Een kleine agent tegen twee AI-reuzen
Inherent, een AI-lab in Londen opgericht door voormalige DeepMind-onderzoekers, meldde dat zijn agent Faraday zowel Claude Opus 4.8 van Anthropic als GPT-5.5 van OpenAI versloeg bij het zelfstandig reproduceren van de bevindingen uit gepubliceerde wetenschappelijke artikelen.
Faraday is gebouwd op Qwen 3.6, een open-weight basismodel met 27 miljard parameters, veel kleiner dan de topmodellen waartegen het werd getest. De taak was geen eenvoudige vraag-en-antwoordopgave: onderzoekers gaven Faraday de opzet van een gepubliceerd artikel en vroegen het model het resultaat te reproduceren zonder het antwoord vooraf te kennen, waarna de uitkomst werd vergeleken met die van de twee veel grotere modellen op dezelfde artikelen. Inherent publiceerde de methodologie en resultaten op zijn eigen onderzoekspagina, en de vergelijking werd onafhankelijk bevestigd door TechCrunch.
Het resultaat komt slechts enkele weken nadat Inherent uit de stealth-fase kwam met een seedronde van 50 miljoen dollar, ongewoon groot voor een Europees AI-lab, en een weddenschap dat een kleine, gericht getrainde agent kan concurreren met systemen van bedrijven die veel meer uitgeven aan rekenkracht.
Waarom het won: gevoel, niet alleen omvang
Het mechanisme: volgens Inherent werd Faraday getraind om "onderzoeksgevoel" te ontwikkelen, een instinct voor welke experimenten de moeite waard zijn en hoe je ze goed opzet, via reinforcement learning dat goede uitkomsten beloont in plaats van een handboek met juiste stappen te volgen.
Die aanpak richt zich op een smallere vaardigheid dan algemeen redeneren: weten hoe je de bevinding van een specifiek artikel reproduceert is een afgebakende taak, en een kleiner model dat daar specifiek voor is getraind kan plausibel een algemeen topmodel verslaan dat nooit voor precies die taak is geoptimaliseerd. Dit gebeurt tegen de achtergrond van stijgende kosten voor topschaal-rekenkracht: Nvidia heeft grote cloudklanten laten weten dat de prijzen van AI-servers voor levering in 2027 met meer dan 15 procent stijgen, gedreven door geheugenkosten, wat het duurder maakt om standaard het grootste beschikbare model voor elke taak te kiezen.
Wat dit betekent voor AI-kopers
De kern: een gespecialiseerde agent, een fractie van de omvang van een topmodel, die dat topmodel verslaat bij een goed afgebakende taak, is bewijs dat modelgrootte niet de enige hefboom is waar Europese en Britse bedrijven op moeten letten bij het budgetteren van AI-capaciteit.
Inkoop- en technische teams die AI-leveranciers evalueren voor een specifieke, goed afgebakende taak, van documentcontrole tot codemigratie tot onderzoeksondersteuning, hebben nu een concrete reden om kleinere, doelgericht getrainde modellen te testen tegen algemene topmodellen voordat ze kiezen voor de grotere en duurdere optie. De topmodellen blijven vooroplopen bij breed, algemeen redeneren; de bewering hier is smaller en taakspecifiek, geen claim dat Faraday Claude of GPT-5.5 over de hele linie vervangt.
De conclusie
Dat een Brits lab, zes maanden na oprichting, twee goed gefinancierde Amerikaanse topmodellen verslaat bij een concrete wetenschappelijke taak, is een echt signaal voor het Europese concurrentievermogen in AI, en een herinnering dat de rekenkracht-wapenwedloop niet de enige race is die telt.
Lees hierna: Qwens downloadrecord verhult een EU-nalevingsgat | Alibaba verzweeg het getal dat uw kosten bepaalt
