Ein kleiner Agent gegen zwei KI-Riesen
Inherent, ein Londoner KI-Labor, gegründet von ehemaligen DeepMind-Forschern, erklärte, sein Agent Faraday habe sowohl Anthropics Claude Opus 4.8 als auch OpenAIs GPT-5.5 bei der eigenständigen Reproduktion veröffentlichter wissenschaftlicher Ergebnisse übertroffen.
Faraday basiert auf Qwen 3.6, einem offenen Basismodell mit 27 Milliarden Parametern, deutlich kleiner als die Frontier-Systeme, gegen die es antrat. Die Aufgabe war keine einfache Fragebeantwortung: Die Forscher gaben Faraday den Aufbau eines veröffentlichten Papers vor und baten es, das Ergebnis zu reproduzieren, ohne die Antwort vorher zu kennen, und verglichen die Ausgabe dann mit den beiden deutlich größeren Modellen anhand derselben Paper. Inherent veröffentlichte Methodik und Ergebnisse auf der eigenen Forschungsseite, und der Vergleich wurde unabhängig von TechCrunch berichtet.
Das Ergebnis kommt nur wenige Wochen, nachdem Inherent mit einer Seed-Runde über 50 Millionen Dollar aus der Stealth-Phase trat, ungewöhnlich groß für ein europäisches KI-Labor und eine Wette darauf, dass ein kleiner, gezielt trainierter Agent mit Systemen von Unternehmen mithalten kann, die weit mehr für Rechenleistung ausgeben.
Warum es gewann: Gespür, nicht nur Größe
Der Mechanismus: Inherent zufolge wurde Faraday auf ein "Forschungsgespür" trainiert, ein Gefühl dafür, welche Experimente sich lohnen und wie man sie gut gestaltet, mittels bestärkendem Lernen, das gute Ergebnisse belohnt statt einem Regelwerk richtiger Schritte zu folgen.
Dieser Ansatz zielt auf eine engere Fähigkeit als allgemeines Schlussfolgern: zu wissen, wie man das Ergebnis eines bestimmten Papers reproduziert, ist eine begrenzte Aufgabe, und ein kleineres, gezielt dafür trainiertes Modell kann ein allgemeines Frontier-Modell dabei plausibel übertreffen, das nie für genau diese Aufgabe optimiert wurde. Das geschieht vor dem Hintergrund steigender Frontier-Rechenkosten: Nvidia hat großen Cloud-Kunden mitgeteilt, dass die Preise für KI-Server mit Lieferung 2027 um mehr als 15 Prozent steigen, getrieben von Speicherkosten, was es teurer macht, standardmäßig für jede Aufgabe das größte verfügbare Modell zu wählen.
Was das für KI-Käufer bedeutet
Das Fazit: Ein spezialisierter Agent, der nur einen Bruchteil der Größe eines Frontier-Modells hat und dieses bei einer klar definierten Aufgabe schlägt, ist ein Beleg dafür, dass Modellgröße nicht der einzige Hebel ist, den europäische und britische Unternehmen bei der Budgetierung von KI-Fähigkeiten ziehen sollten.
Einkaufs- und Technikteams, die KI-Anbieter für eine enge, klar umrissene Aufgabe bewerten, von der Dokumentenprüfung über die Codemigration bis zur Forschungsunterstützung, haben nun einen konkreten Grund, kleinere, zweckgerichtet trainierte Modelle gegen allgemeine Frontier-Modelle zu testen, bevor sie sich für die größere und teurere Option entscheiden. Bei breitem, allgemeinem Schlussfolgern bleiben die Frontier-Labore vorn; die Aussage hier ist enger und aufgabenspezifisch, keine Behauptung, dass Faraday Claude oder GPT-5.5 grundsätzlich ersetzt.
Das Fazit
Ein britisches Labor, das sechs Monate nach der Gründung zwei gut finanzierte US-Frontier-Labore bei einer klar definierten wissenschaftlichen Aufgabe schlägt, ist ein echter Datenpunkt für die europäische KI-Wettbewerbsfähigkeit und eine Erinnerung daran, dass das Wettrüsten um Rechenleistung nicht das einzige Rennen ist, das zählt.
Weiterlesen: Qwens Downloadrekord verdeckt eine Compliance-Lücke | Alibaba verschwieg die Zahl, die Ihre Kosten bestimmt
