Das in London ansässige KI-Startup Inherent sagt, sein neuer Agent Faraday habe größere Systeme von Anthropic und OpenAI beim unabhängigen Reproduzieren der Ergebnisse veröffentlichter wissenschaftlicher Arbeiten übertroffen. Die Behauptung markiert die erste öffentliche Demonstration des Unternehmens seit dem Verlassen des Stealth-Modus mit einer Seed-Runde über 50 Millionen Dollar und bietet einen frühen Test seines Anspruchs, KI-Systeme zu bauen, die zur wissenschaftlichen Entdeckung beitragen.

Der Vergleich ist bemerkenswert, weil Inherent sagt, Faraday laufe auf Qwen 3.6, einem Modell mit 27 Milliarden Parametern. Das Startup setzte es gegen Anthropic’s Claude Opus 4.8 und OpenAI’s GPT-5.5 ein, die Inherent als deutlich größere Frontier-Modelle beschreibt. Die Leistungsdaten stammen jedoch laut dem Unternehmen über TechCrunch, und die verfügbaren Belege umfassen weder eine öffentliche Benchmark-Methodik noch eine unabhängige Validierung.

Faraday zielt auf Forschungsreplikation

Faraday wurde entwickelt, um Ergebnisse aus wissenschaftlichen Arbeiten zu reproduzieren, ohne im Voraus die erwartete Antwort zu erhalten. Inherent-Mitgründer und Chief Scientist Edward Hughes sagte TechCrunch, dass die Replikation von Papers eine Standard-Frühübung für menschliche Wissenschaftler sei, einschließlich Doktoranden.

Das Startup sagt, es habe mehr geprüft als nur, ob ein Agent zu einem richtigen Ergebnis gelangen kann. Faraday sollte auch zeigen, was Hughes als „research taste“ bezeichnete: die Fähigkeit, sinnvolle Experimente zu erkennen und kluge Entscheidungen darüber zu treffen, wie sie durchgeführt werden.

Diese Unterscheidung ist für forschungsorientierte KI wichtig. Ein System, das einem festen Verfahren folgt, kann ein bestehendes Ergebnis verifizieren, aber ein nützlicher wissenschaftlicher Kollaborateur muss entscheiden, welche Fragen Zeit verdienen, welche Variablen getestet werden und wann die Evidenz stark genug ist, um eine Schlussfolgerung zu rechtfertigen. Inherents langfristiges Ziel ist ein KI-Wissenschaftsagent, der über wissenschaftliche Disziplinen hinweg arbeiten kann und nicht nur ein Werkzeug ist, das auf einen einzelnen Benchmark oder ein Fachgebiet beschränkt ist.

Ein kleineres Modell und ein anderer Trainingsansatz

Inherent führt Faradays berichtetes Ergebnis teilweise auf den Einsatz von Reinforcement Learning zurück. Anstatt sich vor allem auf Trainingsdaten darüber zu stützen, wie Wissenschaftler forschen, sagt das Unternehmen, es belohne Agenten für das Erreichen nützlicher Ergebnisse. Der Ansatz soll dem System breitere Entscheidungsinstinkte vermitteln, einschließlich des Urteilsvermögens, das das Startup mit Forschungs-Gespür verbindet.

Die Wahl spiegelt auch eine bewusste Produktstrategie wider. Inherent entwickelt für Faraday kein dediziertes Coding-Tool. Laut dem Unternehmen verwendet der Agent für Programmieraufgaben OpenAI’s GPT-5.5 Codex, ähnlich wie menschliche Forscher auf bestehende Software zurückgreifen, statt jedes Werkzeug selbst zu bauen.

Diese Architektur könnte für Teams, die wissenschaftliche und technische Agenten entwickeln, wichtig sein. Das leistungsfähigste System ist möglicherweise kein einzelnes monolithisches Modell. Es könnte stattdessen ein kleineres Reasoning-Modell sein, das mit spezialisierten Tools, Codingsystemen, Experimentierumgebungen und Evaluationsschleifen verbunden ist. Faradays berichteter Vergleich beweist nicht, dass dieser Ansatz allgemein überlegen ist, liefert aber ein konkretes Beispiel für den Kompromiss, den Inherent untersucht.

Die Evidenz ist vielversprechend, aber noch begrenzt

Die zentrale Leistungsbehauptung stammt von Inherent und wurde von TechCrunch berichtet. Das verfügbare Material spezifiziert nicht die Anzahl der getesteten Papers, die vertretenen wissenschaftlichen Fachgebiete, die Bewertungskriterien, den Grad menschlicher Aufsicht oder ob Anthropic- und OpenAI-Systeme unter identischen Tool- und Rechenbedingungen liefen.

Diese Details sind beim Vergleich von Forschungsagenten essenziell. Die Replikation von Papers kann je nach Verfügbarkeit von Quellcode, Datensätzen, Laborprotokollen und Rechenressourcen erheblich unterschiedlich schwierig sein. Die Ergebnisse können außerdem davon abhängen, wie ein Agent gepromptet wird, wie mit fehlgeschlagenen Experimenten umgegangen wird und ob Bewerter nur die Endantwort oder die Qualität des experimentellen Prozesses beurteilen.

Die Verwendung eines Modells mit 27 Milliarden Parametern ist dennoch ein wichtiges, vom Anbieter gemeldetes Signal. Wenn es unabhängig reproduziert würde, würde das Ergebnis darauf hindeuten, dass Modellgröße allein kein verlässlicher Proxy für Leistung bei wissenschaftlichen Workflows mit langem Zeithorizont ist. Es könnte auch bedeuten, dass Reinforcement Learning und Tool-Orchestrierung bei dieser speziellen Aufgabe ebenso stark beitragen wie die Größe des Basismodells.

Inherents Darstellung ist bewusst breiter als ein Leaderboard-Ergebnis. Hughes sagte TechCrunch, dass es dem Unternehmen weniger darum gehe, Frontier-Systeme zu schlagen, als darum, wie Faraday gebaut wurde. Er beschrieb den vorgesehenen Agenten als einen Kollaborateur, der mit unerwarteten Experimenten und Ergebnissen zurückkommt, statt einfach nur Antworten zu produzieren, die darauf ausgelegt sind, den Nutzer zufriedenzustellen.

Was die Behauptung für KI-Entwickler und Unternehmen bedeutet

Für KI-Entwickler wirft Faraday eine wachsende Designfrage auf: Sollten Agenten auf Gesprächsqualität, Benchmark-Genauigkeit oder auf die Fähigkeit optimiert werden, über viele Schritte hinweg Entscheidungen zu treffen und daraus zu lernen? Wissenschaftliche Forschung legt Schwächen offen, die sich in kürzeren Workflows leichter verbergen lassen, darunter schlechte Experimentauswahl, instabile Planung, unbewiesene Annahmen und die Tendenz, selbstbewusste, aber unbelegte Schlussfolgerungen zu ziehen.

Ein kleineres Modell könnte Forschungsagenten günstiger im Betrieb machen, insbesondere wenn der Workflow viele Experimente oder wiederholte Modellaufrufe erfordert. Aber eine geringere Modellgröße bedeutet nicht automatisch geringere Gesamtkosten. Tool-Nutzung, Codeausführung, fehlgeschlagene Läufe, Datenzugriff, menschliche Prüfung und Infrastruktur können die Wirtschaftlichkeit eines Agenten dominieren, der stunden- oder tagelang arbeitet.

Unternehmenskunden sollten Faraday daher als frühes Signal und nicht als fertigen Ersatz für Forscher betrachten. Die praktischen Fragen werden sein, ob das System reproduzierbare Arbeit liefert, seine Annahmen offenlegt, einen Audit-Trail bewahrt und erkennt, wann die Evidenz nicht ausreicht. Diese Anforderungen gelten für Wirkstoffforschung, Materialforschung, Ingenieurwesen und interne F&E-Teams, in denen ein attraktives Ergebnis weniger wert ist als ein Ergebnis, das überprüft werden kann.

Inherents Einstellungspläne verorten das Produkt zudem in einem wettbewerbsintensiven Markt für fortgeschrittene KI-Talente. Laut dem TechCrunch-Bericht arbeiten etwa ein Dutzend Mitarbeitende vor Ort in London, und das Unternehmen plant, bis Jahresende auf rund 20 bis 25 Personen zu wachsen. Hughes kritisierte außerdem die britischen Garden-Leave-Beschränkungen und sagte, sie hätten seine eigene Möglichkeit beeinflusst, aus einer früheren Rolle zu wechseln.

Worauf als Nächstes zu achten ist

Der wichtigste nächste Schritt wird eine unabhängig reproduzierbare Bewertung von Faraday gegen Claude Opus 4.8 und GPT-5.5 sein. Inherent würde seine Behauptung stärken, wenn es die Paper-Auswahl, Prompts, Tool-Konfigurationen, Rechenbudgets, Fehlerraten und den Bewertungsprozess veröffentlicht.

Forscher und Produktteams sollten auch auf Belege jenseits der Replikation achten. Inherent sagt, sein Nordstern sei ein KI-Wissenschaftsagent, aber die aktuelle öffentliche Demonstration betrifft die Reproduktion bestehender Forschung. Der nächste sinnvolle Test wäre, ob Faraday neue Hypothesen generieren, Experimente entwerfen kann, die Experten als sinnvoll ansehen, und Ergebnisse produziert, die einer externen Prüfung standhalten.

Weitere Signale sind das Fehlermanagement des Systems, seine Abhängigkeit von GPT-5.5 Codex und ob Inherent Zugang für externe Nutzer oder Bewerter freigibt. Das Wachstum der Einstellungen in London kann Vertrauen und Momentum anzeigen, aber die Mitarbeiterzahl ist kein Beleg dafür, dass sich die wissenschaftlichen Fähigkeiten des Agenten verallgemeinern lassen.

Creati.ai-Perspektive

Inherents Ankündigung ist interessant, weil sie den Fokus von der reinen Modellgröße auf den Aufbau langfristiger Forschungs-Workflows verschiebt. Ein kleineres Basismodell, kombiniert mit Reinforcement Learning, Coding-Tools und Experiment-Feedback, könnte ein praktischerer Weg zu spezialisierten KI-Agenten sein, als darauf zu warten, dass jede Fähigkeit in einem einzigen Frontier-Modell auftaucht.

Die Behauptung sollte dennoch als Anfangsergebnis gelesen werden, nicht als endgültiger Sieg über Anthropic oder OpenAI. Für Entwickler ist die eigentliche Frage, ob Faradays berichteter Vorteil eine transparente Bewertung übersteht und sich von der Replikation von Papers auf zuverlässige wissenschaftliche Arbeit übertragen lässt. Diese Evidenz wird entscheiden, ob Inherent einen dauerhaften Ansatz demonstriert hat oder lediglich ein starkes Ergebnis bei einer engen Aufgabe.