Inherent 携 27B 模型 Faraday 出场：在论文复现上对标 Claude、GPT

由 Google DeepMind 校友创立的伦敦 AI 实验室 Inherent 近日走出隐身模式，并对外展示了其核心成果：在论文复现这一科研任务上，仅用 27B 参数的小模型跑出的智能体 Faraday，声称跑赢了参数量远大于它的 Anthropic Claude Opus 4.8 与 OpenAI GPT-5.5。

公司背景：从 DeepMind 走出的四人团队

Inherent 总部位于伦敦国王十字区——这一片区正因 Google DeepMind 的入驻而成为全球知名 AI 人才聚集地。公司由四位联合创始人共同创立，其中包括首席科学家 Edward Hughes、Louis Kirsch、Kaloyan Aleksiev 与 Tantum Collins，四人均出身 DeepMind。Hughes 在接受 TechCrunch 采访时直言，公司上下十几名员工全部在办公室线下协作，对伦敦本地的 AI 人才密度充满信心，并计划在年底前将团队规模扩张到 20 至 25 人。

Inherent 刚刚完成 5000 万美元的种子轮融资。对于一家从 DeepMind 系走出的初创公司而言，这笔融资规模并不算小，但相比同期获得大额融资的 AI 公司仍属低调。Hughes 表示，Inherent 当前对标的不只是写代码或回答问题的通用智能体，而是「能在科研中提出好问题、做出好实验」的 AI 科学家。

技术路线：小模型 + 强化学习

Faraday 的核心是一个参数量仅 27B 的模型（文中写为 Qwen 3.6），相比 Claude Opus 4.8、GPT-5.5 这类前沿大模型，体量小了数倍乃至一个数量级。Inherent 团队强调，结果本身不是重点，「怎么做到的」才是关键：

• 他们没有像多数团队那样用「如何做科研」的过程数据去微调模型，而是采用强化学习（RL）作为核心训练范式，让智能体在「得到好的实验结果」时获得奖励；
• 强化学习的优势在于更有可能泛化到多个学科，而非只在某一个领域过拟合；
• 评价标准不止「结果对不对」，还要看智能体是否具备「研究品味（research taste）」——即能否判断哪些实验值得做、怎么设计才合理。

Hughes 形容这种「研究品味」是一种难以明确规则化的能力，正如许多博士生的第一项训练就是复现他人论文，这是把品味内化为直觉的过程。

工程取舍：站在巨人肩膀上做科研

Inherent 在产品上做了几项刻意的取舍：

• 不自研编码工具，而是直接调用 OpenAI 的 GPT-5.5 Codex，让 Faraday 像人类科学家那样依赖现成软件；
• 不刻意迎合用户偏好，而是把目标设定为「队友」——那种会主动跑题、带来意外实验结果并追问「你觉得这些结果怎么样？」的协作型智能体；
• 公司层面坚持全员线下办公，并以伦敦为长期根据地。

Hughes 还借机呼吁英国业界废除「园艺假（garden leave）」条款——即员工离职后数月内不得加入或创立竞争对手公司的限制。他认为这一英国常见做法让美国创业公司在争夺刚离职的人才时抢得先机，对英国 AI 生态是一种系统性损害。

行业坐标：DeepMind 人才外溢的新一站

Inherent 涉足的不只是科研智能体，还包括「世界模型（world models）」等更具野心的方向。考虑到 Demis Hassabis 在 DeepMind 内部的新角色已让部分员工感到去留未定，Inherent 此次招人扩张的时机，对正在权衡去向的 DeepMind 研究员而言可能颇具吸引力。

从更广视角看，Inherent 选择「用 27B 小模型 + 强化学习训练范式去做前沿科研任务」的路径，与近一年来业界「小而美的专用模型也能在垂直任务上叫板超大模型」的趋势相吻合。其方法能否在更严苛的第三方评测中复现尚待验证，但至少为科研智能体这条赛道提供了一个值得跟踪的新样本。