Agen AI Faraday Klaim Kalahkan GPT-5.5 dan Claude Opus 4.8 dalam Replikasi Riset

Inherent, laboratorium AI di London yang didirikan mantan peneliti Google DeepMind, mengklaim agen riset barunya, Faraday, mengungguli Claude Opus 4.8 milik Anthropic dan GPT-5.5 milik OpenAI dalam satu tugas khusus: mereproduksi temuan dari paper ilmiah secara mandiri tanpa diberi jawaban terlebih dahulu. 25

Klaim ini menarik karena Faraday tidak ditopang model raksasa sekelas sistem frontier tersebut. Agen itu dibangun di atas Qwen 3.6 dengan 27 miliar parameter—ukuran yang relatif kecil dibandingkan model-model pembandingnya. 15

Namun, ada batas penting yang perlu digarisbawahi: hasil tersebut merupakan klaim Inherent atas evaluasi replikasi paper, bukan bukti independen bahwa Faraday secara umum lebih mampu daripada Claude atau GPT-5.5.

Tugas apa yang dimenangi Faraday?

Evaluasinya berfokus pada replikasi ilmiah. Agen menerima sebuah studi yang telah dipublikasikan, lalu harus menyusun kembali proses penelitian dan menjalankan eksperimen yang cukup untuk menghasilkan temuan serupa. Tugas ini berbeda dari sekadar merangkum paper atau menebak jawaban yang sudah tersedia. Inherent mengatakan Faraday tampil lebih baik daripada Claude Opus 4.8 dan GPT-5.5 dalam pengaturan tersebut. 5

Laporan teknis tentang evaluasi itu menyebut Replica sebagai benchmark dengan 310 tugas yang berfokus pada reproduksi gambar atau figur ilmiah. 8 Ruang lingkup ini penting. Keberhasilan dalam alur kerja riset yang terdefinisi secara ketat dapat menunjukkan kemampuan tertentu, tetapi belum otomatis membuktikan keunggulan dalam penalaran umum, pemrograman, penulisan, atau penemuan ilmiah.

Mengapa model 27 miliar parameter menjadi sorotan?

Faraday berjalan di atas Qwen 3.6 berukuran 27 miliar parameter. Inherent menonjolkan perbedaan skala ini ketika membandingkannya dengan sistem Anthropic dan OpenAI yang jauh lebih besar. 15

Pesan yang ingin disampaikan perusahaan bukan bahwa Qwen 3.6 sendirian telah menggantikan model AI serbaguna terkemuka. Faraday adalah sistem agen yang hasilnya dipengaruhi oleh model dasar, pelatihan lanjutan, alur kerja riset, penggunaan alat, serta pembagian tugas antara perencanaan dan pelaksanaan.

Dengan kata lain, model yang lebih kecil bisa kompetitif dalam tugas khusus jika sistem di sekelilingnya dioptimalkan untuk tujuan tersebut. Inherent bertaruh bahwa model ringkas dengan arahan ilmiah yang lebih baik dapat mengoordinasikan alat spesialis dan membuat keputusan eksperimen yang lebih berguna.

Melatih “research taste”, bukan hanya mengejar skor

Inherent menyebut kemampuan yang dibidik sebagai “research taste”—penilaian praktis untuk menentukan eksperimen mana yang layak dilakukan, bagaimana merancangnya, kapan hasilnya belum meyakinkan, dan kapan pendekatan perlu diubah. 4

Untuk mengembangkan perilaku tersebut, perusahaan mengatakan menggunakan reinforcement learning. Alih-alih menentukan setiap langkah secara kaku, pendekatan ini memberikan penghargaan berdasarkan kualitas proses dan hasil riset secara keseluruhan. Tujuannya berbeda dari sekadar mengoptimalkan benchmark dengan jawaban singkat yang sudah memiliki kunci benar.

Faraday juga tidak harus mengerjakan seluruh bagian teknis sendiri. Agen ini dapat menggunakan agen coding, termasuk GPT-5.5 Codex dari OpenAI, sebagai alat bantu. Dalam pembagian kerja tersebut, Faraday bertindak seperti direktur riset: menyusun arah ilmiah dan mengambil keputusan, sementara sistem coding spesialis membantu menerjemahkan rencana itu menjadi eksperimen yang dapat dijalankan. 6

Karena itu, keunggulan yang dilaporkan Inherent adalah keunggulan keseluruhan alur kerja agen, bukan perbandingan antara model dasar 27 miliar parameter dan model yang lebih besar dalam kondisi terisolasi.

Mengapa replikasi paper dipandang sebagai tahap awal?

Bagi seorang peneliti AI, replikasi menawarkan cara yang konkret untuk berlatih melakukan sains. Agen harus memahami paper, membentuk hipotesis tentang metode yang digunakan, memilih eksperimen, menghadapi kegagalan, lalu membandingkan hasilnya dengan temuan yang telah diterbitkan.

Inherent berangkat dari gagasan bahwa paper yang sudah selesai hanya memperlihatkan sebagian kecil dari pekerjaan penelitian. Proses coba-coba, pendekatan yang dibuang, dan keputusan praktis yang mengarah pada hasil akhir biasanya tidak tercatat secara lengkap. Membangun kembali proses tersembunyi itu dapat menjadi arena latihan yang terkontrol untuk penalaran ilmiah. 5

Replikasi juga lebih mudah dievaluasi daripada penemuan yang benar-benar orisinal. Ada target eksternal yang jelas: apakah agen berhasil menghasilkan kembali temuan tersebut, dan apakah pilihan eksperimennya dapat dipertanggungjawabkan secara ilmiah. Karena itu, replikasi bisa menjadi jembatan sebelum AI diminta menyelidiki pertanyaan yang jawabannya belum diketahui.

Target jangka panjang: AI scientist

Inherent tidak memandang replikasi paper sebagai tujuan akhir. Perusahaan membingkai Faraday sebagai langkah awal menuju AI scientist yang dapat bekerja di berbagai bidang dan pada akhirnya membantu menghasilkan pengetahuan baru. 13

Target ini jauh lebih besar daripada sekadar memenangkan benchmark. Sistem yang dapat mereproduksi hasil penelitian menunjukkan perilaku riset yang berguna, tetapi penemuan orisinal juga membutuhkan kemampuan mengidentifikasi pertanyaan penting yang belum terjawab, menghasilkan hipotesis baru, merancang pengujian yang andal, dan membuat temuan yang mampu bertahan dalam pemeriksaan ilmiah.

Untuk saat ini, evaluasi Faraday lebih tepat dipahami sebagai bukti atas satu bagian dari perjalanan tersebut—bukan bukti bahwa penemuan ilmiah otonom telah tercapai.

Mengapa London dan perekrutan talenta menjadi bagian dari strategi?

Inherent muncul dari mode stealth dengan pendanaan awal yang dilaporkan mencapai 50 juta dolar AS. Perusahaan ini membangun timnya di London, dekat dengan ekosistem talenta tempat para pendirinya sebelumnya bekerja. 5

Rencana pertumbuhan dari sekitar belasan karyawan menjadi 20–25 orang menunjukkan pendekatan yang kecil dan intensif riset, bukan perlombaan untuk menandingi jumlah pegawai atau anggaran pelatihan model milik laboratorium AI terbesar.

Salah satu pendiri sekaligus kepala ilmuwan Inherent, Edward Hughes, mengkritik aturan garden leave di Inggris. Aturan ini dapat membuat peneliti harus menunggu sebelum berpindah perusahaan atau bergabung dengan startup baru. Menurut strategi perusahaan, hambatan tersebut menjadi persoalan ketika Inherent harus merekrut peneliti AI berpengalaman—termasuk dari DeepMind—untuk bersaing dengan perusahaan yang memiliki pendanaan lebih besar. 6

Strateginya pun terfokus: mempertahankan tim yang ramping, berinvestasi pada reinforcement learning dan penilaian ilmiah, lalu memadukan model dasar yang lebih kecil dengan alat eksternal yang semakin kuat. Jika pendekatan ini dapat bekerja di luar evaluasi awal, startup mungkin memiliki cara lain untuk bersaing dalam riset AI tanpa harus melatih model terbesar di pasar.

Kesimpulan

Inherent mengklaim Faraday mengungguli GPT-5.5 dan Claude Opus 4.8 dalam mereproduksi temuan ilmiah yang telah dipublikasikan, meski dibangun di atas model Qwen 3.6 dengan 27 miliar parameter. Hal yang lebih penting bukan sekadar kemenangan model kecil atas model besar, melainkan indikasi bahwa perencanaan riset, reinforcement learning jangka panjang, dan koordinasi alat dapat sama pentingnya dengan skala model dalam pekerjaan ilmiah.

Berdasarkan bukti yang tersedia, kesimpulan paling aman masih terbatas: Faraday merupakan sistem agen riset yang menjanjikan untuk tugas yang diuji Inherent. Hasil tersebut belum membuktikan keunggulan umum atas model Anthropic atau OpenAI, dan kemampuan mereplikasi penelitian belum sama dengan kemampuan menemukan ilmu pengetahuan baru.