一句话看懂：由 Google DeepMind 校友创立的伦敦 AI 实验室 Inherent 发布了一款名为 Faraday 的 AI 智能体，在“复现已发表科学论文结论”这一任务上，超越了参数规模大得多的 Anthropic Claude Opus 4.8 与 OpenAI GPT-5.5。更关键的是，它基于仅 270 亿参数的开源模型 Qwen 3.6 实现。
事件核心：发生了什么
Inherent 是一家刚从隐身模式中走出的初创公司，数周前刚宣布完成 5000 万美元种子轮融资。其联合创始人兼首席科学家 Edward Hughes 向 TechCrunch 透露，团队新发布的 AI 智能体 Faraday 能在不预先告知答案的情况下，独立复现已发表科学论文的研究结论。在对比测试中，Faraday 击败了 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5，而这两个模型均属于算力消耗巨大的前沿大模型，参数规模远大于 Faraday 所用的 27B 参数 Qwen 3.6 模型。
Hughes 强调，团队关注的重点并非“赢过别人”，而是实现路径。Inherent 没有用大量科学方法论数据对智能体进行预训练，而是依赖强化学习来训练模型。这种奖励机制让 AI 学会的不是复述规则，而是逐步形成对“哪些实验值得做、如何设计实验”的判断力，即团队所称的“研究品味”。
为什么重要
这项成果对 AI 行业的竞争逻辑有两点启示。第一，“大力出奇迹”并非唯一路线。Faraday 用小参数模型在特定科学任务上超越前沿闭源大模型，说明在垂直领域，结合强化学习与开源基座模型的组合策略，有可能以极低推理成本接近甚至超越通用大模型的效果。这对以堆算力为壁垒的头部厂商构成了差异化竞争压力。
第二，Inherent 押注的并非论文复现本身，而是更宏大的“AI 科学家”愿景。复现论文只是训练人类科学家的标准起始动作。如果强化学习能让智能体在验证旧结论中习得可迁移的科研品味，那么这种能力理论上可以延伸至新知识发现、实验设计甚至跨学科研究。这也是 Inherent 能从种子轮就获得 5000 万美元融资的原因。
对用户/开发者/创作者的影响
对开发者而言，Inherent 的做法提供了一个值得关注的工程范式：不一定要自研基础大模型，可以选用开源权重模型（如 Qwen）作为底座，再通过任务导向的强化学习去打磨特定能力。Faraday 甚至直接调用了 OpenAI 的 GPT-5.5 Codex 作为编码工具，而非自行开发，说明“模型组合”正在成为现实选项。
对于科研人员和学术用户，这类智能体若走向产品化，可能改变文献复现和实验预研的工作流。当前阶段它仍是实验室成果，普通用户尚无法直接使用 Faraday，但其验证的“让 AI 自己设计实验”逻辑，未来有望以 API 或科研工具形态开放。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是产品落地节奏。Inherent 当前团队仅 12 人，计划年底扩至 20-25 人。Faraday 是否对外开放测试、如何商业化，尚无时间表，需跟踪其官网或开发者渠道动态。
二是技术路线能否泛化。强化学习在论文复现任务上奏效，不代表能直接迁移到新科学发现场景。后续是否有更多学科、更多类型的实验验证结果，是评估其真实价值的关键。
三是人才与政策变量。联合创始人 Hughes 公开呼吁英国废止“花园假期”制度（离职后竞业限制期），认为该规定使美国初创公司在抢人上占优。同时，因 Demis Hassabis 转任新职，部分 DeepMind 员工或有意跳槽，Inherent 地处伦敦国王十字 AI 核心区，可能成为接收这一波人才流动的目的地之一。
