Faraday, un modelo de 27B parámetros de ex-investigadores de DeepMind, supera a Claude y GPT en replicación científica

Mi opinión: Un modelo de 27 mil millones de parámetros diseñado específicamente para ciencia le ganó a Claude Opus 4.8 y a GPT-5.5 en cada categoría de Replica, un benchmark nuevo que evalúa si un agente puede reproducir los experimentos de un paper sin ver las gráficas originales. Faraday, de Inherent (un startup de Londres fundado por ex-investigadores de DeepMind), fue especialmente preciso en biología estructural y ciencia de materiales. Dicho esto, Inherent diseñó tanto el modelo como el benchmark, lo que es razón suficiente para esperar validación independiente antes de tomar estos números por definitivos.

Lo que esto ilustra más allá de los datos concretos: los modelos de propósito general son poderosos, pero cuando el trabajo requiere razonar profundamente en un dominio técnico específico, un modelo entrenado para esa tarea puede ofrecer ventajas reales. El tamaño del modelo importa menos que la especificidad del entrenamiento.

Para cualquier equipo que use IA en investigación técnica o análisis especializado, la lección práctica es que el catálogo de opciones va mucho más allá de los modelos más publicitados.

¿Sabes qué modelos especializados existen en tu campo, o evalúas solo las opciones más conocidas?