A londoni Inherent, amelyet DeepMind egykori munkatársai alapítottak, bemutatta Faradayt, egy olyan AI-ügynököt, amely képes függetlenül reprodukálni publikált tudományos kísérleteket. A rendszer alapját a Qwen 3.6 képezi — egy 27 milliárd paraméteres modellt — amelyet megerősítéses tanulással (reinforcement learning) fejlesztettek ki arra, hogy tudományos ítélőképességet szerezzen: döntse el, mely kísérleteket érdemes elvégezni, hogyan tervezzék meg őket és mikor kell leállni. A tényleges kódgenerálást a Faraday a GPT-5.5 Codex modellre bízza.
Mit tud Faraday és hogyan mérték
- Modellarchitektúra: Qwen 3.6, 27 milliárd paraméter.
- Képzési megközelítés: megerősítéses tanulás a kísérlettervezési és döntési képességek fejlesztésére.
- Feladatmegosztás: Faraday felügyeli a kísérlettervet és a stratégiai döntéseket, míg a kódolást egy erősebb kódgeneráló modell, a GPT-5.5 Codex végzi.
- Teljesítmény: Inherent saját benchmarkján Faraday felülmúlta a tisztán Claude Opus 4.8-cal és a GPT-5.5 Codex-szal végzett reprodukciókat.
Fontos megjegyezni, hogy az összehasonlítások az Inherent által kialakított belső mérőszámrendszerre támaszkodnak; a kommunikáció nem említett független harmadik fél által végzett validációt vagy részletes, nyilvános benchmark-eredményeket.
Miért számít ez?
Az elmúlt években számos AI-labor jelentős erőforrásokat fektetett abba, hogy egyre nagyobb modelleket és több számítási teljesítményt alkalmazzanak. A Faraday esete fontos ellenpéldát kínál: kisebb paraméterű modell, amely jobb döntéshozóként működik és egy erősebb kódoló munkát koordinál, képes lehet felülmúlni nagyobb „frontvonalbeli” rendszereket bizonyos feladatokban.
Ez a megközelítés azt sugallja, hogy az iparág részben a rossz rétegen skálázta az erőforrásokat — a munkavégző („worker”) modelleket tették egyre intelligensebbé, miközben a feladatok és kísérlettervezés menedzseléséért felelős „manager” szerepére kevesebb figyelem jutott. Ha a Faraday által elért előnyök tartósnak bizonyulnak és függetlenül reprodukálhatók, az újrafókuszálást eredményezhet a modellek szerepei és a skálázási stratégiák tekintetében.
Korlátok és további lépések
- A közölt eredmények jelenleg Inherent belső benchmarkján alapulnak; független, külső értékelés még nem ismert.
- A publikált információk nem részletezik teljesen a benchmark metrikáit, a feladatok pontos listáját vagy a reprodukciók nehézségét.
- A Faraday működése, különösen a döntési mechanizmusok és a GPT-5.5 Codex-szal való interakció pontos dinamikája további technikai dokumentációt igényel a szélesebb közösségi értékeléshez.
Összefoglalás
Inherent Faraday nevű ügynökével azt demonstrálja, hogy kisebb, megerősítéses tanulással képzett modell, amely hatékonyan menedzsel egy erősebb kódgeneráló modellt, képes lehet reprodukálni publikált kísérleteket és a cég belső mérései szerint túl is szárnyalni nagyobb alternatívákat, mint a Claude Opus 4.8 vagy a GPT-5.5 Codex. A fejlemény vitathatatlanul érdekes irányt jelez az AI-fejlesztésben: nem csak a „munkás” intelligenciáját érdemes skálázni, hanem a döntéshozó, koordináló réteget is érdemes újragondolni.
