ロンドン拠点のAIスタートアップ Inherent は、新しいエージェント Faraday が、公開された科学論文の結果を独立して再現するタスクで、Anthropic と OpenAI のより大規模なシステムを上回ったと述べています。この主張は、同社が1億ドルではなく5,000万ドルのシード資金調達を経てステルスを脱して以来、初めての公開デモンストレーションであり、科学的発見に貢献するAIシステムを構築するという野心の早期テストでもあります。

この比較が注目されるのは、Inherent が Faraday を 270億パラメータの Qwen 3.6 上で動かしていると述べているためです。スタートアップはこれを Anthropic の Claude Opus 4.8 と OpenAI の GPT-5.5 と比較しましたが、Inherent はそれらをはるかに大規模なフロンティアモデルだと説明しています。ただし、性能結果は同社が TechCrunch を通じて報告したものであり、公開された根拠には公開ベンチマークの方法論や独立した検証は含まれていません。

Faraday は研究再現を狙う

Faraday は、事前に期待される答えを与えられずに科学論文の結果を再現するよう設計されました。Inherent の共同創業者兼主席科学者である Edward Hughes は TechCrunch に対し、論文の再現は博士課程の学生を含む人間の科学者にとって標準的な初期課題だと語っています。

同社は、エージェントが正しい結果に到達できるかどうか以上のことを評価したと述べています。さらに Faraday に、Hughes が「research taste」と呼んだもの、つまり価値のある実験を見極め、それをどう実行するかについて妥当な判断を下す能力を示してほしかったのです。

この違いは、研究志向のAIにとって重要です。固定手順に従うシステムは既存の結果を検証できますが、有用な科学的コラボレーターは、どの問いに時間を割くべきか、どの変数を試すべきか、そして結論を正当化するのに十分な証拠が得られたのはいつかを判断しなければなりません。Inherent の長期的な目標は、1つのベンチマークや分野に限定されたツールではなく、科学分野を横断して動作できる AI科学者エージェント です。

小型モデルと異なる学習への賭け

Inherent は、Faraday の報告された結果の一因として強化学習の利用を挙げています。科学者が研究をどう行うかに関する学習データに主に依存するのではなく、同社は有益な結果を達成したエージェントに報酬を与えると述べています。このアプローチは、スタートアップが research taste と結びつける判断力を含め、より広い意思決定の勘をシステムに身につけさせることを意図しています。

この選択は、意図的な製品戦略でもあります。Inherent は Faraday 専用のコーディングツールを開発していません。同社によると、このエージェントはコーディング作業に OpenAI の GPT-5.5 Codex を使っており、人間の研究者がすべてのツールを自作するのではなく既存のソフトウェアに頼るのと似ています。

このアーキテクチャは、科学・技術エージェントを構築するチームにとって重要かもしれません。最も高性能なシステムは、単一の巨大なモノリシックモデルではない可能性があります。代わりに、専門ツール、コーディングシステム、実験環境、評価ループにつながった小さめの推論モデルである可能性があります。Faraday の報告された比較は、そのアプローチが広く優れていることを証明するものではありませんが、Inherent が探っているトレードオフの具体例を示しています。

証拠は有望だが、まだ限定的

中核となる性能の主張は Inherent によるもので、TechCrunch が報じました。入手可能なソースでは、テストした論文数、対象となった科学分野、採点基準、人間の監督の程度、Anthropic および OpenAI のシステムが同一のツールと計算条件で動かされたかどうかは明示されていません。

これらの詳細は、研究エージェントを比較するうえで不可欠です。論文の再現は、ソースコード、データセット、実験手順、計算資源が利用可能かどうかによって、難易度が大きく変わります。結果はまた、エージェントへの指示の出し方、失敗した実験の扱い方、評価者が最終回答だけを評価するのか、それとも実験過程の質も見るのかによって左右されます。

とはいえ、270億パラメータのモデルを使っているという点は、ベンダー報告として重要なシグナルです。もし独立に再現されれば、この結果は、モデルサイズだけでは長期的な科学ワークフローの性能を信頼できる指標にはできないことを示唆します。また、この特定のタスクでは、強化学習とツールのオーケストレーションが基盤モデルの規模と同じくらい重要であることも示しているかもしれません。

Inherent の説明は、意図的にリーダーボード上の結果より広いものです。Hughes は TechCrunch に対し、フロンティアシステムに勝つことよりも、Faraday がどう作られたかのほうが会社にとって重要だと語りました。彼は、このエージェントを、ユーザーを満足させるためだけの答えを返すのではなく、予想外の実験や結果を持ち帰る協力者だと述べています。

この主張がAI開発者と企業に意味すること

AI開発者にとって、Faraday は設計上の重要な問いを示しています。エージェントは会話品質、ベンチマーク精度、それとも多段階の意思決定と学習能力のどれに最適化すべきなのでしょうか。科学研究は、短いワークフローでは隠しやすい弱点、たとえば不適切な実験選択、不安定な計画、未検証の仮定、そして自信はあるが裏付けのない結論を報告する傾向を露呈します。

小さなモデルは、特に多数の実験や繰り返しのモデル呼び出しを必要とするワークフローでは、研究エージェントの導入コストを下げる可能性があります。しかし、モデルサイズが小さいからといって総コストが自動的に下がるわけではありません。ツール利用、コード実行、失敗した実行、データアクセス、人によるレビュー、インフラが、数時間から数日にわたって動作するエージェントの経済性を左右することがあります。

そのため、企業の購入者は Faraday を研究者の即時代替ではなく、初期シグナルとして扱うべきです。実際の論点は、システムが再現可能な作業を生み出すか、仮定を明示するか、監査可能な記録を保持するか、そして証拠が足りない時にそれを認識できるかどうかです。これらの要件は、創薬、材料研究、工学、社内R&Dチームに共通しており、魅力的な結果よりも、検証できる結果のほうが価値を持ちます。

Inherent の採用計画も、先進AI人材の競争市場にこの製品を位置づけています。TechCrunch の報道によると、同社はロンドンで約12人が対面勤務しており、年末までに20〜25人規模へ拡大する計画です。Hughes は英国の garden leave 制度も批判し、自身の前職からの移籍能力に影響したと述べています。

今後の注目点

最も重要な次の焦点は、Claude Opus 4.8 と GPT-5.5 に対する Faraday の独立再現可能な評価です。Inherent が論文セット、プロンプト、ツール構成、計算予算、失敗率、採点プロセスを公開すれば、主張はより強固になります。

研究者やプロダクトチームは、再現を超える証拠にも注目すべきです。Inherent は自社の北極星を AI 科学者エージェントだとしていますが、現在の公開デモは既存研究の再現に関するものです。次の意味のあるテストは、Faraday が新しい仮説を生成し、専門家が価値があると見なす実験を設計し、外部レビューに耐える成果を出せるかどうかでしょう。

その他の注目点としては、システムのエラー処理、GPT-5.5 Codex への依存、そして Inherent が外部ユーザーや評価者にアクセスを開放するかどうかが挙げられます。ロンドンでの採用拡大は自信と勢いを示すかもしれませんが、人数はエージェントの科学能力が一般化する証拠ではありません。

Creati.ai の視点

Inherent の発表が興味深いのは、注意を生のモデル規模から、長期にわたる研究ワークフローの構築へと移しているからです。強化学習、コーディングツール、実験フィードバックを組み合わせた小さめの基盤モデルは、すべての能力が1つのフロンティアモデルに入るのを待つより、専門的なAIエージェントへのより実用的な道筋かもしれません。

それでもこの主張は、Anthropic や OpenAI に対する確定的な優位ではなく、初期結果として読むべきです。開発者にとって本当の問いは、Faraday の報告された優位性が透明な評価に耐え、論文再現から信頼できる科学作業へと転移するかどうかです。その証拠が、Inherent が持続的なアプローチを示したのか、それとも狭いタスクで強い結果を出しただけなのかを決めることになります。