Что Такое Faraday? ИИ-Агент от Inherent, Превзошедший Claude и GPT

Гонка за научными исследованиями с применением ИИ получила новое имя в августе 2026 года. Faraday, автономный агент, созданный британским стартапом Inherent, по данным компании, превзошёл агентные решения на базе Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI в задаче воспроизведения результатов опубликованных исследований. Результат привлёк внимание, потому что Faraday показал сильные результаты в задаче, с которой немногие системы справляются самостоятельно.

Если вы следите за ИИ, имя DeepMind всплывает часто. Теперь бывшие исследователи DeepMind основали Inherent и применяют полученные знания в другом направлении. Вместо создания всё более крупных моделей они обучили относительно небольшую модель исследовательскому рассуждению. Разница заключается в подходе, а не только в размере модели.

Что такое Faraday и почему это важно

Faraday — это ИИ-агент, разработанный для воспроизведения результатов, описанных в опубликованных научных статьях. Он читает статью, понимает методологию, пишет необходимый код, запускает эксперименты и проверяет, соответствуют ли результаты оригинальным. В бенчмарке Replica агенту нужно воспроизводить конкретные результаты или фигуры из научных работ без доступа к исходным графикам и ожидаемым ответам.

Воспроизведение статей — это именно то, что делают аспиранты в качестве тренировочного упражнения. Докторант получает статью, пытается реализовать описанный метод заново и проверяет, достигает ли тех же результатов. Это фундаментальный шаг для развития того, что исследователи называют исследовательским чутьём: способности оценивать, какие эксперименты стоит проводить, а какие результаты заслуживают доверия. Faraday выполняет этот же процесс автономно.

Это важно, потому что научное воспроизведение — одно из самых медленных узких мест в академических исследованиях. Лаборатории тратят месяцы на попытки воспроизвести опубликованные методы, и многие никогда не добиваются повторения оригинальных результатов. ИИ-агент, который хорошо справляется с такой работой, может ускорить науку способами, выходящими за рамки простого написания кода.

Кто такая Inherent, лаборатория за Faraday

Inherent — лондонская ИИ-лаборатория, основанная командой с опытом работы в DeepMind, Microsoft и Reka AI. Среди сооснователей — Луис Кирш, Калоян Алексиев, Тантум Коллинз и Эдвард Хьюз, главный научный сотрудник компании. Хьюз, Коллинз и Кирш ранее работали в DeepMind, а Алексиев — в Reka AI и Microsoft. Компания вышла из скрытого режима разработки в мае 2026 года и объявила о seed-раунде в 50 миллионов долларов, который совместно возглавили Index Ventures и Radical Ventures.

Сейчас в Inherent работает около 12 человек — это небольшая команда по сравнению с лабораториями, стоящими за Claude и GPT. Команда работает из офиса в лондонском районе King's Cross и планирует вырасти до 20–25 человек к концу 2026 года. Небольшой размер отражает философию компании: решать сложные проблемы с помощью более эффективных алгоритмов, а не только за счёт увеличения числа параметров.

Заявленная миссия Inherent выходит за рамки воспроизведения статей. Команда хочет построить ИИ, способный открывать новые научные знания, формулировать новые гипотезы и запускать исследовательские пайплайны от начала до конца. Воспроизведение статей это первый шаг валидации в этом направлении.

Как Faraday превзошёл Claude и GPT в научном воспроизведении

По данным оценки Inherent, Faraday показал более высокие результаты, чем Claude Opus 4.8 и GPT-5.5, в слепых задачах воспроизведения исследований. В тестах каждая система получала опубликованные научные статьи и должна была воспроизводить методы без доступа к оригинальному коду или эталонным результатам.

Среда Replica включает 310 задач, построенных на основе 100 работ по машинному обучению и AI for Science. Из них 242 задачи используются для обучения, а 68 — для тестирования. Агентам предоставляются ограниченные время и вычислительные ресурсы для воспроизведения результатов или фигур из публикаций. В опубликованных материалах Inherent сообщается, что средний результат Faraday был выше результата Claude Opus 4.8 примерно на 6%, а GPT-5.5 — примерно на 8%. Эти показатели относятся только к бенчмарку Inherent и не являются универсальной оценкой научных возможностей моделей.

Это привлекает внимание, потому что Faraday работает на гораздо меньшей архитектуре. Claude Opus 4.8 и GPT-5.5 — крупные передовые закрытые модели, точное число параметров которых публично не раскрывается. Faraday был построен на базе Qwen 3.6 с 27 миллиардами параметров и дополнительно дообучен Inherent.

Объяснение заключается не только в размере, но и в обучении. Inherent применила алгоритмы обучения с подкреплением, сфокусированные на экспериментальном дизайне, проверке гипотез и исправлении ошибок. Модель научилась приоритизировать эксперименты с высокой информационной отдачей и оценивать, имеют ли эмпирические результаты смысл. Это специализированное обучение может давать преимущество в структурированных задачах вроде воспроизведения статей.

Внутри Архитектуры Faraday ИИ-Агента

Faraday не пытается делать всё самостоятельно. Он работает как агент, координирующий различные инструменты для воспроизведения результатов научной статьи. Для задач генерации и выполнения кода Faraday использует GPT-5.5 Codex от OpenAI как инструмент программирования. Это решение следует логике реальной лаборатории, где исследователи используют существующее программное обеспечение вместо создания всего с нуля.

Базовая архитектура — Qwen 3.6 27B, модель с открытыми весами от Alibaba. Поверх этой базы Inherent обучила то, что она называет «исследовательским чутьём», с помощью обучения с подкреплением. Это обучение помогает агенту принимать решения, которые мог бы принять хороший исследователь: какой эксперимент запустить первым, как интерпретировать неоднозначные результаты и когда попробовать другой подход. Фокус обучения — не в запоминании методов, а в развитии способности оценивать эмпирическую обоснованность результатов.

Процесс работает циклами. Faraday читает статью, извлекает методологию, планирует необходимые эксперименты, пишет инструкции для Codex по генерации кода, запускает тесты и анализирует, соответствуют ли результаты опубликованным. Если что-то не получается, он корректирует подход и пробует снова. Этот цикл «гипотеза — тест — корректировка» лежит в основе метода.

Faraday vs Другие ИИ-Агенты: Сравнение

Фундаментальная разница между Faraday и моделями вроде Claude и GPT заключается в назначении. Claude и GPT — это модели общего назначения, созданные для широкого круга задач: от написания писем до анализа данных. Faraday специально обучен для научного воспроизведения с применением обучения с подкреплением в узкой предметной области.

По размеру разрыв значителен. Передовые модели от Anthropic и OpenAI работают на масштабной вычислительной инфраструктуре, тогда как Faraday опирается на 27-миллиардную архитектуру Qwen 3.6. Эта разница может снизить затраты на выполнение базовой модели, однако общая стоимость работы системы также зависит от использования GPT-5.5 Codex и других инструментов.

С другой стороны, Faraday не является ассистентом общего назначения. Он не позиционируется как инструмент для повседневных задач, таких как подготовка писем или презентаций. Его полезность ограничена научной областью, прежде всего воспроизведением и валидацией экспериментальных результатов. Модели вроде Claude и GPT остаются лучшим выбором для общих языковых задач и задач программирования.

Преимущества и Ограничения Faraday

Главное преимущество Faraday — доказательство того, что специализированное обучение в узкой задаче может оказаться эффективнее простого увеличения масштаба модели. Модель с 27 миллиардами параметров показала сильные результаты против значительно более крупных закрытых систем, потому что была обучена с фокусом на научные исследования. Это открывает возможность для небольших лабораторий конкурировать в специфических нишах без миллиардных бюджетов.

Ещё один позитивный момент — модульный подход. Inherent не разрабатывает для Faraday собственный инструмент программирования. Вместо этого агент использует GPT-5.5 Codex, что снижает сложность и позволяет команде сосредоточиться на научном рассуждении. Это разделение труда отражает работу реальных лабораторий.

Ограничения также очевидны. Faraday — ранняя исследовательская система, публично представленная в августе 2026 года, и нуждается в дополнительной независимой проверке за пределами собственных бенчмарков Inherent. Воспроизведение статей — важная задача, но это только начало пути к ИИ, открывающему новые знания.

Оценивание в работе Inherent частично автоматизировано: компания сопоставляла оценки системы с предпочтениями экспертов, однако это не заменяет независимую внешнюю валидацию. Нет гарантии, что то же обучение будет одинаково хорошо работать при формулировании оригинальных гипотез. Зависимость от GPT-5.5 Codex для кода означает, что итоговое качество частично зависит от сторонней системы.

Запуск кода, сгенерированного агентом, требует изолированной среды выполнения, ограниченных прав доступа, контроля сетевых соединений и проверки зависимостей. Это относится к любым агентным системам, которые получают доступ к файловой системе, вычислительным ресурсам или внутренним данным лаборатории.

Заключение: Что Связь с DeepMind Значит для ИИ в Науке

Главный вывод: Имя DeepMind появляется здесь, потому что основатели Inherent пришли оттуда, и этот фон объясняет часть их подхода. DeepMind всегда комбинировала reinforcement learning с долгосрочными целями, от AlphaGo до AlphaFold. Faraday следует той же философии. Inherent планирует расширить команду до 25 человек к концу 2026, что предполагает новые результаты. Если Faraday сможет перейти от воспроизведения к открытию новых знаний, мы увидим реальный сдвиг в том, как происходит научное исследование. Worth следить за развитием и развитием и тестировать инструменты по мере их публичного появления.