Tech Review 
Введение
В мире ИИ принято считать, что побеждает тот, у кого модель больше. Но лондонский стартап Inherent, основанный выходцами из Google DeepMind, решил бросить вызов этой логике. Компания, лишь недавно вышедшая из режима секретности с раундом финансирования в $50 млн, заявила, что её ИИ-агент Faraday превзошёл флагманские модели Anthropic и OpenAI в конкретной, но важной задаче — независимом воспроизведении результатов опубликованных научных работ.
И самое примечательное: Faraday работает на модели Qwen 3.6 с всего 27 миллиардами параметров — это лишь малая доля размера тех «фронтирных» систем, которые он, по утверждению создателей, обошёл.
Детали: цифры и факты
Компания и команда. Inherent — лондонская ИИ-лаборатория, основанная четырьмя выпускниками Google DeepMind. Ключевая фигура — соучредитель и главный научный сотрудник Эдвард Хьюз (Edward Hughes). В команду также входят Луис Кирш, Калоян Алексиев и Тантум Коллинз — последний ранее работал над политикой в области ИИ в администрации Байдена. Офис расположен в районе Кингс-Кросс, который благодаря присутствию DeepMind превратился в один из ведущих ИИ-хабов мира. Сейчас в компании около 12 сотрудников, к концу года планируется рост до 20–25 человек.
Финансирование. Inherent вышел из секретности с посевным раундом в $50 млн, который возглавили Index Ventures и Radical Ventures. Раунд закрылся в мае 2026 года.
Агент Faraday. ИИ-агент построен на базе модели Qwen 3.6 с 27 млрд параметров. Для сравнения: он соревновался с Anthropic Claude Opus 4.8 и OpenAI GPT-5.5 — системами фронтирного масштаба, значительно превосходящими его по размеру.
Бенчмарк Replica. Inherent разработал собственный бенчмарк Replica — набор из 310 задач, составленных на основе 100 научных работ в области машинного обучения, материаловедения, структурной биологии, прогнозирования погоды и других дисциплин. Каждая задача требует от агента воссоздать рисунок или результат, не видя исходного графика и не зная ожидаемого ответа заранее. Время и вычислительные бюджеты ограничены — это исключает «запоминание» и заставляет агента реально рассуждать.
Результаты. По данным Inherent, Faraday достиг 73% побед на задачах машинного обучения и 60% на «удержанных» (held-out) статьях по ИИ для науки. Агент превзошёл более крупные модели во всех категориях, причём преимущество особенно заметно в таких областях, как мета-обучение и материаловедение.
Метод обучения. Ключевой приём — обучение с подкреплением (reinforcement learning), которое вознаграждает систему за хорошие результаты, а не следует заранее заданным правилам. Inherent стремился привить Faraday не просто точность, а «исследовательский вкус» (research taste) — инстинкт понимания того, какие эксперименты стоит проводить и как их правильно спроектировать.
Необычный стек. Faraday не пишет код сам — для программирования он использует OpenAI GPT-5.5 Codex. Это осознанное решение: как учёный-человек пользуется готовым ПО, так и агент опирается на существующие инструменты, а не создаёт всё с нуля.
Анализ
Этот результат — важный аргумент в давнем споре о том, определяет ли размер модели её возможности. Inherent утверждает, что Faraday превзошёл гигантов не за счёт масштаба, а благодаря пост-обучению, нацеленному на научную добросовестность. Модель с 27 млрд параметров стоит значительно дешевле в эксплуатации, чем фронтирные системы, и если целевое обучение закрывает разрыв в качестве, экономика развёртывания ИИ-агентов в исследованиях и других профессиональных сферах меняется кардинально.
Примечателен и архитектурный подход: маленький «учёный» оркестрирует большой «кодер». Это одна из форм паттерна, который всё чаще наблюдается в индустрии — смешение уровней моделей вместо ставки на одну фронтирную систему.
Однако стоит сохранять здоровый скептицизм. Бенчмарк Replica — собственная разработка Inherent, и независимого воспроизведения сравнений с Claude Opus 4.8 и GPT-5.5 пока не опубликовано. Оценка опирается на автоматически сгенерированного судью, который, по словам команды, согласуется с человеческой оценкой, но независимой проверки в рецензируемых изданиях ещё не было.
Мнение
История Inherent — это глоток свежего воздуха в индустрии, одержимой гонкой за масштабом. Компания сознательно ставит на то, что человеческому уму труднее всего формализовать: на научное суждение, «вкус» к правильным вопросам. Хьюз сравнивает задачу воспроизведения результатов с тем, с чего начинают многие аспиранты — и это точная метафора. Репликация — это не трюк, а фундаментальный навык, из которого вырастает настоящее открытие.
Особенно интересно, что Inherent не пытается строить всё самостоятельно. Использование GPT-5.5 Codex в качестве инструмента кодирования — это прагматизм, который редко встречается у стартапов, стремящихся доказать собственную исключительность. Компания фокусируется на том, что действительно сложно: на обучении агента принимать решения, а не на воспроизведении уже существующих инструментов.
Впрочем, до заявленной «северной звезды» — ИИ, способного делать новые научные открытия, — ещё далеко. Faraday пока воспроизводит известные результаты. Но путь от надёжной репликации к открытому поиску исторически был плодотворен для учёных-людей. Если подход Inherent масштабируется, мы можем стать свидетелями смены парадигмы: не «больше параметров», а «умнее обучение».
Итог
Inherent — это история о том, что размер — не всегда главное. Стартап с 12 сотрудниками и моделью в 27 млрд параметров заявляет, что обошёл фронтирные системы Anthropic и OpenAI в воспроизведении научных исследований, опираясь на обучение с подкреплением и «исследовательский вкус». Результаты впечатляют, но требуют независимой проверки.
Главный вывод для отрасли: размер модели становится всё более слабым показателем способностей в конкретных задачах. Правильный вопрос — не «какая модель самая большая», а «какая модель подходит для цели». Inherent предлагает убедительный ответ: иногда маленький, но хорошо обученный агент может сделать больше, чем гигант.
FAQ
Что такое Inherent и кто его основал?
Inherent — лондонская ИИ-лаборатория, основанная четырьмя выпускниками Google DeepMind, включая главного научного сотрудника Эдварда Хьюза. Компания вышла из секретности с посевным раундом в $50 млн от Index Ventures и Radical Ventures.
Как Faraday обошёл Claude и GPT-5.5?
По данным Inherent, Faraday, работающий на модели Qwen 3.6 с 27 млрд параметров, независимо воспроизвёл результаты опубликованных научных работ эффективнее, чем Anthropic Claude Opus 4.8 и OpenAI GPT-5.5. Компания использовала обучение с подкреплением, чтобы развить у агента «исследовательский вкус» — инстинкт понимания того, какие эксперименты стоит проводить.
Что означает «исследовательский вкус» в ИИ?
Это способность агента интуитивно понимать, какие эксперименты заслуживают внимания и как их правильно спроектировать, а не просто выдавать точные ответы. Inherent обучал Faraday этому качеству через обучение с подкреплением, вознаграждая хорошие научные результаты, а не следуя заранее заданным правилам.