Inherent: mały model Faraday pobił Claude i GPT-5.5 w badaniach

Inherent, londyński startup założony przez absolwentów Google DeepMind, twierdzi, że jego agent AI Faraday pokonał znacznie większe i lepiej znane modele w zadaniu polegającym na samodzielnym odtwarzaniu wyników opublikowanych badań naukowych – bez podania rozwiązania z góry. Co ciekawe, Faraday osiągnął to działając na modelu o zaledwie 27 miliardach parametrów, wielokrotnie mniejszym niż konkurencyjne systemy klasy frontier.

Inherent do niedawna funkcjonował w cieniu innych startupów zakładanych przez byłych pracowników DeepMind. Zmieniło się to po ujawnieniu firmy i zebraniu 50 milionów dolarów w rundzie seed, a teraz spółka zaczyna pokazywać efekty swojej pracy – mimo że rywale z większym budżetem wciąż nie zaprezentowali światu żadnych konkretów.

Kluczowe wnioski

• Agent Faraday od Inherent pokonał Claude Opus 4.8 od Anthropic i GPT-5.5 od OpenAI w zadaniu niezależnej replikacji wyników opublikowanych badań naukowych.
• Faraday działa na modelu Qwen 3.6 z jedynie 27 miliardami parametrów – znacznie mniejszym od modeli frontier, z którymi konkurował.
• Inherent, oprócz samej dokładności, mierzył u agenta „naukowy instynkt” – umiejętność oceny, jakie eksperymenty warto przeprowadzać i jak je zaprojektować.
• Startup zbudowany jest przez czterech współzałożycieli, wśród nich Edward Hughes, i zebrał 50 mln dolarów w rundzie seed.
• Firma liczy obecnie 12 pracowników, a do końca roku planuje powiększyć zespół do „około 20–25” osób.

Nie chodziło o wygraną, a o metodę

Zdaniem współzałożyciela i głównego naukowca Inherent, Edwarda Hughesa, pobicie innych systemów AI w zadaniu replikacji badań nie było głównym celem projektu. „Najbardziej interesujące dla nas nie było tyle samo pobicie tych agentów frontier – co oczywiście nas ucieszyło – ale sposób, w jaki do tego doszliśmy” – powiedział Hughes w rozmowie z TechCrunch.

Replikacja wyników opublikowanych badań może brzmieć jak drobna sztuczka wobec znacznie ambitniejszego celu Inherent – budowy AI zdolnej do odkrywania nowej wiedzy naukowej, a nie tylko weryfikowania starych wyników. Jednak, jak zauważa Hughes, replikacja artykułów jest standardowym ćwiczeniem treningowym również dla ludzkich naukowców. „Wielu doktorantów zaczyna właśnie od tego” – podkreślił.

Poprzeczka sukcesu dla Faradaya była wyższa niż sama dokładność wyników. Poza odtworzeniem rezultatów, agent miał demonstrować tzw. „research taste” – instynkt pozwalający ocenić, jakie eksperymenty są warte przeprowadzenia i jak je dobrze zaprojektować. Nauczenie tak nieuchwytnej cechy jak intuicja badawcza jest trudne, dlatego Inherent sięgnął po uczenie ze wzmocnieniem – metodę treningową, która nagradza system AI za dobre rezultaty, zamiast narzucać mu ścisłe reguły postępowania.

Zamiast trenować swoje agenty głównie na materiałach opisujących sposób prowadzenia badań naukowych, Inherent stawia właśnie na to podejście oparte na nagrodach, licząc, że lepiej uogólni się ono na długofalowy cel – agentów zdolnych do wkładu w wiele dziedzin naukowych. „Zawsze kierujemy się gwiazdą północną, jaką jest budowanie agenta-naukowca AI i wpajanie naszym agentom smaku [naukowego]” – powiedział Hughes.

Filozofia budowy: agent jako współpracownik, nie wyrocznia

To podejście wpływa też na to, czego Inherent nie zamierza budować. Zamiast tworzyć własne narzędzie do programowania, firma wykorzystała w Faradayu GPT-5.5 Codex od OpenAI – podobnie jak ludzcy naukowcy korzystają z istniejącego oprogramowania, zamiast budować wszystko od zera.

Inherent stara się też unikać tworzenia agentów, które po prostu mówią użytkownikom to, co chcą usłyszeć. Hughes opisał cel jako wzorowany na jego ulubionym typie współpracownika – takim, który wraca i mówi: „Zaciekawiło mnie to, więc poszedłem i przeprowadziłem te eksperymenty. Co myślisz o tych wynikach?”.

Ta kolaboracyjna filozofia przenika też sposób działania samej firmy. Wszystkich dwunastu pracowników Inherent pracuje osobiście z biura w King’s Cross – dawniej zapuszczonej dzielnicy Londynu, którą obecność Google DeepMind pomogła przekształcić w jeden z najważniejszych hubów AI na świecie. „Wierzymy, że Londyn jest tym miejscem, w którym trzeba być” – podkreślił Hughes.

Spór o „garden leave” i ambicje rekrutacyjne

Hughes jest entuzjastycznie nastawiony do gęstości talentów AI w Londynie, ale jednocześnie dołączył do głosów wezwań do zniesienia tzw. „garden leave” – powszechnej w Wielkiej Brytanii praktyki, która zakazuje odchodzącym pracownikom przystąpienia do konkurencyjnej firmy lub założenia własnej na kilka miesięcy po rezygnacji. To ograniczenie, z którym generalnie nie muszą się liczyć amerykańscy badacze, daje amerykańskim startupom przewagę w rekrutacji talentów odchodzących z poprzednich stanowisk. „To osobisty pogląd, nie stanowisko firmy, ale sam byłem dotknięty problemem garden leave” – powiedział Hughes.

Ostatecznie Hughes obszedł to ograniczenie i wraz z dwoma innymi absolwentami DeepMind oraz czwartym współzałożycielem stworzył Inherent. Startup nie zamierza zwalniać tempa – zespół, obecnie liczący dwanaście osób, ma powiększyć się do „około 20–25” pracowników do końca roku. Biorąc pod uwagę ambicje Inherent również w obszarze modeli świata oraz niepokój, jaki wśród części pracowników DeepMind wywołała nowa rola Demisa Hassabisa, ekspansja rekrutacyjna Inherent może uczynić z niego atrakcyjne miejsce dla pracowników DeepMind rozważających zmianę pracy.

Inherent pokazuje, że w wyścigu o budowę „naukowca AI” liczy się nie tylko rozmiar modelu, lecz sposób jego trenowania i wpajana mu intuicja badawcza – a mały, brytyjski zespół z King’s Cross właśnie udowodnił, że może w tym konkurować z gigantami branży.