A britânica Inherent, fundada por ex-integrantes da DeepMind, apresentou em 14 de agosto o Faraday, agente de inteligência artificial que, em teste criado pela própria empresa, superou sistemas da OpenAI e da Anthropic ao reproduzir resultados científicos.
A alegação está na preprint submetida ao arXiv em 13 de agosto. Pelos critérios dos autores, o Faraday venceu Claude Opus 4.8 e GPT-5.5 em 73% das tarefas de aprendizado de máquina semelhantes às usadas no treinamento e em 60% das tarefas reservadas de inteligência artificial aplicada à ciência. O resultado mede a reprodução computacional de figuras publicadas, não a capacidade de formular uma descoberta científica original.
A comparação ainda não tem validação independente. A Inherent produziu o estudo, o benchmark e o julgador baseado em rubricas. A preprint não apresenta código, pesos, dados integrais, rollouts nem um ambiente reproduzível que permita refazer externamente todo o experimento. O Faraday também não teve preço nem disponibilidade comercial informados.
Replica reúne 310 tarefas extraídas de 100 artigos
Na apresentação institucional publicada em 14 de agosto, a Inherent descreve o Replica como uma suíte inicial de 310 tarefas retiradas de 100 artigos de aprendizado de máquina e inteligência artificial aplicada à ciência, publicados entre 1990 e 2026. O treinamento empregou 242 tarefas; outras 68 compuseram o teste de ciência. Cada agente executou oito tentativas por tarefa.
Cada tarefa exige reconstruir uma figura removida de um artigo, e o protocolo admite versões reduzidas quando a reprodução completa excede os recursos disponíveis. Segundo os autores, todos os agentes receberam os mesmos materiais, limite de 60 minutos e acesso a um sétimo de uma GPU H200.
O Faraday usa como base o Qwen3.6-27B, modelo de 27 bilhões de parâmetros, mas também aciona GPT-5.5/Codex como ferramenta para escrever código e executar etapas das tarefas. O mesmo sistema aparece como concorrente e participa da avaliação: Claude Opus 4.7 gerou as rubricas, enquanto GPT-5.5/Codex julgou as execuções com base no código, no histórico e nas figuras produzida e original.
No teste ampliado, o sistema obteve cinco vitórias em oito tarefas contra Claude, segundo o julgador dos próprios autores. A vantagem média indicada foi de 8% sobre Codex e 6% sobre Claude, dentro dessa configuração específica.
Resultado não comprova superioridade científica geral
A submissão ao arXiv torna pública a descrição inicial do experimento, mas não equivale a revisão por pares nem a uma avaliação externa do benchmark. A restrição importa porque o desempenho depende da seleção das tarefas, do orçamento computacional e da métrica de julgamento. Os próprios autores registram desacordos entre o julgador automatizado e avaliadores humanos.
Em outro ensaio, o avaliador preferiu 19 de 20 respostas contrafactuais do Faraday, porém os autores não validaram esse julgador para medir inovação. O resultado, portanto, não serve como prova de que o agente produz descobertas científicas originais.
O estudo sustenta uma vantagem do Faraday no Replica sob as regras definidas pela Inherent, mas não demonstra superioridade geral sobre OpenAI e Anthropic nem reprodução integral de pesquisas. O avanço concreto está na automação de uma etapa delimitada: reconstruir figuras publicadas dentro de restrições de tempo e capacidade computacional.
Pausa pra jogargrátis, sem cadastro
Você também pode se interessar
Deixe uma Resposta