Faraday: ИИ-агент от Inherent обходит Claude Opus 4.8 и GPT-5.5 — разбор технологии и последствия

Если вы думали, что битва ИИ-гигантов решена, вы ошибались. 23 августа 2026 года малоизвестный лондонский стартап Inherent, вышедший из тени всего несколько недель назад, заявил, что их ИИ-агент Faraday на базе скромной модели с 27 миллиардами параметров уверенно обходит флагманские модели Anthropic и OpenAI в воспроизведении научных исследований. Faraday достиг 73% точности на задачах из распределения и 60% на новых задачах, уверенно обойдя Claude Opus 4.8 и GPT-5.5. Представьте: маленькая модель весом в 27 млрд параметров уделывает системы в десять раз больше — и это не фейк.

Как 27 миллиардов параметров победили триллионы?

Faraday построен на модели Qwen 3.6 с 27 миллиардами параметров — это кроха по сравнению с Claude Opus 4.8 и GPT-5.5, которые относятся к классу фронтальных систем с параметрами, исчисляющимися сотнями миллиардов и даже триллионами. Секрет не в размере, а в подходе. Inherent сделал ставку не на наращивание параметров, а на усиленное обучение с подкреплением и особый «вкус к исследованиям» (research taste).

На собственном бенчмарке Replica, который включает 310 задач из 100 научных работ, Faraday продемонстрировал впечатляющие результаты: 73% успеха на задачах из распределения и 60% на удержанных задачах, уверенно обойдя Claude Opus 4.8 и GPT-5.5. При этом, как подчёркивает сооснователь и главный научный сотрудник Inherent Эдвард Хьюз, «для нас самое интересное — не сам факт победы, а то, как мы построили эту систему».

Вместо того чтобы просто учить модель воспроизводить научные статьи, Inherent обучил Faraday принимать решения о том, какие эксперименты стоит провести и как их правильно спроектировать. Это и есть та самая «исследовательская интуиция», которая отличает хорошего учёного от посредственного. Хьюз, кстати, имеет параллельную карьеру профессионального хорового дирижёра — и этот опыт управления коллективом, по его словам, помогает ему мыслить категориями оркестровки взаимодействия между людьми и ИИ.

Принцип работы Faraday: вместо простого воспроизведения он учится принимать исследовательские решения. Изображение: требуется замена на реальную схему.

Кому это выгодно? Удар по OpenAI, Anthropic и рынку ИИ

Новость о Faraday — это не просто технологическая сенсация. Это прямой вызов сложившейся парадигме, в которой побеждает тот, у кого больше параметров, больше данных и больше вычислительных мощностей. Если маленькая модель может уделывать большие, то оценки OpenAI и Anthropic в сотни миллиардов долларов начинают выглядеть как минимум уязвимо.

Inherent привлёк $50 млн в seed-раунде, который возглавили Index Ventures и Radical Ventures при участии NVentures (NVIDIA), Ex/Ante, Metaplanet и Mythos Ventures. И это только начало. Как отмечает Дэнни Риммер из Index Ventures, Faraday — это «система, предназначенная для того, чтобы помочь людям и самообучающемуся ИИ работать вместе над подлинными научными открытиями, а не ИИ, встроенный в те же методы, которые мы использовали 400 лет».

Команда Inherent — это цвет DeepMind: Тантум Коллинз, Эдвард Хьюз и Луи Кирш, а также Калойан Алексиев (экс-Reka AI и Microsoft). Коллинз также работал над AI-политикой в администрации Байдена. Компания зарегистрирована как публичная корпорация социальной направленности (public benefit corporation), что говорит о серьёзном отношении к этике и управлению.

Что это значит для рынка? Скрытый ИИ в корпорациях уже становится трендом, но Inherent идёт дальше — он предлагает не просто инструмент, а нового «коллегу» для учёных. Если им удастся масштабировать свой подход, мы можем стать свидетелями смены эпохи: от гонки параметров к гонке эффективности.

Кстати, о деньгах: при типичном исследовательском проекте, требующем тысяч вычислительных часов, использование Faraday вместо крупных моделей может сократить затраты на облачные вычисления в 3–5 раз благодаря меньшему числу параметров. Для институтов с ограниченным бюджетом это не просто технология, а вопрос выживания. Корпоративные инвестиции в ИИ уже переориентируются на эффективные решения, и Faraday может стать катализатором этого сдвига.

«ИИ-учёный» или маркетинг? Что Faraday умеет на самом деле и когда его попробовать

Faraday пока не открыт для публичного доступа. Компания планирует в ближайшие месяцы предоставить API для исследовательских институтов и корпоративных клиентов. Официальной страницы предварительной регистрации на данный момент нет, но мы будем следить за обновлениями. Но даже в текущем виде он уже показывает, что ИИ может быть не просто «болталкой», а реальным помощником в научной работе.

Сможет ли он заменить учёных? Скорее нет. Как отмечает Хьюз, «мы всегда руководствуемся полярной звездой — созданием ИИ-учёного, наделённого исследовательским вкусом». Но это не замена, а новый инструмент, который позволяет учёному сосредоточиться на самом важном — на постановке вопросов и интерпретации результатов, а рутину переложить на ИИ.

Интересно, что Inherent сознательно отказался от разработки собственных инструментов программирования — Faraday использует GPT-5.5 Codex от OpenAI для написания кода. Это похоже на то, как учёный использует готовые библиотеки, а не пишет всё с нуля. Компания также стремится избегать создания ИИ, который просто говорит пользователю то, что он хочет услышать. Хьюз хочет, чтобы Faraday был похож на его любимых коллег: «Они приходят и говорят: "Меня заинтересовала эта проблема, я провёл эти эксперименты. Что думаешь?"».

Пока Faraday — это лабораторный прототип, но уже сейчас ясно: Edge AI и Agentic AI — это не просто хайп. Это будущее, которое наступает быстрее, чем мы думаем.

Что дальше?

Faraday — это не просто ещё одна нейросеть. Это сигнал о том, что эпоха «больше значит лучше» в ИИ подходит к концу. На смену приходит эра умных, эффективных агентов, которые умеют учиться на ходу и принимать решения. И если Inherent удастся довести свой подход до ума, мы можем увидеть новый виток научно-технической революции.

Хотите не пропустить момент, когда Faraday станет доступен для всех? ИИ-агенты вместо браузеров — это уже реальность, а Faraday может стать следующим шагом. Подпишитесь на наш дайджест — мы расскажем, как только появится API, а пока разберём, как использовать уже существующие ИИ-инструменты, чтобы не отстать от прогресса.

Материал носит информационный характер и не является инвестиционной рекомендацией.