Klein AI-model van Brits lab Inherent verslaat Anthropic en OpenAI

Inherent kwam pas enkele weken geleden uit de stealth-modus, met een startkapitaal van 50 miljoen dollar. Toch claimt de Londense startup nu al een opvallend resultaat: haar AI-agent Faraday blijkt beter in staat om de bevindingen uit gepubliceerde wetenschappelijke papers zelfstandig na te bootsen dan de veel grotere en bekendere frontier-modellen Claude Opus 4.8 van Anthropic en GPT-5.5 van OpenAI. Faraday krijgt daarbij geen antwoord vooraf: het systeem moet zelf uitzoeken hoe een experiment is opgezet en of de uitkomst klopt.

Klein model, groot resultaat

Wat het resultaat opmerkelijk maakt, is de rekenkracht die ervoor nodig was. Faraday draait op Qwen 3.6, een model met 27 miljard parameters. Dat is een fractie van de omvang van de systemen waar het tegen werd afgezet. Het aantal parameters geeft grofweg aan hoe groot en rekenintensief een AI-model is, en vaak ook hoeveel het kost om te trainen. Volgens medeoprichter en chief scientist Edward Hughes lag de winst niet in het kloppen van de concurrentie op zich, maar in de manier waarop het team dat voor elkaar kreeg.

Om te trainen zette Inherent vooral in op reinforcement learning, een trainingsmethode waarbij een AI-systeem wordt beloond voor goede uitkomsten in plaats van dat het strikte regels krijgt voorgeschoteld. Daarmee wilde het bedrijf Faraday niet alleen accuraat maken, maar ook 'onderzoekssmaak' bijbrengen: een gevoel voor welke experimenten de moeite waard zijn en hoe je ze goed opzet. Dat is volgens Hughes lastig aan te leren met vaste regels, maar leent zich beter voor een beloningsgerichte aanpak, omdat die naar verwachting beter generaliseert naar andere wetenschapsgebieden.

Papers narekenen als oefening

Het narekenen van bestaande studies mag bescheiden klinken vergeleken met Inherents uiteindelijke doel: een AI die zelf nieuwe wetenschappelijke kennis ontdekt in plaats van alleen oude resultaten te controleren. Toch is de oefening niet willekeurig gekozen. Het naspelen van gepubliceerd onderzoek is een klassieke leerschool voor beginnende wetenschappers, benadrukt Hughes: veel promovendi beginnen hun carrière precies op deze manier.

De aanpak raakt ook aan een breder probleem in de wetenschap: veel onderzoeksresultaten blijken bij nadere controle lastig te herhalen. Een systeem dat zelfstandig kan navertellen of een resultaat klopt, zou onderzoekers in theorie kunnen helpen die reproduceerbaarheidscrisis aan te pakken.

Ambities voorbij het narekenwerk

Inherent maakt ook bewuste keuzes in wat het zelf níet bouwt. In plaats van een eigen programmeertool te ontwikkelen, laat het bedrijf Faraday gebruikmaken van GPT-5.5 Codex, de codeertool van rivaal OpenAI. Net zoals menselijke wetenschappers bestaande software gebruiken in plaats van alles zelf te bouwen, redeneert het bedrijf. Ook wil Inherent voorkomen dat zijn AI-systemen simpelweg zeggen wat gebruikers willen horen. Het ideaal is eerder een collega die zelfstandig op onderzoek uitgaat en achteraf zijn bevindingen voorlegt.

Het bedrijf, met een dozijn medewerkers gevestigd in het Londense King's Cross, wil dit jaar doorgroeien naar twintig tot vijfentwintig man. Hughes is een uitgesproken voorstander van Londen als vestigingsplaats voor AI-talent, al pleit hij persoonlijk voor het afschaffen van 'garden leave': de in het Verenigd Koninkrijk gangbare praktijk waarbij vertrekkende werknemers maanden moeten wachten voor ze aan de slag mogen bij een concurrent of een eigen bedrijf. Hughes zegt zelf tegen die regel te zijn aangelopen voordat hij Inherent oprichtte, samen met drie andere voormalige DeepMind-onderzoekers.