一家由 Google DeepMind 校友 創立的倫敦 AI 實驗室 Inherent，在 2026 年 8 月 22 日發表了令人矚目的研究成果。其 AI 研究代理 Faraday 在科學論文成果複現（Paper Replication）任務上，擊敗了業界兩大前沿系統——Anthropic Claude Opus 4.8 與 OpenAI GPT-5.5——而 Faraday 背後的底層模型僅是擁有 27B 參數 的 Qwen 3.6。
從低調到驚豔：Inherent 的登場
Inherent 於數週前才剛以 5,000 萬美元種子輪融資 走出隱身模式。這輪融資背景使其備受關注——三位共同創辦人 Edward Hughes、Louis Kirsch 與 Tantum Collins 均出身 DeepMind，加上 Kaloyan Aleksiev 組成四人創始團隊，目前團隊規模約 12 人，全員位於倫敦 King’s Cross 的辦公室進行實體協作。
Faraday 的任務是獨立複現已發表科學論文的研究成果——不預先告知答案。這不僅是對模型準確度的考驗，更是對所謂「研究品味」（Research Taste）的衡量：一個優秀的研究代理應能判斷哪些實驗值得執行、如何良好地設計實驗方案。
規模 vs 方法：27B 的逆襲
Inherent 的突破最具啟發性之處，在於其技術路徑截然不同於業界的「規模至上」邏輯：
| 面向 | Faraday（Inherent） | Claude Opus 4.8 / GPT-5.5 |
|---|---|---|
| 底層模型 | Qwen 3.6（27B 參數） | 前沿規模（數兆參數） |
| 訓練方法 | 強化學習驅動的研究品味 | 傳統監督式微調與提示工程 |
| 編碼工具 | 借用 OpenAI GPT-5.5 Codex | 自有編碼能力 |
| 核心差異 | 獎勵機制，非規則驅動 | 規模與資料量驅動 |
Inherent 首席科學家 Hughes 向 TechCrunch 強調：「對我們來說最有趣的並非打敗那些前沿代理——我們當然樂見其成——而是我們建構這套系統的方式。」
Faraday 透過 強化學習（Reinforcement Learning）來培養研究品味——系統因良好的實驗設計獲得獎勵，而非遵循預先設定的規則。Hughes 比喻道：「許多 PhD 學生也是從複現論文開始的。」Inherent 的長遠目標是打造能自主發現新科學知識的 AI，而非僅止於驗證已知結果。
合作而非取代的設計哲學
Inherent 的設計哲學也值得關注。Faraday 被定位為「研究隊友」，而非取代科學家的工具。Hughes 描述理想中的 AI 隊友：「他會回來說：『我對這個產生了好奇，於是我去做了這些實驗。你覺得這些結果怎麼樣？』」
為此，Inherent 刻意不開發自己的編碼工具，而是讓 Faraday 使用 OpenAI GPT-5.5 Codex——正如人類科學家會使用現成軟體而非從頭搭建一切。這種務實的模組化策略，讓團隊能專注於強化研究品味這一核心差異化能力。
產業啟示：模型規模不再是唯一戰場
Inherent 的成果對當前 AI 產業提供了重要的反面證據：
- 參數量不等於研究能力：27B 參數的模型在特定高階任務上可能超越數兆參數的模型
- 強化學習的路徑值得深入：獎勵驅動的方法在培養「品味」與「直覺」上可能優於純規模擴張
- 科學發現 AI 的商業潛力：Inherent 計劃在今年底擴展至 20-25 人，並在世界模型領域同時布局
隨著 DeepMind 創辦人 Demis Hassabis 的政府角色變動，部分 DeepMind 員工可能考慮去留，Inherent 的擴張正好為倫敦 AI 人才生態提供了一個新的落腳點。
本文信息來源：TechCrunch（Anna Heim 報導），2026 年 8 月 22 日。