Mały agent kontra dwaj giganci AI

Inherent, laboratorium AI z siedzibą w Londynie założone przez byłych badaczy DeepMind, oświadczyło, że jego agent Faraday pokonał zarówno Claude Opus 4.8 od Anthropic, jak i GPT-5.5 od OpenAI w samodzielnym odtwarzaniu wyników opublikowanych artykułów naukowych.

Faraday oparty jest na Qwen 3.6, otwartym modelu bazowym z 27 mld parametrów, znacznie mniejszym niż modele wiodące, z którymi go porównano. Zadanie nie było prostym pytaniem i odpowiedzią: badacze przekazali Faradayowi założenia opublikowanego artykułu i poprosili o odtworzenie wyniku bez znajomości odpowiedzi z góry, a następnie porównali jego wynik z wynikami dwóch znacznie większych modeli na tych samych artykułach. Inherent opublikował metodologię i wyniki na własnej stronie badawczej, a porównanie zostało niezależnie potwierdzone przez TechCrunch.

Wynik pojawia się zaledwie kilka tygodni po tym, jak Inherent wyszedł z trybu stealth z rundą seed za 50 mln dolarów, niezwykle dużą jak na europejskie laboratorium AI, oraz zakład, że mały, celowo wytrenowany agent może konkurować z systemami firm wydających znacznie więcej na moc obliczeniową.

Dlaczego wygrał: wyczucie, nie tylko rozmiar

Mechanizm: według Inherent, Faraday został wytrenowany, by rozwinąć "wyczucie badawcze", instynkt pozwalający ocenić, które eksperymenty warto przeprowadzić i jak dobrze je zaprojektować, poprzez uczenie ze wzmocnieniem, które nagradza dobre wyniki zamiast podążania za podręcznikiem poprawnych kroków.

Takie podejście celuje w węższą umiejętność niż ogólne rozumowanie: umiejętność odtworzenia wyniku konkretnego artykułu to zadanie ograniczone, a mniejszy model wytrenowany specjalnie do tego może wiarygodnie pokonać ogólny model wiodący, który nigdy nie był optymalizowany pod to dokładne zadanie. Dzieje się to na tle rosnących kosztów mocy obliczeniowej klasy wiodącej: Nvidia poinformowała dużych klientów chmurowych, że ceny serwerów AI na dostawy w 2027 roku wzrosną o ponad 15 procent, napędzane kosztami pamięci, co podnosi cenę domyślnego wyboru największego dostępnego modelu do każdego zadania.

Co to oznacza dla kupujących AI

Wniosek: wyspecjalizowany agent, stanowiący ułamek rozmiaru modelu wiodącego, który go pokonuje w dobrze zdefiniowanym zadaniu, jest dowodem, że rozmiar modelu nie jest jedyną dźwignią, którą europejskie i brytyjskie firmy powinny uwzględniać przy budżetowaniu mocy AI.

Zespoły zakupowe i techniczne oceniające dostawców AI pod kątem konkretnego, dobrze zdefiniowanego zadania, od przeglądu dokumentów przez migrację kodu po wsparcie badawcze, mają teraz konkretny powód, by testować mniejsze, celowo wytrenowane modele wobec ogólnych modeli wiodących, zanim zaangażują się w większą i droższą opcję. Modele wiodące nadal pozostają na czele w szerokim, ogólnym rozumowaniu; twierdzenie tutaj jest węższe i specyficzne dla zadania, a nie twierdzeniem, że Faraday zastępuje Claude lub GPT-5.5 w ogóle.

Wniosek końcowy

To, że brytyjskie laboratorium sześć miesięcy po założeniu pokonuje dwa dobrze finansowane amerykańskie laboratoria wiodące w konkretnym zadaniu naukowym, jest realnym argumentem na rzecz europejskiej konkurencyjności w AI i przypomnieniem, że wyścig o moc obliczeniową nie jest jedynym wyścigiem, który się liczy.

Czytaj dalej: Rekord pobrań Qwen ukrywa lukę w zgodności z UE  |  Alibaba przemilczała liczbę wyznaczającą wasz koszt