suoi limiti economici e computazionali. Inherent ha dimostrato che una startup snella, focalizzata su architetture specializzate e metodologie di rinforzo avanzate, può superare modelli ben più blasonati spendendo una frazione delle risorse.

Se Faraday manterrà le sue promesse nel passaggio dalla replicazione alla generazione di nuova conoscenza, potremmo essere di fronte al primo vero “ricercatore sintetico”. Un modello che non si limita a sintetizzare il sapere umano, ma collabora attivamente con noi per spingere più in là i confini della scienza.