Стартап Inherent создал ИИ превосходящий Anthropic и OpenAI

Inherent вышла из режима скрытной разработки несколько недель назад, привлекла 50 миллионов долларов на посевном раунде и сразу заявила о конкретном продукте. На фоне конкурентов, которые получают больше денег, но пока не показали публичных результатов, это выделяет команду из двенадцати человек с офисом в лондонском Кингс-Кросс. Источник, TechCrunch, приводит комментарии сооснователя и главного научного сотрудника Эдварда Хьюза.

Faraday воспроизводит научные статьи без подсказок

• Задача. Faraday самостоятельно воспроизводит результаты опубликованных научных статей, не получая заранее правильный ответ. По словам Хьюза, это стандартное упражнение для аспирантов на старте карьеры.
• Размер модели. Агент построен на открытой модели (open-source) Qwen 3.6 с 27 миллиардами параметров. Для сравнения: Claude Opus 4.8 и GPT-5.5, с которыми сравнивали Faraday, относятся к крупнейшим закрытым моделям (closed-source) с гораздо большим числом параметров.
• Метод обучения. Inherent делает ставку на обучение с подкреплением (reinforcement learning, метод, при котором модель получает награду за хороший результат, а не набор готовых правил). Команда учит агента не просто точности, а «исследовательскому вкусу», умению выбирать, какие эксперименты стоит проводить и как их проектировать.
• Кодирование. Вместо собственного инструмента для написания кода Faraday использует GPT-5.5 Codex от OpenAI, подобно тому как учёные пользуются готовым программным обеспечением, а не пишут всё с нуля.

Почему маленькая модель обогнала большие?

Хьюз подчёркивает: сам факт победы над крупными моделями не был главной целью. Важнее оказался способ, которым команда к этому пришла.

Самое интересное для нас не столько результат победы над этими фронтирными агентами, а то, как мы к этому пришли. : Эдвард Хьюз, сооснователь и главный научный сотрудник Inherent

Inherent не обучает агентов в первую очередь на описаниях того, как устроена наука. Вместо этого команда использует подход с наградой за результат, рассчитывая, что он лучше обобщается на разные научные области. Конечная цель компании, построить ИИ-учёного, способного открывать новые знания, а не только проверять известные.

Компания сознательно проектирует агента как коллегу, а не как помощника, который говорит пользователю то, что тот хочет услышать. Хьюз описывает идеальную модель поведения так: агент возвращается и говорит «мне стало любопытно, я провёл вот эти эксперименты, что думаете о результатах?».

Как попробовать?

1. Следить за обновлениями. На момент публикации Inherent не объявила о публичном доступе к Faraday и не раскрыла цену. Сайт компании inherent.ai, единственный официальный источник информации о запуске.
2. Изучить базовую модель. Qwen 3.6 доступна как открытая модель. Её можно скачать и протестировать через Hugging Face, чтобы оценить возможности до появления самого Faraday в открытом доступе.
3. Попробовать подход на своих задачах. Ключевая идея Inherent, обучение с подкреплением вместо прямых инструкций, применима и к дообучению (fine-tuning, обучение модели на ваших примерах под узкую задачу) небольших открытых моделей. Практическая работа исследование направлений применения ИИ в этом ключе может начаться с экспериментов на Qwen или аналогичных моделях.

Что это значит для российских разработчиков и авторов?

Результат Inherent напрямую касается всех, кто работает с ограниченными вычислительными ресурсами. В России доступ к крупнейшим моделям OpenAI и Anthropic затруднён, а собственные вычислительные мощности дороги. Подход Inherent демонстрирует: грамотная методика обучения на компактной модели может давать результат на уровне гигантов.

• Авторам Дзена. Faraday пока не инструмент для контента, но сам кейс полезен как тема: «маленькая модель обыграла большую» легко объяснить читателю и показать, что размер не равен качеству. Практическая работа исследование направлений применения ИИ для авторов может начинаться с тестирования открытых моделей вроде Qwen на задачах генерации и анализа текстов.
• Разработчикам и предпринимателям. Обучение с подкреплением на малых моделях, реальная альтернатива гонке за параметрами. Для тех, кто строит продукты на базе YandexGPT или GigaChat, подход Inherent подсказывает: вкладывайтесь в методику, а не в наращивание мощностей.
• Маркетологам. Следите за развитием агентных (agentic, способных действовать самостоятельно) моделей. Когда подобные агенты станут доступны для бизнес-задач, они смогут проводить исследования рынка и анализировать данные без ручного управления.

Частые вопросы

Можно ли уже пользоваться Faraday?

На момент публикации Inherent не объявила о публичном доступе к агенту и не назвала цену. Компания только вышла из скрытного режима и привлекла посевной раунд. Следите за обновлениями на сайте inherent.ai.

Почему маленькая модель обогнала большие?

Inherent использует обучение с подкреплением, метод, при котором модель получает награду за хороший результат, а не набор готовых инструкций. По словам основателей, именно этот подход позволил компактной модели Qwen 3.6 обойти Claude Opus 4.8 и GPT-5.5 на задаче воспроизведения научных статей. Размер модели оказался менее важен, чем способ обучения.

Какое отношение это имеет к авторам и маркетологам?

Прямого инструмента для контента Faraday пока не предлагает. Но кейс Inherent показывает направление: в ближайшие годы агентные модели смогут самостоятельно проводить исследования, анализировать данные и предлагать решения. Для тех, кто сейчас осваивает промпт-инжиниринг (prompt engineering, искусство формулировать задания для ИИ), стоит начать экспериментировать с открытыми моделями и методами дообучения, это инвестиция в навыки, которые скоро будут востребованы.