27B 小模型挑戰 GPT-5.5：Inherent Faraday 宣稱在科學研究複現勝出

倫敦 AI 實驗室 Inherent 近日推出 Faraday，宣稱這個擁有 270 億參數的 AI 科學代理，能在事前不知道答案的情況下，重現已發表科學論文中的研究結果。公司並表示，Faraday 在這項特定任務上擊敗了 Anthropic 的 Claude Opus 4.8 與 OpenAI 的 GPT-5.5。259

如果這項結果能在更大規模、由獨立團隊進行的測試中成立，確實值得關注。不過，標題中的「擊敗」應該加上清楚的限定：Faraday 目前展示的是複現既有研究成果，而不是獨立發現全新的科學知識。

Faraday 究竟接受了什麼測試？

Inherent 建立了名為 Replica 的基準，內容涵蓋 100 篇機器學習與 AI for Science 論文，並轉換為 310 項複現任務。每項任務都要求 AI 代理從論文內容出發，在有限時間與算力下，重現其中一張研究圖表；代理不能直接查看論文原本的圖表。34

這並不是單純要求模型摘要論文，或把已發表的圖表照抄一次。代理必須先理解研究方法，再撰寫並執行必要的實驗，判斷有限資源應該用在哪裡，最後產出足夠接近原始研究結果的圖表，才算完成複現。

Inherent 表示，Faraday 在 Replica 上的表現優於 Claude Opus 4.8 與 GPT-5.5，儘管它本身只使用 270 億參數的模型。158 這項比較應被理解為基準測試中的結果，而不是對三個系統在所有科學、程式設計或推理工作上的全面排名。

Inherent 所說的「研究品味」是什麼？

Inherent 的核心論點是，科學研究不只是得到一個看似正確的最終結果。研究者還需要判斷哪些實驗值得進行、如何設計實驗、怎麼解讀模糊或不完整的結果，以及在方法失敗時何時調整方向。公司把這一整套判斷能力稱為「研究品味」（research taste）。47

這個差異相當重要。AI 可能產出外觀合理的圖表，卻未必採用了可靠的研究流程。Inherent 表示，Faraday 透過長時程強化學習，訓練的是更具延續性的調查能力：提出假說、測試不同方法、從失敗中學習，並選擇下一個更有希望的步驟。4

在公司構想中，複現研究正好提供了訓練這類能力的環境。論文通常不會完整記錄研究過程中的所有試錯；要重現論文結果，AI 往往必須自行補回那些未被明寫的實務判斷。Inherent 認為，若代理能掌握這種研究流程，未來或許能從驗證既有成果，逐步走向更開放式的研究工作。49

但「或許」仍是關鍵字。複現已知結果是衡量科學可靠度的重要測試，卻不能單獨證明 AI 能提出重要的原創問題、生成真正新穎的假說，或在現實世界中驗證新發現。

Faraday 其實把 GPT-5.5 Codex 當成工具

Faraday 並不是一個完全獨立、取代強大程式設計代理的系統。它扮演的是上層的科學監督角色，負責在複現任務中指揮 OpenAI 的 GPT-5.5 Codex。Inherent 將這種架構比喻為人類科學家使用程式設計助理：Faraday 提供規劃與科學判斷，Codex 則處理大量實作工作。39

這使得焦點不再只是模型有多少參數。較小的模型也可能透過決定大型工具該做什麼、何時更換策略，以及如何評估結果，創造額外價值。因此，Faraday 所宣稱的優勢，部分來自「協調與編排」能力——也就是科學規劃和前沿程式設計能力的結合——而不是證明 270 億參數模型在所有工作上都比更大型系統更強。

Inherent 想打造的是科學隊友，而非全自動科學家

Inherent 表示，公司希望建立能與研究人員合作的 AI 代理，像團隊中的科學隊友一樣協助規劃、執行、批判與反覆調整實驗，同時由人類保留研究方向與監督權。45

從這個角度看，Faraday 比較像是這項構想的早期版本：它把科學直覺與研究管理能力，疊加在通用程式設計工具之上。公司的長期目標，是讓 AI 代理能參與新知識的發現；但目前公開的成果仍停留在研究複現，而非科學發現。34

這條界線不能被忽略。能在不知道答案的前提下重現論文結果，代表代理可能具備一定程度的研究理解與執行能力；但要成為真正的科學夥伴，還必須面對原創性、可驗證性、跨領域遷移，以及現實實驗條件等更高難度問題。

這項發布透露 Inherent 的策略

Inherent 是一家位於倫敦、由 Google DeepMind 校友創立的 AI 實驗室，從隱身模式現身時據報完成 5,000 萬美元種子輪融資。25 它沒有把重點放在打造一個包辦所有能力的單一巨型模型，而是聚焦於通用模型未必能自動掌握的部分：實驗判斷、長期決策、研究評估，以及人類與軟體工具之間的協作。34

Faraday 使用外部程式設計系統，也反映了這種取捨。Inherent 試圖訓練一個專門負責科學判斷的上層模型，讓現有的前沿工具更有效地服務研究工作，而不是自行重建每一項能力。39

目前較穩妥的結論是：Inherent 宣稱，一個相對小型、經長時程強化學習訓練的監督模型，能在定義明確的研究複現基準上勝過更大型的前沿系統。這說明模型規模之外，研究規劃與工具編排也可能是 AI 科學代理的重要能力。

至於這套方法能否進一步帶來可靠、原創的科學貢獻，則仍需要更廣泛的基準、獨立複驗，以及真正開放式研究任務來回答。