Faraday от Inherent превзошёл Claude и GPT-5.5 в узком тесте научной репликации

Лондонская ИИ-лаборатория Inherent, основанная бывшими сотрудниками Google DeepMind, представила научного агента Faraday. Компания заявляет, что модель с 27 млрд параметров умеет воспроизводить результаты опубликованных научных работ, не получая ответ заранее. На собственном тесте Inherent Faraday также якобы обошёл Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI. 259

Результат выглядит заметно — если его подтвердят более масштабные и независимые проверки. Но формулировку важно читать буквально: Faraday оценивали на воспроизведении уже известных результатов, а не на самостоятельном открытии новых научных знаний.

Что именно проверяли

Для оценки Inherent создала Replica — бенчмарк из 100 работ по машинному обучению и ИИ для науки, преобразованных в 310 заданий на репликацию. В каждом задании агент должен заново построить определённый график из статьи, располагая ограниченными временем и вычислительными ресурсами и не видя оригинального графика. 34

Это сложнее, чем пересказать содержание статьи или скопировать опубликованную диаграмму. Агенту необходимо понять методику исследования, написать нужный код, выбрать последовательность экспериментов, рационально расходовать доступные ресурсы и получить результат, достаточно близкий к описанному авторами.

Inherent утверждает, что Faraday превзошёл Claude Opus 4.8 и GPT-5.5 именно на этом бенчмарке, несмотря на существенно меньший размер базовой модели. 158 Это следует воспринимать как заявление о конкретной тестовой задаче, а не как универсальный рейтинг систем в научной работе, программировании или рассуждениях.

Почему компания говорит о «научном чутье»

По мнению Inherent, хороший исследователь должен не просто добиться похожого финального результата. Он также должен понимать, какие эксперименты имеют смысл, грамотно их спроектировать, интерпретировать неоднозначные данные и менять стратегию, если первоначальный подход не сработал. Совокупность таких решений компания называет «научным чутьём» — research taste. 47

Это различие принципиально. Модель может выдать правдоподобный график, но при этом действовать ненаучно: выбирать случайные эксперименты, игнорировать неудачи или неверно понимать причинно-следственные связи. Inherent утверждает, что обучала Faraday долгосрочному исследовательскому поведению: формулировать гипотезы, проверять их, учиться на провалах и выбирать наиболее перспективные следующие шаги. 4

Для этого компания использовала длительное обучение с подкреплением. В такой схеме система получает оценку не только за конечное совпадение с результатом, но и за качество принятия решений по ходу исследования. Inherent рассматривает репликацию как тренировочную площадку: чтобы восстановить опубликованный результат, агенту приходится воспроизводить значительную часть проб и ошибок, которые научная статья обычно не описывает подробно. 49

Более широкая гипотеза компании такова: если агент научится эффективно проходить этот цикл, со временем он сможет перейти от проверки известных выводов к более открытым исследовательским задачам. Пока это именно перспектива, а не доказанный результат.

Faraday использует GPT-5.5 Codex как инструмент

Faraday не позиционируется как самостоятельная замена мощному ИИ для программирования. Во время задач по репликации он выступает в роли научного руководящего слоя, который направляет OpenAI GPT-5.5 Codex. Inherent сравнивает такую связку с работой учёного, использующего кодингового ассистента: Faraday отвечает за планирование и научные решения, а Codex выполняет значительную часть технической реализации. 39

Поэтому заявленное преимущество Faraday связано не только с размером модели. Небольшая система может быть полезна, если она правильно определяет, что должен сделать более мощный инструмент, когда нужно изменить тактику и как оценить промежуточный результат. Иными словами, речь идёт отчасти о преимуществе оркестрации — сочетании научного планирования с передовыми возможностями кодинга, — а не о доказательстве того, что 27-миллиардная модель в целом способнее более крупных систем.

Не автономный учёный, а научный напарник

Inherent хочет создавать ИИ-агентов, которые работают вместе с исследователями как напарники. Предполагается, что такие системы смогут помогать планировать, проводить, критиковать и повторять эксперименты, тогда как люди сохранят контроль над направлением работы и её оценкой. 45

Faraday лучше всего понимать как раннюю версию этой концепции: модель, которая добавляет научную интуицию и управление исследовательским процессом к универсальным инструментам программирования. Долгосрочная цель Inherent — агенты, способные участвовать в открытии новых знаний, однако нынешняя демонстрация касается только воспроизведения уже опубликованных результатов. 34

Эта граница важна. Успешная репликация — ценный тест научной надёжности, но сама по себе она не показывает, что агент умеет формулировать значимые оригинальные вопросы, предлагать действительно новые гипотезы или проверять открытия в реальном мире.

Что запуск говорит о стратегии Inherent

Inherent вышла из скрытого режима с заявленным посевным раундом на 50 млн долларов и представляет себя как специализированная лондонская лаборатория, основанная выпускниками Google DeepMind. 25 Компания сосредоточилась на тех аспектах ИИ-помощи науке, которые универсальные модели могут не осваивать автоматически: экспериментальном мышлении, долгосрочном принятии решений, оценке результатов и координации людей с программными инструментами.

Именно этим объясняется и ставка на внешний кодинговый агент. Вместо того чтобы собирать все возможности в одной модели, Inherent пытается создать специализированный слой, который делает уже существующие передовые инструменты эффективнее в научной работе. 39

Главный вывод пока осторожный, но существенный: Inherent заявляет, что сравнительно небольшая модель, обученная с подкреплением и выполняющая роль научного руководителя, смогла превзойти более крупные передовые системы на тщательно определённом тесте репликации. Сможет ли этот подход привести к надёжным и оригинальным научным результатам, ещё предстоит выяснить.