Выходцы из Google DeepMind создали ИИ-агента Faraday, который превзошёл Anthropic и OpenAI в научных задачах

Британский стартап Inherent, основанный бывшими сотрудниками Google DeepMind, представил ИИ-агента Faraday, способного самостоятельно проверять достоверность научных публикаций. Разработчики заявили, система превзошла значительно более крупные модели Anthropic и OpenAI, несмотря на использование всего 27 млрд параметров.

Групповое тестирование 46 видеокарт в The Witcher 3: Wild Hunt — Remastered

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Сравнительный тест камер флагманских смартфонов (2026): итоги

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Источник изображения: Gemini

По сообщению TechCrunch, Inherent вышла из режима секретности (Stealth mode) всего несколько недель назад, одновременно сумев привлечь $50 млн в рамках раннего этапа привлечения инвестиций, и теперь раскрыла первые подробности своей разработки. Стартап утверждает, что Faraday способен самостоятельно воспроизвести выводы уже опубликованных научных исследований, без предварительных подсказок. Сооснователь и главный научный сотрудник Inherent Эдвард Хьюз (Edward Hughes) отметил, что подобная работа служит стандартной подготовкой и для людей: многие аспиранты начинают научную карьеру именно с повторения уже проведённых исследований.

Во внутренних испытаниях Faraday сравнивали с Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI. При этом агент Inherent работает на базе сравнительно небольшой модели Qwen 3.6 с 27 млрд параметров, тогда как соперниками выступили значительно более крупные передовые модели. Разработчики оценивали не только способность системы получить результаты исходной работы, но и так называемое «исследовательское чутьё» — умение самостоятельно определять, какие эксперименты имеет смысл проводить и как их лучше организовать. Хьюз подчеркнул, что для команды важнее самой победы над конкурентами оказался подход, который позволил добиться такого результата.

Для обучения Faraday разработчики выбрали метод с подкреплением (Reinforcement Learning, RL), при котором система получает вознаграждение за успешный результат, а не следует заранее прописанным жёстким правилам. По словам Хьюза, конечная цель Inherent заключается в создании ИИ-учёного, способного не просто проверять существующие выводы, а получать новые научные знания. При этом стартап не пытается самостоятельно создавать все необходимые инструменты. Например, для программирования Faraday использует GPT-5.5 Codex компании OpenAI. Такой подход в Inherent тоже сравнивают с работой обычных исследователей, которые пользуются готовым программным обеспечением вместо разработки каждого инструмента с нуля.

Сейчас стартап состоит примерно из 12 сотрудников, которые работают в крупном лондонском районе King’s Cross, а к концу года штат планируется увеличить примерно до 20–25 человек. Хьюз назвал этот район подходящим местом для компании благодаря высокой концентрации специалистов в области ИИ, однако одновременно выступил против распространённой в Великобритании практики Garden leave, суть которой заключается в том, что ушедшему сотруднику запрещено переходить к конкурентам или учреждать собственную компанию несколько месяцев. Руководитель рассказал, что сам столкнулся с таким ограничением перед созданием Inherent вместе с другими выходцами из Google DeepMind.