在 AI 界普遍信奉"参数越大、能力越强"的今天，一家伦敦初创公司用一场"以小博大"的实验，让"大就是好"的叙事出现了裂缝。

据 IT 之家 8 月 23 日消息，由前 Google DeepMind 员工创立的 AI 实验室 Inherent，正式推出其 AI 智能体 Faraday。这家公司宣称，在"事先不知道答案的情况下，自主复现已发表科学论文中的研究结果"这一特定任务上，Faraday 击败了规模大得多的 Anthropic Claude Opus 4.8 与 OpenAI GPT-5.5。

真正让人意外的是底层模型的体量：Faraday 背后依赖的是仅拥有 270 亿参数的开源模型 Qwen 3.6，而它的两个对手，都是动辄数千亿参数级别的前沿系统。用如此小的模型，在如此硬核的任务上跑赢巨头，这在过去几乎难以想象。

不过，Inherent 联合创始人兼首席科学家 Edward Hughes 反复强调，击败对手并非重点，"真正重要的是我们构建这个系统的方式"。Faraday 的能力，主要不来自模型本身，而来自一套以强化学习为核心的训练方法——不是把明确规则塞给 AI，而是根据最终结果对智能体的行为进行奖励，让它在试错中逐步学会"更有效的行动"。

这一思路背后，藏着 Inherent 更大的野心：打造真正的"AI 科学家"，而不仅仅是复现论文的工具。公司甚至给 Faraday 设定了更难量化的目标——具备"研究品味"，即能够判断哪些实验值得做、应该如何设计实验。这正是人类科学家最难被替代的部分，也是当前大模型普遍欠缺的能力。

从产业视角看，Faraday 的出现传递出两个值得关注的方向。其一，算法效率与训练方法的创新，正在成为比"堆参数"更具性价比的突围路径，这对算力紧张、成本敏感的中小团队尤其具有启发意义。其二，"AI 科学家"正在从概念走向可验证的成果，若复现能力能够泛化到多个学科，科研范式的变革或许会比预想中来得更早。

当然，眼下 Faraday 的胜利仍限定在"复现论文"这一窄任务上，距离真正"发现新知识"还有很长的路。Hughes 本人也坦言，论文复现只是人类博士生的入门功课。但正如他所说："很多博士生实际上都是从这件事开始的。"若 AI 也能从这一步扎实起步，未来可期。

这家目前仅约 12 名员工、全员线下办公于伦敦国王十字区的公司，计划年底前扩至 20 至 25 人。在巨头林立的 AI 竞赛里，Inherent 用一场漂亮的局部胜利证明：创新，有时并不靠"大"，而靠"对"。