En liten agent mot två AI-jättar
Inherent, ett AI-labb i London grundat av tidigare DeepMind-forskare, uppgav att dess agent Faraday slog både Anthropics Claude Opus 4.8 och OpenAIs GPT-5.5 i att självständigt återskapa resultaten från publicerade vetenskapliga artiklar.
Faraday bygger på Qwen 3.6, en öppen basmodell med 27 miljarder parametrar, betydligt mindre än de toppmodeller den testades mot. Uppgiften var ingen enkel fråga-svar-uppgift: forskarna gav Faraday upplägget från en publicerad artikel och bad den återskapa resultatet utan att känna till svaret i förväg, och jämförde sedan dess resultat med de två mycket större modellernas på samma artiklar. Inherent publicerade metod och resultat på sin egen forskningssida, och jämförelsen bekräftades oberoende av TechCrunch.
Resultatet kommer bara några veckor efter att Inherent lämnade stealth-fasen med en seedrunda på 50 miljoner dollar, ovanligt stor för ett europeiskt AI-labb, och ett vad om att en liten, målinriktat tränad agent kan konkurrera med system från företag som spenderar betydligt mer på beräkningskraft.
Varför den vann: känsla, inte bara storlek
Mekanismen: enligt Inherent tränades Faraday att utveckla en "forskningskänsla", en instinkt för vilka experiment som är värda att köra och hur man utformar dem väl, genom förstärkningsinlärning som belönar bra resultat istället för att följa en manual med korrekta steg.
Det angreppssättet siktar på en snävare färdighet än generellt resonemang: att veta hur man återskapar resultatet av en specifik artikel är en avgränsad uppgift, och en mindre modell tränad specifikt för det kan rimligen slå en generell toppmodell som aldrig optimerades för just den uppgiften. Det sker mot bakgrund av stigande kostnader för toppskalig beräkningskraft: Nvidia har meddelat stora molnkunder att priserna på AI-servrar för leverans 2027 stiger med över 15 procent, drivet av minneskostnader, vilket gör det dyrare att som standard välja den största tillgängliga modellen för varje uppgift.
Vad det betyder för AI-köpare
Slutsatsen: en specialiserad agent, en bråkdel av storleken på en toppmodell, som slår den i en väldefinierad uppgift, är ett bevis på att modellstorlek inte är den enda hävstång europeiska och brittiska företag bör använda när de budgeterar AI-kapacitet.
Inköps- och tekniska team som utvärderar AI-leverantörer för en specifik, väldefinierad uppgift, från dokumentgranskning till kodmigrering till forskningsstöd, har nu ett konkret skäl att testa mindre, målinriktat tränade modeller mot generella toppmodeller innan de binder sig till det större och dyrare alternativet. Toppmodellerna ligger fortfarande före inom brett, generellt resonemang; påståendet här är snävare och uppgiftsspecifikt, inte ett påstående om att Faraday ersätter Claude eller GPT-5.5 rakt av.
Slutsatsen
Att ett brittiskt labb sex månader efter grundandet slår två välfinansierade amerikanska toppmodeller i en konkret vetenskaplig uppgift är en verklig datapunkt för europeisk AI-konkurrenskraft, och en påminnelse om att beräkningskraftkapplöpningen inte är det enda loppet som räknas.
Läs vidare: Qwens nedladdningsrekord döljer ett efterlevnadsglapp | Alibaba teg om siffran som sätter er kostnad
