Brytyjski startup Inherent pokazał agenta AI o nazwie Faraday, który odtwarza wyniki z opublikowanych prac naukowych. Według firmy Faraday wypadł lepiej niż Claude Opus 4.8 od Anthropic i GPT-5.5 od OpenAI, choć działa na znacznie mniejszym modelu: otwartym Qwen 3.6 z 27 miliardami parametrów. To istotny sygnał, bo pokazuje, że o skuteczności agenta AI decyduje nie tylko rozmiar modelu.
Inherent założyło czterech byłych pracowników Google DeepMind, a funkcję głównego naukowca pełni Edward Hughes. Startup pozyskał 50 milionów dolarów finansowania zalążkowego i niedawno wyszedł z trybu ukrytego. Firma działa z Londynu, zatrudnia około tuzina osób i planuje urosnąć do 20–25 pracowników do końca roku. Faraday, zamiast budować wszystko od zera, korzysta z zewnętrznych narzędzi i uczenia przez wzmacnianie, naśladując sposób pracy naukowców. Co ważne, Qwen ma otwarte wagi, więc taki model można uruchomić we własnej infrastrukturze. Twórcy podkreślają, że uczą Faradaya „gustu badawczego”, czyli wyczucia, które eksperymenty są warte przeprowadzenia.
„Najbardziej interesujące nie było samo pokonanie topowych agentów, choć nas to ucieszyło, lecz sposób, w jaki to zbudowaliśmy” — powiedział Edward Hughes, cytowany przez TechCrunch.
Co to znaczy dla polskiego biznesu
Dla firm w Polsce najważniejszy jest wniosek praktyczny: dobrze dobrany, mniejszy model z solidnym otoczeniem, czyli narzędziami, pamięcią, regułami i nadzorem, potrafi dorównać drogim modelom frontier na wąskim, jasno określonym zadaniu. W praktyce to otoczenie często decyduje o wyniku bardziej niż sama nazwa modelu. To realna dźwignia kosztowa: zamiast domyślnie sięgać po największe API, warto policzyć koszt na zadanie i dobierać model do konkretnego procesu.
Druga lekcja dotyczy kompetencji. „Gust badawczy”, o którym mówi Inherent, to odpowiednik wiedzy dziedzinowej w firmie. Bez człowieka, który oceni, co warto zautomatyzować, i zweryfikuje wynik, agent nie wniesie wartości. Odtwarzanie badań naukowych jest tu przykładem szerszej klasy zadań analitycznych, które można powierzyć agentom: weryfikacji danych, przygotowania powtarzalnych raportów czy sprawdzania obliczeń. Warunkiem pozostaje nadzór i jasny podział ról między model a zespół.
Źródło: TechCrunch (EN), 22 sierpnia 2026.
