Inherent 的 Faraday：小模型如何挑战 GPT-5.5 与 Claude

伦敦 AI 实验室 Inherent 表示，其新推出的科研智能体 Faraday 在一项特定任务中击败了 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5：在没有提前获知答案的情况下，独立复现已发表科学论文中的研究结果。25

这项结果之所以受到关注，是因为 Faraday 并非建立在超大规模前沿模型上，而是运行于拥有 270 亿参数的 Qwen 3.6。需要强调的是，这只是 Inherent 针对论文复现评测公布的结果，并不能据此得出 Faraday 在所有通用任务上都强于 Claude 或 GPT-5.5 的结论。

Faraday 究竟赢在哪里？

这里比较的不是论文摘要能力，而是“科学复现”：智能体需要阅读一项已发表研究，理解其方法，自行提出实验方案并执行，最终尽可能重现论文中的发现或图表，而不是直接预测一个已知答案。5

相关技术资料将这项评测称为 Replica，一个包含 310 项任务、重点考察科学图表复现能力的基准测试。8 这一区分很重要——在一个边界清晰的科研工作流中取得好成绩，能够说明智能体具备某些有价值的研究能力，但不能代表它在通用推理、编程、写作或原创科学发现方面同样领先。

270 亿参数为何值得关注？

Faraday 的底层模型是 Qwen 3.6，拥有 270 亿参数。相比之下，参与比较的 Claude Opus 4.8 和 GPT-5.5 都被视为规模更大的前沿系统。15

因此，Inherent 想强调的并不是“Qwen 3.6 单独取代了顶级通用模型”，而是：一个规模相对较小的基础模型，如果配合合适的后训练、任务流程、工具和分工，也可能在特定任务上击败更大的系统。

Faraday 本身是一个完整的智能体系统。它的表现取决于底层模型、强化学习训练、研究流程、工具调用，以及规划与执行之间的协作方式。换句话说，评测中的胜负属于整个工作流，而不一定属于 270 亿参数模型单独运行时的能力。

Inherent 想训练的，是“研究品味”

Inherent 将目标能力称为“研究品味”（research taste）：判断哪些实验值得开展、如何设计实验、何时结果仍然不明确，以及什么时候应当调整研究方向。4

这类能力很难像普通问答那样直接写成标准答案。Inherent 表示，公司使用强化学习，让 Faraday 根据最终的研究过程和结果获得反馈，而不是把每一步操作都预先规定好。

这与单纯追求短答案基准分数有所不同。一个模型可能知道如何给出看似正确的回答，却未必知道在资源有限、实验可能失败的情况下，下一步究竟该测试什么。

Faraday 也不需要亲自完成所有编码和实现工作。它可以调用包括 OpenAI GPT-5.5 Codex 在内的编码智能体作为工具：Faraday 更像负责科学方向的“研究负责人”，提出计划、判断取舍；专业编码系统则帮助把计划转化为可执行的实验。6

为什么从复现论文开始？

复现论文为 AI 研究员提供了一个相对具体、可评估的科学训练场。智能体需要理解论文、推测方法背后的关键因素、选择实验、处理失败结果，并将自己的发现与原论文进行比较。

Inherent 的基本判断是，最终发表的论文只呈现了研究成果的一小部分。研究过程中反复试错、被放弃的方案，以及促成最终结果的实际选择，往往不会完整写入论文。让 AI 重建这段“看不见的过程”，就能在可控环境中训练其科学推理能力。5

复现任务也比真正的原创发现更容易验证。它有一个外部目标：智能体能否重现论文结果，实验选择是否合理，研究过程是否经得起科学判断。对于希望构建 AI 科学家的人来说，这可能是从“验证已知成果”走向“探索未知问题”的中间阶段。

目标不止是复现，而是产生新知识

Inherent 并未将论文复现视为终点。公司把 Faraday 描述为迈向 AI 科学家的早期一步，希望未来让这类系统跨越不同科学领域，协助提出真正新的知识和发现。13

但这显然比赢得一次基准测试困难得多。原创科学发现还要求系统能够识别有价值的未知问题，提出新假设，设计可靠的验证方式，并产出经得起进一步审查的结果。

因此，目前的 Faraday 证据更适合被理解为这一长期目标中的一个环节，而不是 AI 已经实现自主科学发现的证明。

伦敦基地与人才竞争

Inherent 在隐身运营结束后公布了 5000 万美元种子轮融资，并在伦敦开展业务。5 公司据报道计划从目前约十几人的团队扩大到约 20 至 25 人。这种规模显示出一种小而专注的研发路线，而不是试图用人员数量或训练预算正面追赶大型 AI 实验室。

Inherent 联合创始人兼首席科学家 Edward Hughes 曾批评英国的“园艺假”（garden leave）限制。该做法可能要求员工在离职后的一段时间内暂不加入新雇主，从而拖慢研究人员转投其他公司或创业团队的速度。对于需要与资金更充足的企业争夺 DeepMind 等机构资深人才的初创公司而言，这被 Inherent 视为竞争劣势。6

这也解释了公司的整体策略：依靠精干团队，重点投入强化学习和科学判断能力，再结合不断增强的外部编码工具，而不是自行训练市场上规模最大的通用模型。如果这种方法能够在更多科研任务中得到验证，规模较小的 AI 初创公司或许可以找到一条不依赖“堆参数”来参与前沿竞争的路径。

结论：这是一个值得关注的窄胜，而非全面胜利

Inherent 称，使用 270 亿参数 Qwen 3.6 构建的 Faraday，在独立复现已发表科学研究成果的任务中超过了 GPT-5.5 和 Claude Opus 4.8。真正值得关注的，或许不只是“小模型赢了大模型”，而是研究规划、长周期强化学习和工具协同，可能与模型规模同样重要。

不过，目前证据支持的结论仍然较为有限：Faraday 是一个在 Inherent 所评估的论文复现任务上表现出潜力的科研智能体。这项结果尚未证明它在通用能力上全面优于 OpenAI 或 Anthropic 的模型，也不能仅凭论文复现就证明它已经具备自主原创科学发现能力。