Inherent: 27-Milliarden-Parameter-Agent Faraday schlägt GPT-5.5 und Claude bei wissenschaftlicher Replikation

Das Londoner KI-Labor Inherent, gegründet von ehemaligen Forschern von Google DeepMind, meldet einen bemerkenswerten, aber klar begrenzten Erfolg: Der neue Forschungsagent Faraday soll bei der eigenständigen Reproduktion veröffentlichter wissenschaftlicher Ergebnisse besser abgeschnitten haben als Anthropics Claude Opus 4.8 und OpenAIs GPT-5.5. Faraday erhielt dabei die jeweilige Studie, nicht aber die fertige Antwort. 25

Der entscheidende Vorbehalt: Es handelt sich um Inherents Ergebnis in einer spezifischen Evaluation zur Replikation wissenschaftlicher Arbeiten – nicht um einen unabhängig bestätigten Beleg dafür, dass Faraday Claude oder GPT-5.5 generell überlegen ist.

Was genau getestet wurde

Bei einer wissenschaftlichen Replikation muss ein Agent eine veröffentlichte Studie verstehen und die nötigen Schritte rekonstruieren, um ihre Ergebnisse erneut zu erzeugen. Das geht deutlich über eine Zusammenfassung hinaus: Das System muss Hypothesen bilden, Experimente auswählen, Code ausführen, mit Fehlschlägen umgehen und die Resultate mit den Angaben der Originalarbeit vergleichen.

Die technische Beschreibung des Tests Replica nennt 310 Aufgaben, bei denen wissenschaftliche Abbildungen reproduziert werden sollten. 8 Ein solcher Test kann zeigen, wie gut ein System in einem klar definierten Forschungsablauf arbeitet. Er sagt jedoch nicht automatisch etwas über seine Fähigkeiten beim allgemeinen Schlussfolgern, Schreiben, Programmieren oder bei wirklich neuen wissenschaftlichen Entdeckungen aus.

Warum 27 Milliarden Parameter auffallen

Faraday basiert auf Qwen 3.6 mit 27 Milliarden Parametern. Damit ist die zugrunde liegende Modellgröße vergleichsweise klein gegenüber den deutlich größeren Frontier-Modellen, mit denen Inherent den Agenten verglichen hat. 15

Die Aussage lautet deshalb nicht, dass Qwen 3.6 als einzelnes Basismodell sämtliche Spitzenmodelle ersetzt. Faraday ist ein zusammengesetztes Agentensystem. Sein Ergebnis hängt neben dem Modell auch von Nachtraining, Planung, Werkzeugen und der Aufteilung zwischen wissenschaftlicher Leitung und praktischer Umsetzung ab.

Genau hier liegt Inherents strategische Wette: Ein kompakteres Modell kann bei einer spezialisierten Aufgabe konkurrenzfähig sein, wenn das System darum herum gezielt für diesen Arbeitsablauf optimiert wird. Statt das größte allgemeine Modell zu trainieren, will das Startup wissenschaftliches Urteilsvermögen mit leistungsfähigen Spezialwerkzeugen kombinieren.

„Research Taste“: Nicht nur die richtige Antwort liefern

Inherent bezeichnet die angestrebte Fähigkeit als „research taste“, also als eine Art Forschungsurteil. Gemeint ist die praktische Einschätzung, welche Experimente überhaupt sinnvoll sind, wie sie gestaltet werden sollten, wann ein Ergebnis nicht ausreicht und wann ein anderer Ansatz nötig ist. 4

Dafür setzte das Unternehmen nach eigenen Angaben auf Reinforcement Learning. Belohnt wird nicht bloß eine kurze, korrekte Antwort, sondern die Qualität des länger andauernden Forschungsprozesses und seines Ergebnisses. Das unterscheidet sich von Benchmarks, bei denen die richtige Lösung bereits feststeht und vor allem möglichst effizient gefunden werden soll.

Faraday muss außerdem nicht jeden technischen Arbeitsschritt selbst erledigen. Der Agent kann Coding-Systeme wie OpenAIs GPT-5.5 Codex als Werkzeuge einsetzen. Faraday übernimmt in diesem Modell eher die Rolle eines Forschungsleiters: Es entwickelt die wissenschaftliche Vorgehensweise, während ein spezialisierter Coding-Agent bei der Umsetzung und Ausführung der Experimente hilft. 6

Das macht den Vergleich nuancierter. Der gemeldete Vorsprung gehört zum vollständigen Agenten-Workflow – nicht notwendigerweise zum 27-Milliarden-Parameter-Modell in Isolation.

Weshalb die Replikation ein Trainingsfeld sein soll

Eine fertige wissenschaftliche Publikation zeigt meist nur den erfolgreichen Endpunkt. Verworfenes, Umwege, erfolglose Versuche und viele praktische Entscheidungen bleiben unsichtbar. Wer eine Studie reproduzieren will, muss einen Teil dieses verborgenen Prozesses nachbilden.

Aus Inherents Sicht ist das ein kontrolliertes Übungsfeld für wissenschaftliches Arbeiten. Der Agent lernt, eine Methode zu interpretieren, Annahmen zu überprüfen, Experimente zu planen und aus negativen Ergebnissen Konsequenzen zu ziehen. 5

Zudem lässt sich eine Replikation leichter bewerten als eine echte Neuentdeckung: Es gibt ein externes Ziel, an dem sich der Erfolg messen lässt. Gleichzeitig kann geprüft werden, ob die gewählten Experimente wissenschaftlich plausibel sind. Das macht die Aufgabe zu einem möglichen Zwischenschritt, bevor ein KI-System Fragen untersucht, deren Antworten noch niemand kennt.

Vom Reproduzieren zu neuen Entdeckungen

Inherent betrachtet die Replikation nicht als Endpunkt. Das Unternehmen beschreibt Faraday als frühen Schritt auf dem Weg zu KI-Wissenschaftlern, die in unterschiedlichen Fachgebieten arbeiten und langfristig tatsächlich neues Wissen hervorbringen sollen. 13

Das ist eine deutlich größere Zielsetzung als ein Benchmark-Sieg. Eine erfolgreiche Replikation zeigt nützliches Forschungsverhalten. Für eine originäre Entdeckung müsste ein System zusätzlich wertvolle offene Fragen erkennen, neue Hypothesen entwickeln, belastbare Tests entwerfen und Ergebnisse liefern, die einer kritischen Prüfung standhalten.

Die bisherige Evaluation ist daher am besten als Beleg für einen Teil dieser Entwicklung zu verstehen – nicht als Nachweis, dass Faraday bereits autonom wissenschaftliche Durchbrüche erzielt.

Warum London und die Personalstrategie eine Rolle spielen

Inherent ist nach einer Seed-Finanzierungsrunde von 50 Millionen US-Dollar aus dem Stealth-Modus hervorgegangen und baut sein Team in London auf. 5 Das Unternehmen soll zunächst mit ungefähr einem Dutzend Mitarbeitenden arbeiten und auf etwa 20 bis 25 Personen wachsen. Das deutet auf einen kleinen, forschungsintensiven Ansatz hin – und nicht auf den Versuch, bei Personalstärke oder Trainingsbudget direkt mit den größten KI-Laboren gleichzuziehen.

Mitgründer und Chief Scientist Edward Hughes kritisierte die britischen Regeln zum sogenannten Garden Leave. Dabei müssen Beschäftigte nach einem Arbeitgeberwechsel teilweise zunächst eine vertraglich festgelegte Zeit aussetzen, bevor sie eine neue Stelle antreten. Inherent sieht darin einen Wettbewerbsnachteil bei der Anwerbung erfahrener KI-Forscher – gerade im Wettbewerb um Talente von DeepMind und mit besser finanzierten Unternehmen. 6

Die Strategie des Startups ist damit eher auf Konzentration als auf maximale Größe ausgerichtet: ein schlankes Team, Reinforcement Learning für wissenschaftliche Entscheidungsfähigkeit und externe Werkzeuge, die sich laufend weiterentwickeln.

Fazit

Inherent zufolge hat Faraday GPT-5.5 und Claude Opus 4.8 bei der eigenständigen Reproduktion veröffentlichter wissenschaftlicher Ergebnisse übertroffen – obwohl der Agent auf einem vergleichsweise kleinen Qwen-3.6-Modell mit 27 Milliarden Parametern basiert. Die größere Aussage liegt jedoch nicht einfach darin, dass ein kleineres Modell einen Vergleich gewonnen haben soll.

Interessanter ist die These, dass Forschungsplanung, langfristiges Reinforcement Learning und die Koordination spezialisierter Werkzeuge bei wissenschaftlichen Aufgaben ebenso wichtig sein können wie die reine Modellgröße.

Nach aktuellem Stand trägt die Evidenz eine engere Schlussfolgerung: Faraday ist ein vielversprechendes Forschungssystem für die von Inherent getestete Replikationsaufgabe. Eine allgemeine Überlegenheit gegenüber den Modellen von Anthropic oder OpenAI ist damit ebenso wenig belegt wie die Fähigkeit zu autonomer wissenschaftlicher Entdeckung.