snow · 2026.8.23 00:06 · 조회 0

딥마인드 출신들이 만든 인히어런트, AI 에이전트 '패러데이'로 앤트로픽·오픈AI 제쳤다 주장

AI인히어런트Inherent패러데이Faraday딥마인드앤트로픽Anthropic오픈AIOpenAI강화학습

구글 딥마인드 출신 연구원들이 설립한 런던 기반 AI 스타트업 인히어런트(Inherent)가 자체 개발한 AI 에이전트 '패러데이(Faraday)'가 과학 논문 재현(replication) 작업에서 앤트로픽의 클로드 오퍼스(Claude Opus) 4.8과 오픈AI의 GPT-5.5를 능가하는 성능을 보였다고 밝혔다. 대형 프런티어 모델보다 훨씬 작은 규모의 모델로 이 같은 성과를 냈다고 주장해, AI 연구 자동화 경쟁에 새로운 변수로 떠오르고 있다.

배경

인히어런트는 2026년 5월 5000만 달러 규모의 시드 펀딩을 유치하며 출범했다. 공동 창립자 겸 수석 과학자인 에드워드 휴스(Edward Hughes)를 비롯해 루이 키르쉬(Louis Kirsch), 칼로얀 알렉시에프(Kaloyan Aleksiev), 탠텀 콜린스(Tantum Collins) 등이 공동 창립자로 참여했으며, 회사는 런던 킹스크로스(King's Cross)에 자리하고 있다. 현재 12명 규모의 팀은 연말까지 20~25명으로 확대할 계획이다.

패러데이는 알리바바의 큐원(Qwen) 3.6을 기반으로 한 270억 개 파라미터 규모의 모델이다. 이는 수천억 개 파라미터에 달하는 앤트로픽과 오픈AI의 최상위 모델들과 비교하면 훨씬 작은 규모다. 인히어런트는 강화학습을 중심으로 AI에게 '연구 감각'을 훈련시키는 데 주력하고 있으며, 오픈AI의 코딩 도구를 함께 활용하는 등 경쟁사 기술도 적극적으로 결합하는 협력적 접근을 취하고 있다.

영향

과학 논문 재현은 AI가 실제 연구 현장에서 신뢰할 수 있는 '동료 연구자' 역할을 할 수 있는지를 가늠하는 핵심 시험대로 여겨진다. 상대적으로 작은 모델이 이 영역에서 대형 프런티어 모델을 능가했다는 주장이 사실로 확인된다면, AI 연구 자동화가 반드시 초대형 모델에만 의존하지 않아도 된다는 점을 시사할 수 있다. 이는 자본력이 상대적으로 부족한 스타트업들도 특화된 강화학습 훈련을 통해 대형 랩과 경쟁할 수 있는 여지를 보여준다.

에드워드 휴스는 "우리는 항상 AI 과학자 에이전트를 구축한다는 북극성 목표를 향해 나아가고 있다"고 밝혔다. 이는 인히어런트가 범용 챗봇이 아닌, 과학 연구 자동화라는 명확한 목표에 특화된 AI 개발을 지향하고 있음을 보여준다.

향후 전망

인히어런트의 주장이 독립적인 검증을 거쳐 재현될 수 있는지가 향후 관건이 될 전망이다. 특정 벤치마크에서의 우수한 성능이 실제 다양한 과학 분야의 연구 재현 작업에서도 일관되게 유지되는지가 이 스타트업의 신뢰도를 좌우할 것으로 보인다. 회사가 연말까지 인력을 20~25명 규모로 확대하겠다고 밝힌 만큼, 향후 추가 연구 성과와 제품화 계획이 이어질 것으로 예상된다.

자주 묻는 질문

Q. 인히어런트의 AI 에이전트 '패러데이'는 무엇을 하는 시스템인가? A. 패러데이는 과학 논문의 연구 결과를 재현하는 작업을 수행하는 AI 에이전트로, 인히어런트는 이 작업에서 앤트로픽 클로드 오퍼스 4.8과 오픈AI GPT-5.5를 능가했다고 주장한다.

Q. 인히어런트는 누가 설립했나? A. 구글 딥마인드 출신 연구원인 에드워드 휴스가 수석 과학자로 참여하고 있으며, 루이 키르쉬, 칼로얀 알렉시에프, 탠텀 콜린스가 공동 창립자로 함께했다. 회사는 2026년 5월 5000만 달러 규모의 시드 펀딩을 받았다.

Q. 패러데이는 어떤 기반 모델을 사용하나? A. 패러데이는 알리바바의 큐원 3.6을 기반으로 한 270억 파라미터 규모의 모델로, 앤트로픽과 오픈AI의 대형 모델보다 훨씬 작은 규모임에도 특정 과제에서 우수한 성능을 냈다고 회사 측은 밝혔다.

출처 - https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/

댓글

아직 댓글이 없습니다.

댓글을 작성하려면 로그인이 필요합니다.