Faraday от Inherent обошёл GPT-5.5 и Claude в воспроизведении научных результатов — но только в одной задаче

Лондонская AI-лаборатория Inherent, основанная бывшими исследователями Google DeepMind, заявила, что её новый агент Faraday превзошёл Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI в узкой, но важной задаче: самостоятельном воспроизведении результатов опубликованных научных работ. При этом агент работает на сравнительно небольшой модели Qwen 3.6 с 27 млрд параметров, а не на системе фронтирного масштаба. 25

Главная оговорка — область применимости результата. Речь идёт о заявлении самой Inherent по итогам конкретной оценки воспроизведения научных работ. Это не независимое доказательство того, что Faraday в целом превосходит Claude или GPT-5.5 по рассуждению, программированию, письму или научным открытиям.

Что именно сравнивали

В тесте агенту давали опубликованное исследование, после чего он должен был самостоятельно восстановить достаточно деталей работы, чтобы повторить её выводы. Иными словами, требовалось не пересказать статью и не угадать заранее известный ответ, а интерпретировать методику, сформулировать рабочие гипотезы, поставить эксперименты и сопоставить результаты с оригиналом. Inherent утверждает, что в таком сценарии Faraday показал более высокие результаты, чем Claude Opus 4.8 и GPT-5.5. 5

Техническое описание оценки связывает её с Replica — бенчмарком из 310 заданий, посвящённых воспроизведению научных графиков и результатов. 8 Это существенно сужает смысл сравнения: успех в чётко очерченном исследовательском процессе говорит о конкретных полезных навыках, но не описывает универсальные возможности моделей.

Почему важны 27 млрд параметров

Faraday построен на Qwen 3.6 с 27 млрд параметров. Inherent подчёркивает, что это заметно меньше по масштабу, чем системы, с которыми проводилось сравнение. 15

Однако из этого не следует, что сама Qwen 3.6 стала универсально сильнее моделей OpenAI или Anthropic. Faraday — это не просто базовая модель, а целая агентная система, в которой результат зависит от дообучения, рабочего процесса, инструментов и разделения задач между планированием и исполнением.

Именно здесь появляется ключевая идея Inherent: компактная модель может быть конкурентоспособной в специализированной области, если правильно настроить окружающую её систему. Компания делает ставку не на обучение самой большой универсальной модели, а на сочетание небольшого ядра с качественным научным планированием и внешними инструментами.

«Исследовательский вкус» вместо гонки за баллами

Inherent описывает целевую способность Faraday термином «research taste» — «исследовательский вкус». Под ним понимается умение решать, какие эксперименты действительно стоит проводить, как их спроектировать, когда результат недостаточно убедителен и в какой момент нужно изменить направление работы. 4

Для развития этого навыка компания использовала обучение с подкреплением. Вместо того чтобы заранее прописывать агенту каждый шаг, разработчики оценивают качество всего исследовательского процесса и его итог. Такой подход отличается от оптимизации под короткий тест, где правильный ответ заранее определён.

Faraday также не обязан самостоятельно выполнять всю техническую работу. Он может обращаться к инструментам, включая кодирующих агентов OpenAI GPT-5.5 Codex. В такой схеме Faraday выступает скорее научным руководителем: формирует план и принимает исследовательские решения, а специализированный инструмент помогает превратить этот план в исполняемый код и эксперименты. 6

Поэтому сравнивать нужно не только базовые модели. Заявленное преимущество относится ко всему агентному процессу Faraday, а не обязательно к Qwen 3.6 в изоляции.

Почему воспроизведение работ считают подготовкой к открытиям

Воспроизведение научного результата — практическая форма обучения исследовательскому мышлению. Агенту приходится разобраться в статье, предположить, как работает описанный метод, выбрать эксперименты, столкнуться с неудачными попытками и объяснить расхождения с опубликованными данными.

Inherent исходит из того, что готовая статья показывает лишь небольшую часть проделанной работы. Пробные запуски, отвергнутые идеи и повседневные решения, которые привели к финальному результату, обычно остаются за кадром. Попытка восстановить этот скрытый процесс может стать контролируемой тренировкой научного рассуждения. 5

Кроме того, воспроизведение легче оценивать, чем настоящее открытие. Здесь существует внешний ориентир: можно проверить, удалось ли агенту получить сопоставимый результат и были ли его экспериментальные решения научно обоснованными. Это делает задачу промежуточным этапом перед исследованием вопросов, на которые пока нет известных ответов.

От воспроизведения — к новым знаниям

Inherent не называет повторение опубликованных работ конечной целью. Компания рассматривает Faraday как ранний шаг к созданию AI-учёных, способных работать в разных научных областях и со временем помогать получать действительно новые знания. 13

Но это гораздо более серьёзная планка, чем победа в одном бенчмарке. Воспроизведение показывает, что система умеет выполнять ряд полезных исследовательских действий. Для оригинального открытия дополнительно нужны способность находить ценные нерешённые вопросы, выдвигать новые гипотезы, ставить надёжные проверки и получать результаты, которые выдержат экспертную проверку.

Поэтому нынешнюю оценку Faraday правильнее воспринимать как свидетельство прогресса в одном элементе будущего AI-учёного, а не как доказательство того, что автономные научные открытия уже стали реальностью.

Почему для Inherent важны Лондон и найм специалистов

Компания вышла из режима скрытой разработки с заявленным посевным раундом на 50 млн долларов и строит команду в Лондоне. 5 По сообщениям, Inherent планирует вырасти примерно с дюжины сотрудников до 20–25 человек. Это больше похоже на компактную исследовательскую лабораторию, чем на попытку конкурировать с крупнейшими AI-компаниями числом сотрудников или бюджетами на обучение моделей.

Сооснователь и главный научный сотрудник компании Эдвард Хьюз критиковал британскую практику garden leave — обязательный период после увольнения, когда специалист ещё не может начать работу у нового работодателя. По мнению Inherent, такие ограничения усложняют быстрый переход опытных AI-исследователей, в том числе из DeepMind, в стартапы, которым приходится конкурировать с более обеспеченными компаниями. 6

В итоге стратегия Inherent выглядит скорее как ставка на концентрацию, чем на масштаб: небольшая команда, обучение с подкреплением, развитие научного «вкуса» и использование внешних инструментов для выполнения технических задач. Если этот подход окажется устойчивым за пределами первоначальной оценки, у стартапов появится ещё один способ конкурировать в AI-исследованиях — без создания самой крупной модели на рынке.

Итог

Inherent утверждает, что Faraday на базе 27-миллиардной Qwen 3.6 превзошёл GPT-5.5 и Claude Opus 4.8 в самостоятельном воспроизведении результатов опубликованных научных исследований. Но наиболее интересен здесь не сам факт победы меньшей модели над более крупными системами, а идея о том, что научное планирование, долгосрочное обучение с подкреплением и координация инструментов могут быть не менее важны, чем количество параметров.

На данный момент доказательства позволяют сделать более узкий вывод: Faraday выглядит перспективной системой для агентных исследований в рамках проверенной Inherent задачи. Они не подтверждают её общего превосходства над моделями Anthropic и OpenAI и тем более не доказывают, что воспроизведение работ уже равнозначно самостоятельному научному открытию.