英国人工智能初创公司 Inherent 近日发布了一款名为 Faraday 的 AI 代理，并声称该模型在“科研复现”这一特定任务上，表现优于 OpenAI 和 Anthropic 的同类模型。这一声明标志着 AI 在“AI for Science”（AI for Science）赛道上的又一重要进展，也为大型语言模型（LLM）的应用场景开辟了新的可能性。
从“阅读者”到“执行者”：Faraday 的核心突破
长期以来，大型语言模型在处理复杂的多步骤任务时往往面临挑战。虽然 ChatGPT 等模型能够生成代码，但在面对真实的学术研究场景时，往往难以独立完成从阅读论文、理解实验设计、配置实验环境到编写代码并最终复现实验结果的完整闭环。
Inherent 宣称 Faraday 的优势在于其“Agent”属性。与传统的聊天机器人不同，Faraday 具备更强的自主规划和执行能力。它不仅能理解复杂的科学论文，还能自动处理实验过程中出现的意外错误，调整参数，并最终输出可验证的研究结果。这种能力的提升，意味着 AI 代理正逐渐从单纯的“知识问答者”向“科研协作者”转变。
科研复现的难度与 AI 的挑战
科研复现并非易事。它要求 AI 不仅要读懂论文中的数学公式和实验步骤，还要具备处理现实世界复杂性的能力。例如，在软件工程中，这涉及解决环境配置冲突、处理依赖库版本不兼容、调试代码运行时的报错，以及调整不稳定的超参数。传统的 LLM 往往在此过程中表现出脆弱性，难以保持长期的上下文连贯性，而 Inherent 的 Faraday 则通过其 Agent 架构解决了这些问题，展现出极高的鲁棒性。
DeepMind 背景下的技术积淀
Inherent 的团队背景颇具分量。据报道，该公司由 DeepMind 的联合创始人创立。DeepMind 一直致力于将深度学习应用于科学发现，其开发的 AlphaFold 在蛋白质结构预测领域取得了里程碑式的成就。Inherent 的成立，可以看作是这一技术理念在通用 AI 代理领域的延续与深化。
尽管具体的评测细节尚未完全公开，但 Inherent 强调 Faraday 在处理科研复现任务时展现出的推理深度和代码执行能力，标志着 AI 在垂直领域的专业化竞争正在加剧。科研复现是科学进步的基石，能够准确复现前人的研究成果，对于验证科学假设、加速新药研发以及新材料发现具有不可估量的价值。
行业影响：代理式 AI 的竞赛升级
Faraday 的推出，不仅展示了 Inherent 的技术实力，也折射出当前 AI 行业竞争的新趋势——从“模型大小”竞争转向“功能特性”竞争。
OpenAI 和 Anthropic 作为行业巨头，其发布的 GPT-4 系列和 Claude 系列模型在通用对话和代码生成上已经非常强大。然而，Inherent 通过垂直领域的深度优化，在特定的“科研复现”基准测试中实现了超越。这表明，未来的 AI 竞争将更加注重在特定任务上的专业性和鲁棒性。
此外，Faraday 的出现也预示着“Agentic AI”（代理式 AI）的广泛应用前景。随着 AI 代理能力的增强，它们将能够承担更多繁重、枯燥且需要高精度的科研工作。例如，在化学实验室中，AI 代理可以协助研究人员筛选化合物；在材料科学领域，它可以模拟数千种材料的性能。这将极大地降低科研门槛，提高科研效率。
结语
Inherent 的 Faraday 证明了，通过针对特定场景的优化，AI 代理完全有能力在专业领域挑战行业巨头。虽然科研复现只是 AI 辅助科学研究的第一步，但这一突破无疑为人类探索未知世界提供了更强大的工具。随着技术的不断迭代，我们或许很快就能看到 AI 代理真正成为科研人员的“超级队友”，共同推动人类文明的进步。
（信息来源：TechCrunch；原文链接：https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/）
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/
