倫敦 AI 實驗室 Inherent 宣稱，新推出的研究代理人 Faraday 在一項特定任務中，擊敗 Anthropic 的 Claude Opus 4.8 與 OpenAI 的 GPT-5.5：不先知道答案，仍能獨立重現已發表科學論文中的研究結果。25
這項消息之所以受到關注，並不只是因為「小模型擊敗大模型」，而是 Faraday 的底層模型 Qwen 3.6 只有 270 億參數，與用來比較的前沿級系統相比，規模小得多。15
不過，這裡的關鍵限定不能省略：上述結果是 Inherent 對特定論文重現評測所做的公布，並不等於已經獨立證明 Faraday 在整體推理、寫作、編程或科學發現能力上都優於 Claude 或 GPT-5.5。
Faraday 究竟勝出的，是哪一種任務？
這場比較聚焦於「科學研究重現」。代理人拿到一篇已發表的研究，必須理解其中的方法，重新規劃並執行足夠的實驗，最後重現論文中的發現，而不是單純摘要內容，或猜測一個已知答案。5
技術資料將這項評測稱為 Replica，包含 310 項、以重現科學圖表為主的任務。8 這種設計能檢驗代理人是否具備解讀研究、提出假設、安排實驗、處理失敗並比對結果的能力；但它仍是一個範圍明確的研究工作流程，不能直接推論到所有通用 AI 任務。
27B 為什麼值得注意？
Faraday 建立在 Qwen 3.6 的 270 億參數版本之上。Inherent 強調，這與拿來比較的 Claude Opus 4.8 和 GPT-5.5 形成明顯的模型規模差距。15
但更準確的解讀不是「Qwen 3.6 單獨取代了頂尖通用模型」，而是：在一項專門研究任務中，小型基礎模型若搭配合適的後訓練、工作流程、工具與代理架構，可能勝過規模更大的競爭系統。
Faraday 的成績來自完整的代理人系統，而非 27B 模型裸機運作的結果。它負責研究規劃與判斷，再把部分實作工作交給更適合編程的工具。這也正是 Inherent 的策略核心：不盲目追求最大的通用模型，而是嘗試用更精準的科學指揮能力，放大小型模型的效用。
強化學習要培養的，是「研究品味」
Inherent 將目標能力稱為「研究品味」（research taste）：研究者能判斷哪些實驗值得投入、如何設計實驗、何時結果仍不足以下結論，以及何時應該改變方向。4
這類能力很難靠一份有固定答案的短題目完整衡量。公司表示，它使用強化學習來訓練 Faraday，重點不是規定代理人每一步該怎麼做，而是根據最終研究流程與成果給予回饋，讓系統逐步學習更好的實驗選擇與研究策略。
Faraday 也不必親自完成所有編程工作。它可以把 OpenAI 的 GPT-5.5 Codex 等編程代理當成工具：Faraday 比較像研究主任，負責提出方向、安排方法與做出判斷；專業編程系統則協助把計畫轉化為可執行的實驗。6
因此，Faraday 所謂的「勝出」應理解為整套研究代理流程的成果，而不是單純表示其底層 27B 模型在所有面向都比對手更強。
為什麼從重現論文開始？
一篇完成的論文通常只呈現最後的方法和結果，研究過程中反覆試錯、被放棄的方向，以及許多實務判斷，往往不會完整寫進去。對 AI 代理人而言，重現研究成果等於要設法補回這段隱藏的過程。5
這使論文重現成為一種相對可控的科學訓練：代理人必須讀懂研究、提出假設、選擇實驗、面對失敗，再檢查自己的結果是否與原研究一致。由於原論文提供了外部參照，評測者也較容易判斷代理人的成果是否成功，以及實驗決策是否合理。
Inherent 因此把重現視為邁向 AI 科學家的起點，而非終點。先學會可靠地重新建立已知成果，再進一步處理答案尚未存在的問題，是從研究助理走向自主研究者的一條可能路徑。
從重現已知成果，到產生新知識
Inherent 的長期目標，是打造能跨不同科學領域工作的 AI 科學家，最終協助產生真正的新知識。13
但「重現一項已發表結果」與「發現新科學」之間仍有很大距離。後者還需要找出值得研究、但尚未解答的問題，提出新假設，設計可靠的驗證方法，並產出能經得起專家與後續研究檢驗的結果。
所以，Faraday 這次的評測較適合被視為其中一塊拼圖：它顯示研究規劃、長時間跨度的強化學習與工具協作可能具有價值，但尚未證明 AI 科學家的完整願景已經實現。
倫敦基地與人才競爭
Inherent 由前 Google DeepMind 研究人員創立，據報在結束「隱身模式」後取得 5,000 萬美元種子輪融資，並在倫敦建立團隊。5 公司目前約有十多人，計畫擴大至約 20 至 25 人，顯示它更傾向以小而密集的研究團隊推進，而非與大型 AI 實驗室比拚人數或模型訓練預算。
共同創辦人兼首席科學家 Edward Hughes 曾批評英國的 garden leave 制度。這類離職後限制可能延後研究人員轉職，或加入新創公司的時間；對 Inherent 而言，在爭取 DeepMind 等地的資深 AI 人才時，這會成為與資金更充足的公司競爭時必須面對的問題。6
這也勾勒出 Inherent 的整體押注：以精簡的倫敦團隊，集中投資強化學習與科學判斷，再結合日益強大的外部編程工具，尋找不必自行訓練最大模型也能參與 AI 科學競賽的方法。
結論：小模型的勝利，還是系統設計的勝利？
Inherent 表示，Faraday 以 Qwen 3.6 的 270 億參數模型為基礎，在獨立重現已發表科學研究成果的任務上勝過 GPT-5.5 與 Claude Opus 4.8。真正值得關注的，或許不是一個小模型在單一比較中勝出，而是研究規劃、長期訓練與工具協作，可能與參數規模同樣影響 AI 在科學工作的表現。
就目前證據而言，較穩妥的結論是：Faraday 在 Inherent 評估的論文重現任務上展現潛力。這項結果尚不足以證明它全面優於 OpenAI 或 Anthropic 的模型，也不能僅憑研究重現就宣稱它已具備自主科學發現能力。
