倫敦 AI 實驗室 Inherent 宣稱其 Faraday agent 在「獨立複製科學論文」任務上，以僅 27B 參數的 Qwen 3.6 擊敗 Claude Opus 4.8 與 GPT-5.5 等前沿大模型，靠的不是模型大小，而是強化學習訓練出的「研究品味」。這家由 DeepMind 校友創辦、五月才以 5000 萬美元種子輪脫離隱形的新創，正在用「方法論勝過模型規模」的路線，挑戰 AI 科學代理的既有想像。
事件背景：低調的 DeepMind 校友團隊，突然端出實作
在 Google DeepMind 校友創辦的眾多新創裡，Inherent 原本相對低調。但根據 TechCrunch 8 月 22 日的報導，這家倫敦團隊在脫離隱形模式幾週後，就開始公開展示他們正在建造的東西：剛發布的 AI agent「Faraday」，在特定任務上勝過了 Anthropic 和 OpenAI 更大、更有名的模型——在沒有事先被告知答案的情況下，獨立重現已發表科學論文的發現。
共同創辦人兼首席科學家 Edward Hughes 對 TechCrunch 表示，論文複製其實是科學家養成的標準訓練：「很多博士生都是從做這件事開始的。」
關鍵數據一覽
| 項目 | 內容 |
|---|---|
| 公司 | Inherent（倫敦，Public Benefit Corporation） |
| 創辦人 | Tantum Collins、Edward Hughes、Louis Kirsch（皆 DeepMind 校友）+ Kaloyan Aleksiev（Reka AI / Microsoft） |
| 融資 | 5000 萬美元種子輪（Index Ventures + Radical Ventures 共同領投，NVentures 等參投） |
| 產品 | Faraday：AI 科學代理（跑在 Qwen 3.6，27B 參數） |
| 對比對象 | Claude Opus 4.8（Anthropic）、GPT-5.5（OpenAI） |
| 方法 | 強化學習（reward-based）、「研究品味」訓練 |
Faraday 怎麼贏的？不是比模型大，是比「方法」
Hughes 說，贏過那些前沿 agent 本身不是重點——「怎麼做到的」才是。Faraday 的關鍵設計有三個：
第一，跑在很小的模型上。 Faraday 的底層是 Qwen 3.6，只有 27B 參數，對比 Claude Opus 4.8 和 GPT-5.5 這種「前沿規模」的系統，體積小了一個量級。這意味著 Inherent 證明的不是「再堆一個大模型」，而是「訓練方法可以讓小模型在特定任務上打贏大模型」。
第二，用強化學習教「品味」。 一般 agent 是靠規則或範例學習「科學怎麼做」，Inherent 反過來，用獎勵機制訓練 agent 什麼是「好結果」——不只是一次複製成功，而是要展現「研究品味」：直覺判斷哪些實驗值得跑、怎麼設計實驗才好。Hughes 說這是他們的最北極星：「打造一個 AI 科學家 agent，並把品味注入其中。」
第三，不自建工具，直接用 Codex。 Inherent 刻意不開發自己的 coding 工具，而是讓 Faraday 使用 OpenAI 的 GPT-5.5 Codex 來寫程式——就像人類科學家會用現成軟體，而不是自己造一套。這個「聚焦於科學決策、把工程外包」的取捨，其實就是 Agent Harness 思維的極致版：模型與框架的分工比單一模型的能力更重要。
flowchart LR
A[科學論文] --> B[Faraday agent<br/>Qwen 3.6 27B]
B --> C[提出複製策略]
C --> D[GPT-5.5 Codex<br/>寫實驗程式]
D --> E[執行實驗]
E --> F{結果符合<br/>論文數據?}
F -- 否 --> B
F -- 是 --> G[獎勵 + 更新<br/>研究品味]
G --> B為什麼「複製論文」是硬指標：人類也才 41%
你可能會想：複製別人的研究有什麼難？事實上是極難。OpenAI 在 2025 年發布的 PaperBench 基準，要求 AI 在 12 小時內重現 20 篇 ICML 2024 頂尖論文，不能看原作者程式碼，要自己從零寫完整程式庫，總共 8300 多個評估檢查點。結果：
| 系統 | 成功率 |
|---|---|
| 人類 PhD 學生（8 人、48 小時） | 41.4% |
| OpenAI o1 + IterativeAgent 框架 | 24.4% |
| Claude 3.5 Sonnet | 21% |
| OpenAI o1（預設） | 13.2% |
| DeepSeek-R1 | 6% |
| GPT-4o | 4.1% |
| Gemini 2.0 Flash | 3.2% |
換句話說，兩年前最強 AI 的複製成功率只有人類博士生的六成，而且還得靠 IterativeAgent 這種框架加持才辦得到。Faraday 能在這個任務上贏過 Claude Opus 4.8 和 GPT-5.5，代表這一年 agent 方法論的進步，遠比模型本身的進步更可觀。
背景：AI 科學論文 59% 是假的，複製測試更顯重要
為什麼大家這麼看重「複製」？2026 年發表的 MLReplicate 基準（評估 AI Scientist V1/V2、Agent Laboratory 等 6 個自主科學系統）給出了警訊：AI 寫的論文能騙過自動審稿（37 篇有 10 篇被接受），但人類專家評審把所有系統的論文全部打到 Borderline-Reject 或 Reject——其中 59% 被自動審稿接受的論文含有捏造數據。AI 評審與人類評審的整體評分相關性只有 r = +0.29。
這解釋了 Inherent 的戰略：如果連「複製已知結果」都做不好，談何「發現新知」？複製測試是衡量 AI 是否真的懂科學的試金石——Faraday 先證明自己在這關比大模型強，再往「提出值得問的問題」這個終極目標推進。
團隊與資金：倫敦的 DeepMind 血統
Inherent 的四位創辦人：
- Tantum Collins：DeepMind 合作博弈（Cooperative AI）研究出身，曾在拜登白宮負責 AI 政策
- Edward Hughes：DeepMind Cooperative AI 研究，現任首席科學家
- Louis Kirsch：DeepMind 校友
- Kaloyan Aleksiev：來自 Reka AI 與微軟
種子輪由 Index Ventures 與 Radical Ventures 共同領投，NVIDIA 旗下 NVentures、Ex/Ante、Metaplanet 等參投；天使陣容包括 Charlie Songhurst、Dwarkesh Patel、Thomas Wolf（Hugging Face 共同創辦人）、Max Jaderberg 等人。公司註冊為 益責公司（Public Benefit Corporation）——法律上要求同時考慮社會影響與股東利益，創辦團隊把「治理」視為競爭優勢。
Hughes 還呼籲取消英國的 garden leave（離職員工數個月內不得加入或創辦競爭公司的條款），認為這讓美國新創在挖角上佔盡優勢。Inherent 目前 12 人、全員在倫敦 King’s Cross 辦公室實體辦公，年底預計擴到 20-25 人，並有**世界模型（world models）**的野心——在 Demis Hassabis 新職位讓部分 DeepMind 員工不安之際，這家公司可能成為 DeepMind 人才的下一個落腳處。
對台灣讀者的意義：Agent 方法論時代來臨
Faraday 這則新聞最值得留意的，不是「又一家 AI 新創融資」，而是它與過去一週的主流論述完全同頻：
- Nvidia 上週才發布研究，證明 Harness（框架）比模型更重要——同一顆 Claude Opus 5 接上 AVO 框架後 ARC-AGI-3 從 30% 衝到 100%；
- 如今 Inherent 用 27B 小模型在論文複製上贏過前沿大模型，再次印證**「模型 × 方法」的乘數效應**。
對正在選擇 AI 工具、評估 agent 框架的開發者來說，訊號很明確：別再只看模型 benchmark，Agent 的架構、訓練方法與工具鏈才是差異化所在。 這也解釋了為什麼 Stripe 願意花 70 億美元買下 OpenRouter——模型會越來越像商品，真正有價值的在於讓模型「會做事」的那一層。
Faraday 還沒有公布具體的複製成功率數字，也還沒有第三方複測——這點值得持續觀察。但方向已經很清楚：AI 科學代理的下一個戰場，不是誰的模型大，而是誰的方法教得出「品味」。
參考資料
- TechCrunch：Inherent, founded by DeepMind alumni, says its AI ’teammate’ just outperformed Anthropic and OpenAI at replicating research（2026-08-22）
- The Next Web：Ex-DeepMind researchers raised $50M to build AI that figures out which scientific questions are worth asking（2026-05-30）
- OpenAI PaperBench 基準測試（2025）
- MLReplicate: Benchmarking Autonomous Research Systems for Machine Learning Reproducibility（2026）