27B 小模型反勝 GPT-5.5、Claude？Inherent Faraday 稱論文重現測試勝出

倫敦 AI 實驗室 Inherent 表示，旗下新推出的研究智能體 Faraday，在一項獨立重現已發表科學論文研究結果的測試中，擊敗 Anthropic 的 Claude Opus 4.8 及 OpenAI 的 GPT-5.5。最受關注的是，Faraday 並非建基於同等規模的前沿模型，而是以只有 270 億參數的 Qwen 3.6 為核心。25

不過，呢個結果要睇清楚適用範圍：目前只是 Inherent 就特定論文重現評估所公布的結果，並非已經有獨立證據證明 Faraday 整體能力高過 Claude 或 GPT-5.5。

Faraday 究竟贏咗邊一項測試？

今次比較的不是一般聊天、寫作或問答，而是「科學重現」：智能體會收到一篇已發表的研究，之後要自行理解方法、設計實驗及重建足夠的研究流程，嘗試重現原文結果，而且事前唔會獲知答案。5

技術資料將相關評估描述為 Replica，一個包含 310 項任務、專注於重現科學圖表的基準測試。8 呢個定位十分重要，因為在一個界線清晰的科研流程中表現出色，只能反映該項工作的能力，未足以推論模型在一般推理、寫程式、寫作或原創科學發現方面同樣領先。

點解 270 億參數值得留意？

Faraday 運行於 Qwen 3.6，模型有 270 億參數。相對於用作比較的 Claude Opus 4.8 及 GPT-5.5 等大型前沿系統，呢個規模明顯細得多。15

但 Inherent 想帶出的重點，並不是 Qwen 3.6 單獨已經取代所有頂尖通用模型。Faraday 是一套智能體系統，結果取決於底層模型、後訓練方式、研究流程、工具使用，以及規劃和執行工作點樣分工。換句話講，細模型只要配合針對性系統設計，亦可以在專門任務上追過更大型模型。

呢個分別正正係 Inherent 的策略核心：公司唔係一味追求訓練最大型的通用模型，而是希望用較小的模型負責科研方向和判斷，再協調更專門的外部工具，作出更有用的實驗決策。

所謂「研究品味」係乜？

Inherent 將目標能力稱為「研究品味」（research taste），即研究人員用來判斷一個問題值唔值得追、某項實驗應唔應該做、實驗應該點設計、結果未如理想時是否需要改變方向的實際判斷力。4

公司表示，Faraday 透過強化學習培養呢種行為。訓練並非逐步規定智能體每一個動作，而是更重視最終研究過程及結果的質素。呢種取向有別於只針對短答案基準測試作最佳化，因為後者通常一早已經設定好正確答案。

Faraday 亦唔需要親自包辦所有技術執行工作。它可以將包括 OpenAI GPT-5.5 Codex 在內的編程智能體當成工具使用。在呢個分工下，Faraday 更似一位研究總監：負責科學規劃及判斷，專門的編程系統就協助將計劃變成可以運行的實驗。6

所以，Faraday 所謂的優勢屬於整套智能體工作流程，未必等同於 270 億參數的底層模型單獨就比對手強。

點解先由「重現論文」開始？

對 AI 研究員來講，重現已發表研究是一個相對具體、亦較容易評估的科學訓練場。智能體需要理解論文、推測背後方法、提出假設、選擇實驗，遇到失敗時調整做法，最後再將結果與原有研究比較。

Inherent 的前提是，論文通常只呈現最後留下來的成果，當中的反覆試驗、放棄過的方向，以及研究人員作出的實際取捨，大多數唔會完整寫入文章。重建呢段被省略的過程，就可以讓智能體在受控環境下練習科學推理。5

重現亦比真正的原創發現更容易評估，因為任務有一個外部目標：智能體是否成功重現原文結果，以及它所作的實驗決定是否合理。對 Inherent 而言，呢個可能是由「驗證已知成果」走向「探索未知問題」之前的一個中間階段。

長遠目標：由重現走向新知識

Inherent 並無將論文重現視為終點，而是把 Faraday 描述為邁向 AI 科學家的早期一步。公司長遠希望建立可以跨越不同科學領域工作的智能體，最終協助產生真正嶄新的知識。13

不過，呢個目標遠比贏一項基準測試困難。能夠重現已發表結果，代表系統展現出一定的研究行為；真正的科學發現，還要識別值得追查而且未有答案的問題、提出新假設、設計可靠測試，並產出經得起專家審視的結果。

因此，今次 Faraday 評估最多只可以視為呢條路線其中一部分的證據，唔應該被當成 AI 已經能夠自主發現科學新知的證明。

倫敦基地同招聘策略有咩關係？

Inherent 近日結束隱身模式，據報完成 5,000 萬美元種子輪融資，並在倫敦建立團隊。公司計劃由大約十多人增至約 20 至 25 人，反映的似乎是小而集中、研究密度高的路線，而唔係同大型 AI 實驗室鬥人數或模型訓練預算。5

共同創辦人兼首席科學家 Edward Hughes 曾批評英國的 garden leave（離職留任期）限制。呢類安排可能令研究人員在轉工或加入初創前，需要一段時間暫停為新僱主工作；對要同資源更充裕的公司爭奪資深 AI 人才的 Inherent 來講，會影響招聘速度。6

因此，公司的整體押注相當集中：以精簡團隊投入強化學習及科研判斷，再將細型底層模型同日益強大的外部工具組合起來。如果呢套方法可以在初步評估以外持續奏效，初創公司或許唔需要先造出市場上最大模型，都有另一條路參與 AI 科研競爭。

總結

Inherent 稱，Faraday 以 270 億參數 Qwen 3.6 為核心，在獨立重現已發表科學研究結果的任務上，表現優於 GPT-5.5 及 Claude Opus 4.8。真正值得留意的，唔單止係「細模型贏大模型」，而是研究規劃、長時間跨度的強化學習，以及工具協調，可能同模型本身的規模一樣，影響 AI 處理科研工作的能力。

但現階段較穩妥的結論仍然有限：Faraday 是一套在 Inherent 所評估的論文重現任務上具潛力的研究智能體系統。現有資料未能證明它在更廣泛範圍普遍優於 Anthropic 或 OpenAI 的模型，而重現既有研究本身亦不等於已經做到自主科學發現。