Inherent, een AI‑lab uit Londen opgericht door oud‑medewerkers van Google DeepMind, publiceert nieuwe resultaten rond hun agent Faraday. Het bedrijf zegt dat Faraday wetenschappelijke resultaten uit publicaties zelfstandig kon reproduceren — en dat het daarmee betere prestaties liet zien dan enkele van de bekendere, veel grotere AI‑systemen.

Wat heeft Inherent gepresteerd?

Inherent bracht Faraday naar buiten kort na een investeringsronde van 50 miljoen dollar. Faraday moest zonder vooraf het antwoord te weten experimenteel de uitkomsten van gepubliceerde wetenschappelijke artikelen navolgen en verifiëren.

Volgens het bedrijf deed Faraday dat beter dan twee grotere systemen: Anthropic’s Claude Opus 4.8 en OpenAI’s GPT‑5.5. Dat is opvallend, omdat Faraday draait op een relatief kleine basis‑model, Qwen 3.6, met ongeveer 27 miljard parameters. Parameters zijn ruwweg een maat voor de grootte van een model en hangen samen met hoe duur zo’n model is om te trainen.

Inherent wilde niet alleen nauwkeurigheid aantonen. Het stelde ook hogere eisen: de agent moest aantonen dat hij een goede intuïtie heeft voor welk experiment zinvol is en hoe je dat netjes opzet. Het bedrijf noemt dat onderzoekssmaak.

Waarom is dit bijzonder?

De opvallende punten zijn kort en krachtig:

• Faraday gebruikte een veel kleiner model, maar presteerde beter op deze specifieke taak.

• De taak zelf — het onafhankelijk repliceren van papers — is een standaardoefening voor beginnende wetenschappers. Het is dus een zinvolle graadmeter voor onderzoekscapaciteit.

• Inherent richt zich op agents die kritisch en nieuwsgierig zijn, en niet alleen op agents die antwoorden geven die gebruikers willen horen.

Het resultaat is niet alleen een prestatie in een wedstrijdje; het laat zien dat je met slimme training en ontwerp mogelijk efficiënte onderzoeksassistenten kunt bouwen, zonder altijd de grootste en duurste modellen nodig te hebben.

Hoe heeft Inherent dat gedaan?

De technische aanpak draait om training met beloningen, ook wel versterkend leren genoemd: het systeem leert door resultaten die leiden tot succes te belonen in plaats van via vaste regels. Dit helpt om gedrag te ontwikkelen dat moeilijk in regels te vangen is, zoals het kiezen van zinvolle experimenten.

In plaats van alles zelf te bouwen, liet Inherent Faraday onderdelen gebruiken van bestaande systemen. Voor het programmeren gebruikte Faraday bijvoorbeeld OpenAI’s GPT‑5.5 Codex. Volgens Inherent werkt dat vergelijkbaar met hoe menselijke onderzoekers ook bestaande software gebruiken in plaats van alles opnieuw te schrijven.

Die aanpak weerspiegelt ook een filosofie van samenwerking: een goede teamgenoot komt met eigen voorstellen, voert experimenten uit en komt terug met resultaten en vragen. Inherent wil dat hun agents zo’n collaboratieve houding hebben.

Het team en de plek

Inherent telt ongeveer twaalf medewerkers en werkt vanuit een kantoor in King's Cross, Londen. De oprichters zijn oud‑DeepMind‑medewerkers, waaronder Edward Hughes. Het bedrijf noemt Londen bewust als locatie vanwege de concentratie van AI‑talent.

De oprichters willen groeien naar zo’n 20–25 medewerkers dit jaar. Daarnaast heeft Hughes publiekelijk kritiek geuit op de Britse praktijk van ‘garden leave’ — het tijdelijk verbod voor vertrekkende werknemers om direct bij een concurrent te gaan werken — omdat die het aannemen van talent kan belemmeren.

Conclusie

Inherent laat zien dat een relatief klein model, slim getraind, concrete onderzoeksvaardigheden kan ontwikkelen. Het resultaat is vooral interessant omdat het uitgaat van een praktische vraag: kan een agent experimenten bedenken en uitvoeren zoals een beginnende onderzoeker dat doet? Volgens Inherent is het antwoord ja, en dat zet nieuwe vragen open over hoe veelbelovende, betaalbare AI‑assistenten voor wetenschap eruit kunnen zien.