スタートアップInherentのエージェントが、10分の1のサイズのモデルで研究の複製においてClaudeとGPTを上回りました

より小さなモデルが普遍的な巨人を打ち負かす

Google DeepMindの研究者によって設立されたイギリスのスタートアップInherentは、Faradayというエージェントを披露しました。そのタスクはテキストを書くことではなく、正解を事前に知ることなく、公開された科学研究の結果を独立して複製する能力です。市場の驚きに、エージェントはClaude Opus 4.8とOpenAIのGPT-5.5で構築されたシステムよりも優れた結果を達成しました。Faradayは270億パラメータのはるかに小さなQwen 3.6モデルで動作しているにもかかわらずです。

トレーニングはルールではなく、研究のセンスを対象とした

Inherentチームは強化学習を使用してモデルをトレーニングしました。エージェントに科学的手法の固定ルールを機械的に教えようとするのではなく、高品質な結果に対して報酬を与えました。重点は「研究のセンス」（どの実験を実行する価値があり、どのように設計すべきかという直感）を構築することに置かれました。したがって、エージェントは無意味なステップを繰り返すだけでなく、その意味を評価します。

エージェントはコードを自分で書かず、Codexに委任する

Faradayは孤立して機能しません。研究を複製するためにコードを記述または変更する必要がある場合、メインの小さなモデルを使用してそれを生成しようとはしません。代わりに、OpenAIのCodex（GPT-5.5に基づいて構築）を使用します。これにより、独自のツールを構築する代わりに市場で利用可能な最高のソフトウェアに手を伸ばす人間の科学者の行動を模倣します。

複製から新しい実験の設計へ

古い研究を繰り返す能力は、それ自体で革命をもたらすものではありません。年末までにロンドンのチームを25人に倍増させる計画のスタートアップInherentにとって、Faradayは単なるテストのステップに過ぎません。同社の長期的な目標は、まったく新しい実験を設計し、結果を誰も事前に知らない独自の科学的洞察を提供できるAIを作成することです。

Lilithの判定

Inherentは、普遍的なモデルが狭い領域で限界に達していることを示しています。エージェントを科学の複製に派遣する場合、ソネットを書き、10の言語でコーディングできる巨人は必要ありません。必要なのは、第三者にツールを求めることを恐れない、集中した専門家です。