Malý model, velký výsledek? Faraday podle Inherent překonal GPT-5.5 i Claude Opus 4.8

Londýnská AI laboratoř Inherent, kterou založili bývalí výzkumníci z Google DeepMind, představila agenta Faraday. Firma tvrdí, že při konkrétním úkolu překonal Claude Opus 4.8 od Anthropic a GPT-5.5 od OpenAI: měl samostatně zopakovat výsledky publikovaných vědeckých studií, aniž by předem znal správnou odpověď. 25

Nejde však o důkaz, že je Faraday obecně schopnější než zmíněné modely. Výsledek se týká jediné, poměrně úzce vymezené evaluace zaměřené na replikaci vědeckého výzkumu.

V čem měl Faraday uspět

Úloha spočívala v tom, že agent dostal publikovanou studii a měl znovu vytvořit dostatečnou část jejího postupu, aby ověřil prezentované výsledky. Nestačilo tedy článek shrnout nebo odhadnout známou odpověď. Agent musel interpretovat metodu, navrhnout experimenty, pracovat s jejich výsledky a porovnat je s původní studií. Inherent uvádí, že v tomto prostředí Faraday dosáhl lepších výsledků než Claude Opus 4.8 a GPT-5.5. 5

Technický popis testu označuje evaluaci jako Replica – benchmark o 310 úlohách zaměřených na reprodukci vědeckých grafů. 8 To je důležitý kontext: úspěch v přesně definovaném pracovním postupu může ukázat užitečné schopnosti, ale sám o sobě neříká, jak by systém dopadl při obecném uvažování, programování, psaní nebo skutečně novém vědeckém objevu.

Proč je 27 miliard parametrů zajímavých

Faraday běží na modelu Qwen 3.6 s 27 miliardami parametrů. Inherent zdůrazňuje, že jde o výrazně menší základ než u systémů, s nimiž jej porovnávala. 15

Hlavní sdělení proto není, že samotný Qwen 3.6 nahradil nejvýkonnější univerzální modely. Faraday je celý agentní systém, jehož výsledek závisí nejen na základním modelu, ale také na dodatečném tréninku, pracovním postupu, nástrojích a rozdělení úkolů mezi plánování a provedení.

Menší model tak může být konkurenceschopný ve specializované úloze, pokud je okolní systém pro daný účel dobře navržený. Inherent sází právě na tuto myšlenku: místo trénování největšího univerzálního modelu chce vytvořit kompaktnější systém, který dokáže dobře řídit vědeckou práci a využívat specializované nástroje.

„Výzkumný cit“ místo honby za skóre

Inherent pro tuto schopnost používá pojem „research taste“, který lze volně přeložit jako výzkumný cit nebo instinkt. Má jít o praktický úsudek potřebný k rozhodnutí, které experimenty má smysl provést, jak je navrhnout, kdy jsou výsledky neprůkazné a kdy je lepší změnit směr. 4

Firma uvádí, že k rozvoji tohoto chování využila posilované učení. Agent tedy neměl dostat přesný návod na každý krok; odměňována měla být především kvalita celého výzkumného procesu a jeho výsledku. To se liší od optimalizace na krátký benchmark, u něhož je správná odpověď předem jasně definovaná.

Faraday navíc nemusí sám provádět všechny technické kroky. Může využívat kódovací agenty včetně GPT-5.5 Codex od OpenAI. Faraday v takovém uspořádání funguje spíše jako vedoucí výzkumu: určuje vědecký plán a činí klíčová rozhodnutí, zatímco specializovaný nástroj pomáhá plán převést do spustitelných experimentů. 6

Výhoda, kterou Inherent popisuje, se tedy týká celého agentního workflow, nikoli nutně samotného 27miliardového modelu použitého bez dalších vrstev a nástrojů.

Proč je replikace důležitým prvním krokem

Opakování již publikovaného výzkumu nabízí AI systému konkrétní způsob, jak si osvojit vědecký postup. Musí porozumět článku, vytvořit hypotézy o jeho metodě, zvolit vhodné experimenty, vypořádat se s neúspěšnými pokusy a vyhodnotit, zda se přiblížil původním výsledkům.

Inherent vychází z toho, že hotový článek zachycuje jen část skutečné práce. Zkoušení slepých uliček, vyřazené postupy i praktická rozhodnutí, která vedla ke konečnému výsledku, v něm často nejsou vidět. Rekonstrukce tohoto skrytého procesu tak může sloužit jako kontrolované cvičiště pro vědecké uvažování. 5

Replikace se také hodnotí snáze než zcela nový objev. Existuje vnější cíl: lze posoudit, zda agent výsledek skutečně zopakoval a zda jeho experimentální rozhodnutí dávala vědecký smysl. To z ní dělá možný mezikrok před zadáním otázek, na které zatím nikdo nezná odpověď.

Ambice sahají dál než k ověření cizích výsledků

Inherent nepředstavuje replikaci článků jako cílovou stanici. Faraday má být podle firmy jedním z prvních kroků k AI vědcům, kteří budou schopni pracovat napříč obory a časem pomáhat vytvářet skutečně nové poznatky. 13

To je ovšem podstatně větší tvrzení než vítězství v benchmarku. Úspěšná replikace ukazuje, že systém zvládá určitou část výzkumného procesu. Originální objev ale vyžaduje také rozpoznat hodnotné dosud nezodpovězené otázky, formulovat nové hypotézy, navrhnout spolehlivé testy a vytvořit výsledky, které obstojí při odborném přezkoumání.

Faradayova evaluace proto představuje nanejvýš důkaz o jednom dílčím kroku na této cestě, nikoli potvrzení, že širší cíl už byl dosažen.

Londýn, nábor a boj o zkušené výzkumníky

Inherent se po období utajení objevil s oznámeným seed kolem ve výši 50 milionů dolarů a buduje tým v Londýně. 5 Plánovaný růst z přibližně desítky lidí na 20 až 25 zaměstnanců naznačuje malý, výzkumně orientovaný přístup, nikoli snahu dorovnat personální nebo výpočetní rozpočty největších AI laboratoří.

Spoluzakladatel a hlavní vědec Edward Hughes kritizoval britská pravidla takzvaného garden leave, tedy období po odchodu ze zaměstnání, během něhož člověk často nesmí okamžitě nastoupit ke konkurenci. Podle Inherent tato omezení ztěžují rychlý nábor zkušených AI výzkumníků, včetně lidí z DeepMind, a staví startupy do nevýhody vůči lépe financovaným firmám. 6

Strategie Inherentu je proto spíše koncentrovaná než založená na měřítku: malý tým, posilované učení, vědecký úsudek a kombinace menšího základního modelu s výkonnějšími externími nástroji. Pokud se tento přístup osvědčí i mimo úvodní evaluaci, mohl by startupům nabídnout další způsob, jak soutěžit v AI výzkumu bez vývoje největšího modelu na trhu.

Závěr

Inherent tvrdí, že Faraday při samostatné replikaci publikovaných vědeckých výsledků překonal GPT-5.5 a Claude Opus 4.8, přestože využívá Qwen 3.6 s 27 miliardami parametrů. Zajímavější než samotný rozdíl ve velikosti modelů je sázka na to, že při vědecké práci může být stejně důležité dlouhodobé plánování, posilované učení a koordinace nástrojů jako hrubá výpočetní síla.

Dostupné podklady zatím podporují užší závěr: Faraday je slibný výzkumný agent v úloze, kterou Inherent testoval. Neprokazují jeho obecnou převahu nad modely Anthropic nebo OpenAI a samotná replikace ještě není důkazem autonomního vědeckého objevování.