DeepMind 校友创立 Inherent 推出 Faraday 代理，称在论文复现上超越 Claude Opus 4.8 和 GPT-5.5
TechCrunch 8月22日报道，伦敦 AI 实验室 Inherent（由 DeepMind 校友 Tantum Collins、Edward Hughes、Louis Kirsch 于 2026 年 5 月创立，$50M 种子轮由 Index Ventures 和 Radical Ventures 联合领投，NVentures 参投）公布其 Faraday 代理在独立复现已发表论文发现的基准测试中超越 Anthropic Claude Opus 4.8 和 OpenAI GPT-5.5。Faraday 运行在 Qwen 3.6 (27B) + GPT-5.5 Codex 组合上，团队仅 12 人，计划年底扩至 20-25 人。
Inherent Faraday 代理声称在论文复现上超越前沿模型
2026 年 8 月 23 日，TechCrunch 报道，伦敦 AI 实验室 Inherent 公布其 Faraday 代理在独立复现已发表论文发现的基准测试中超越 Anthropic Claude Opus 4.8 和 OpenAI GPT-5.5。
事件背景
Inherent 由 DeepMind 校友 Tantum Collins、Edward Hughes（首席科学家）和 Louis Kirsch 于 2026 年 5 月创立，同月完成 $50M 种子轮融资，由 Index Ventures 和 Radical Ventures 联合领投，NVentures（NVIDIA）、Ex/Ante、Metaplanet 等参投。公司定位"AI-native science"，即 AI 原生科研平台。
关键事实
| 项目 | 详情 |
|---|---|
| 产品 | Faraday 代理（以迈克尔·法拉第命名） |
| 模型组合 | Qwen 3.6 (27B) + GPT-5.5 Codex |
| 团队规模 | 12 人，计划年底扩至 20-25 人 |
| 融资 | $50M 种子轮（2026 年 5 月） |
| 领投 | Index Ventures + Radical Ventures |
| 参投 | NVentures (NVIDIA)、Ex/Ante、Metaplanet |
| 核心声明 | 论文复现基准超越 Claude Opus 4.8 和 GPT-5.5 |
产业影响
- 垂直代理路线验证：12 人团队用 27B 开源模型组合在特定任务上击败前沿大模型
- 科研自动化加速：首个声称在论文复现上超越前沿模型的专用代理
- 模型组合策略：小模型 + 专用编码模型组合可能比单一前沿模型更高效
风险边界与后续观察
- 基准测试细节未公开 peer review
- Inherent 自身有融资动机，声明需独立验证
- 论文复现 ≠ 科学发现，能力边界需明确
- Qwen 3.6 + GPT-5.5 Codex 组合成本未披露
- 关注是否有第三方复现验证其声明
AI Master 解读
核心事件
Inherent 公布 Faraday 代理在论文复现基准上超越 Claude Opus 4.8 和 GPT-5.5。
行业影响
为什么重要： 这是"垂直代理"路线的标志性声明——12 人团队用 27B 开源模型 + 商用编码模型的组合，在特定科研任务上击败千亿参数级通用前沿模型。关键不在模型大小，而在代理编排、工具调用和科研领域知识。如果可复现，说明科研复现这类高度结构化任务，领域专用代理可能比通用大模型更高效。
影响分析：
| 维度 | 影响 |
|---|---|
| 科研自动化 | 首个在论文复现上声称超越前沿模型的专用代理 |
| 模型组合策略 | 27B 开源 + 商用编码模型组合击败单一前沿大模型 |
| 小团队挑战 | 12 人团队在垂直领域击败千亿参数模型 |
风险边界： 基准测试细节未公开 peer review；Inherent 自身有融资动机；论文复现 ≠ 科学发现；Qwen 3.6 + GPT-5.5 Codex 组合成本未披露。
AI Master 建议
关注第三方是否复现其论文复现基准声明；评估"垂直代理+小模型组合"路线在科研、法律、医疗等高度结构化领域的适用性；跟踪 Inherent 后续是否公开基准测试细节和模型组合成本。 **来源:** TechCrunch / Inherent **链接:** https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/