Faraday kontra GPT-5.5 i Claude Opus 4.8: mały agent AI ma przewagę w replikowaniu badań

Londyńskie laboratorium AI Inherent, założone przez byłych badaczy Google DeepMind, twierdzi, że jego nowy agent Faraday osiągnął lepsze wyniki niż Claude Opus 4.8 firmy Anthropic i GPT-5.5 firmy OpenAI w konkretnym zadaniu: samodzielnym odtwarzaniu rezultatów opisanych w opublikowanych pracach naukowych. Agent miał działać bez dostępu do odpowiedzi z góry. 25

To interesujący wynik przede wszystkim dlatego, że Faraday opiera się na stosunkowo małym modelu Qwen 3.6 z 27 mld parametrów, a nie na systemie o rozmiarze typowym dla najpotężniejszych modeli ogólnego przeznaczenia. 15

Trzeba jednak zachować właściwe proporcje. Jest to deklaracja Inherent dotycząca wyspecjalizowanej ewaluacji replikowania badań, a nie niezależnie potwierdzony dowód, że Faraday jest ogólnie bardziej kompetentny od Claude’a czy GPT-5.5.

W czym Faraday miał pokonać większe modele?

Porównanie dotyczyło replikacji naukowej. Agent otrzymuje opublikowane badanie i musi odtworzyć wystarczającą część opisanej pracy, aby uzyskać podobne wyniki. Nie chodzi więc o zwykłe streszczenie artykułu ani odgadnięcie znanej odpowiedzi. Inherent twierdzi, że w takim ustawieniu Faraday poradził sobie lepiej niż Claude Opus 4.8 i GPT-5.5. 5

Opis techniczny testu przedstawia benchmark Replica jako zestaw 310 zadań skoncentrowanych na odtwarzaniu wykresów naukowych. 8 To ważne ograniczenie: sukces w precyzyjnie zdefiniowanym procesie badawczym może pokazywać konkretne zdolności agenta, ale nie przesądza o jego skuteczności w ogólnym rozumowaniu, programowaniu, pisaniu czy odkrywaniu naukowym.

Dlaczego 27 mld parametrów robi różnicę?

Faraday działa na modelu Qwen 3.6 z 27 mld parametrów. Inherent podkreśla, że to znacząco mniejsza baza niż systemy wykorzystane do porównania. 15

Nie oznacza to jednak, że sam Qwen 3.6 zastąpił czołowe modele ogólnego przeznaczenia. Faraday jest całym systemem agentowym, na którego wynik wpływają między innymi model bazowy, dodatkowe trenowanie, sposób organizacji pracy, korzystanie z narzędzi oraz podział zadań między planowanie a wykonanie.

W praktyce mniejszy model może być konkurencyjny w wyspecjalizowanym zadaniu, jeśli otaczający go system został dobrze zoptymalizowany pod kątem tego zadania. To właśnie na tej tezie opiera się strategia Inherent: zamiast budować największy możliwy model, firma chce połączyć kompaktową bazę z lepszym kierowaniem procesem badawczym i wyspecjalizowanymi narzędziami.

„Research taste”, czyli naukowe wyczucie

Inherent opisuje docelową umiejętność Faradaya jako „research taste” — naukowe wyczucie. Chodzi o ocenę, które eksperymenty mają sens, jak je zaprojektować, kiedy wynik jest niejednoznaczny i w którym momencie należy zmienić kierunek. 4

Firma twierdzi, że rozwijała tę zdolność za pomocą uczenia ze wzmocnieniem. Zamiast szczegółowo narzucać agentowi każdy kolejny krok, metoda ma nagradzać jakość całego procesu badawczego i jego końcowy rezultat. To inne podejście niż optymalizowanie wyłącznie wyniku w krótkim benchmarku, w którym poprawna odpowiedź jest już zdefiniowana.

Faraday nie musi też samodzielnie wykonywać każdej czynności technicznej. Może korzystać z agentów programistycznych, w tym z GPT-5.5 Codex firmy OpenAI. W takim modelu pracy Faraday pełni raczej funkcję dyrektora badań: odpowiada za plan i ocenę naukową, a wyspecjalizowane narzędzie pomaga przełożyć założenia na działające eksperymenty. 6

To dodatkowo komplikuje proste porównanie modeli. Deklarowana przewaga dotyczy całego przepływu pracy Faradaya, a niekoniecznie jego 27-miliardowego modelu bazowego działającego w izolacji.

Dlaczego replikowanie publikacji jest dobrym początkiem?

Odtwarzanie cudzych wyników daje agentowi konkretny sposób na ćwiczenie pracy naukowej. Musi zinterpretować publikację, sformułować hipotezy dotyczące zastosowanej metody, wybrać eksperymenty, poradzić sobie z nieudanymi próbami i porównać własne rezultaty z wynikami opisanymi przez autorów.

Zdaniem Inherent gotowa publikacja pokazuje tylko niewielką część rzeczywistej pracy. Próby i błędy, odrzucone podejścia oraz praktyczne decyzje prowadzące do końcowego rezultatu zwykle nie trafiają do finalnego tekstu. Rekonstrukcja tego ukrytego procesu może więc służyć jako kontrolowane środowisko do trenowania rozumowania naukowego. 5

Replikację łatwiej także ocenić niż prawdziwie oryginalne odkrycie. W tym przypadku istnieje zewnętrzny punkt odniesienia: można sprawdzić, czy agent odtworzył opublikowany rezultat i czy jego decyzje eksperymentalne były uzasadnione. To potencjalnie użyteczny etap przed powierzeniem AI pytań, na które nikt nie zna jeszcze odpowiedzi.

Cel: AI, które pomaga odkrywać nową wiedzę

Inherent nie przedstawia replikowania artykułów jako mety. Firma traktuje Faradaya jako wczesny krok w stronę „naukowców AI”, którzy mogliby pracować w różnych dziedzinach i ostatecznie pomagać w tworzeniu rzeczywiście nowej wiedzy. 13

To znacznie ambitniejsza obietnica niż zwycięstwo w jednym benchmarku. Odtworzenie opublikowanego wyniku pokazuje przydatne zachowania badawcze, ale oryginalne odkrycie wymaga także znalezienia wartościowych pytań bez odpowiedzi, generowania nowych hipotez, projektowania wiarygodnych testów i uzyskiwania rezultatów, które wytrzymają krytyczną weryfikację.

Wynik Faradaya najlepiej więc traktować jako dowód na pewien element tej drogi, a nie potwierdzenie, że autonomiczna nauka została już osiągnięta.

Londyn, rekrutacja i konkurencja o talenty

Inherent wyszło z ukrycia z deklarowaną rundą zalążkową w wysokości 50 mln dolarów i buduje zespół w Londynie. Firma miała początkowo około kilkunastu pracowników, a jej planowany wzrost do około 20–25 osób sugeruje kameralny, intensywnie badawczy model działania, a nie próbę konkurowania z największymi laboratoriami samą skalą zatrudnienia i wydatków na trenowanie modeli. 5

Współzałożyciel i główny naukowiec firmy, Edward Hughes, krytykował brytyjskie zasady tak zwanego garden leave. Chodzi o okres po odejściu z pracy, w którym pracownik — mimo formalnego zakończenia współpracy — może przez pewien czas nie mieć możliwości rozpoczęcia pracy u nowego pracodawcy. Zdaniem Inherent takie ograniczenia utrudniają szybkie przechodzenie do startupów doświadczonych badaczy AI, w tym osób rekrutowanych z DeepMind, zwłaszcza gdy firma konkuruje z lepiej finansowanymi podmiotami. 6

Strategia Inherent jest zatem skoncentrowana, a nie oparta na wyścigu o największy model: niewielki zespół, uczenie ze wzmocnieniem, rozwijanie naukowego wyczucia i łączenie mniejszego modelu bazowego z coraz lepszymi narzędziami zewnętrznymi. Jeśli podejście sprawdzi się także poza początkową ewaluacją, może dać startupom dodatkowy sposób konkurowania w badaniach nad AI bez budowania największego modelu na rynku.

Wniosek

Inherent twierdzi, że Faraday przewyższył GPT-5.5 i Claude’a Opus 4.8 w samodzielnym odtwarzaniu wyników opublikowanych badań, mimo że korzysta z modelu Qwen 3.6 z 27 mld parametrów. Najciekawsza część tej historii nie sprowadza się jednak do tego, że mniejszy model wygrał jedno porównanie.

Ważniejsza jest teza, że w pracy naukowej planowanie badań, długoterminowe uczenie ze wzmocnieniem i koordynowanie narzędzi mogą być równie istotne jak sama skala modelu.

Na obecnym etapie dowody uzasadniają węższy wniosek: Faraday zapowiada się na obiecujący system agenta badawczego w zadaniu ocenianym przez Inherent. Nie potwierdzają jeszcze jego ogólnej przewagi nad modelami Anthropic i OpenAI ani nie dowodzą, że samo replikowanie badań równa się autonomicznemu odkrywaniu naukowemu.