Inherent的Faraday科研智能体：用27B参数超越GPT-5.5和Opus 4.8

伦敦AI实验室Inherent发布了AI智能体Faraday，该系统在独立复现已发表科研论文结果的测试中击败了Anthropic的Claude Opus 4.8和OpenAI的GPT-5.5。

Faraday的基础模型是Qwen 3.6，仅27B参数——与万亿参数级的前沿模型相比体量差距悬殊。论文复现任务要求AI阅读已发表的科学论文，独立重现实验结果，且不能提前知道答案。这对人类科研人员是博士生的标准训练科目。

Inherent的构建方式是关键。联合创始人兼首席科学家Edward Hughes表示，击败前沿智能体不是重点，真正重要的是构建方式。Faraday通过强化学习（RL）训练，奖励模型做出严谨的科学过程和有效结果，而非让它记忆静态规则。团队将这种能力称为"研究品味"——对哪些实验值得做、如何设计好实验的直觉判断。

Faraday甚至不自建编码工具，而是调用OpenAI的GPT-5.5 Codex来执行和修改实验代码，"就像人类科学家依赖现有软件一样"。判断力在训练权重中，劳动力从前沿API租用。

Inherent由DeepMind校友Edward Hughes、Louis Kirsch、Kaloyan Aleksiev和Tantum Collins联合创立，今年5月刚以5000万美元种子轮走出隐身，目前团队仅12人，计划年底扩至20-25人。

一、技术参数

• 底层基座‌：Faraday运行在仅270亿参数的Qwen 3.6模型之上，参数量远低于GPT-5.5、Claude Opus 4.8这类前沿大模型。
• 核心任务表现‌：在事先不知道论文正确结论的前提下，Faraday可自主完成已发表科学论文的全流程复现，在 held-out 复现测试集上的表现全面超越GPT-5.5与Claude Opus 4.8。
• 训练方式‌：摒弃传统的科研规则硬编码模式，以强化学习为核心训练手段，通过结果奖励机制引导智能体自主掌握科研逻辑。
• 差异化能力‌：除基础复现准确率外，Faraday被重点训练出“研究品味”能力，可自主判断哪些实验具备研究价值、并独立完成科学严谨的实验方案设计。

二、横向对比

1. 科研复现任务上的对比

2. 延伸技术细节

• ‌专属任务空间支撑‌：Faraday依托Inherent团队自研的Replica可扩展论文复现任务空间，配套自动生成的评分标准裁判系统，输出的奖励信号低噪声，和人类对复现质量的评估结果高度一致，保障训练过程的精准性。
• ‌工具调用逻辑‌：Faraday将编码智能体作为核心工具，可自主生成、调试、运行实验代码，无需人工介入完成全流程复现操作。
• ‌部署适配性‌：作为开源可本地部署的智能体模型，Faraday支持通过Ollama、LM Studio等主流本地推理框架加载，可在消费级显卡上离线运行，完全规避云端API调用的隐私与成本问题。

三、行业意义

• 打破了“模型参数越大、科研任务性能越强”的行业默认假设，证明小模型通过针对性的智能体训练，可在垂直科研场景实现对前沿大模型的反超。
• 大幅降低了AI科研智能体的部署门槛与训练成本，为后续低成本、大规模的AI辅助科研落地提供了可行路径。
• 验证了强化学习在科研智能体训练中的有效性，为后续打造能自主产出全新科研成果的AI科学家系统打下了技术基础。
• 产业生态：Faraday的结果与NVIDIA AVO在ARC-AGI-3上的满分形成呼应——又一个"小模型+正确架构"击败大模型的案例。这为AI发展提供了一个替代路径：不一定要追求更大的模型，精心设计的智能体架构和训练方法可能更有效。
• 市场影响：27B参数模型的训练和推理成本远低于万亿参数模型，使高级AI辅助可能对学术实验室和研发部门变得可行。如果"品味+harness比人头数更scale"的判断成立，小型专业团队可能在特定垂直领域击败大厂。

四、落地规划

• Inherent的长期目标并非仅停留在论文复现层面，而是迭代出可独立完成原创性前沿科研创新的AI智能体。
• 团队采用类人类科学家的协作模式，Faraday可直接调用外部成熟编程工具，无需从零开发全栈工具链，大幅提升研发效率。