Возьмите чужую опубликованную статью и попробуйте самостоятельно повторить её результат, не подглядывая в ответ. С этого начинают почти все молодые учёные. Скучное упражнение для аспиранта оказалось неожиданно сложным испытанием для искусственного интеллекта. Именно на нём лондонская Inherent решила проверить своего агента Faraday против моделей Anthropic и OpenAI.
Результат заметили не только из-за победы Faraday, а из-за того, чем он выиграл. Против Claude Opus 4.8 и GPT-5.5 — систем флагманского калибра — Inherent выставила модель Qwen 3.6 с 27 миллиардами параметров. Параметры — это грубый показатель размера нейросети и, как следствие, стоимости её обучения. Чем меньше число, тем компактнее и дешевле система. Faraday оказался в разы легче конкурентов и всё равно справился лучше.
Секрет в методе обучения, а не в архитектуре. Команда, где трое из четырёх основателей — выходцы из Google DeepMind, сделала ставку на reinforcement learning: агента не пичкают правилами «как проводить эксперимент», а вознаграждают за хорошие решения, позволяя самому нащупать то, что сооснователь и главный научный сотрудник Эдвард Хьюз называет «исследовательским вкусом» — интуицией, какие эксперименты стоит ставить. По его словам, цель не в победе над конкурентами в бенчмарке, а в агенте, который сам приходит и говорит: «Мне стало любопытно, я провёл эксперимент — вот что получилось, что думаешь?»
Показательна экономия усилий: вместо собственного инструмента для написания кода Faraday использует готовый GPT-5.5 Codex от OpenAI — так же, как учёный-человек берёт готовое ПО, а не пишет его с нуля. Философия компании: строить узкоспециализированного коллегу, а не универсального ассистента.
За технической историей — кадровая. Inherent получила $50 млн на посевном раунде и планирует вырасти с 12 до 20–25 человек к концу года, работая полностью из офиса в лондонском Кингс-Кросс — районе, который когда-то поднял DeepMind. Хьюз публично раскритиковал британскую практику «garden leave», когда уволившимся сотрудникам месяцами запрещают переходить к конкурентам — в отличие от американского рынка, где такого барьера почти нет. На фоне разговоров о недовольстве части сотрудников DeepMind после кадровых перестановок у Демиса Хассабиса Inherent явно рассчитывает переманить бывших коллег.
Во что углубиться:
- Reinforcement learning в обучении AI-агентов: как метод вознаграждений вместо жёстких правил меняет подход к тренировке моделей
- Почему бывшие сотрудники DeepMind массово запускают стартапы в Лондоне: карта новых AI-лабораторий вокруг Кингс-Кросс
- Что такое AI world models и почему на них делают ставку конкуренты Inherent