Das Londoner Startup Inherent hat die Einführung seines spezialisierten KI-Agenten Faraday bekannt gegeben, der bei der automatisierten Reproduktion wissenschaftlicher Studien Spitzenleistungen erzielt haben soll. Nach Angaben des Unternehmens übertraf der Agent, der über 27 Milliarden Parameter verfügt und auf der Architektur Qwen 3.6 basiert, in internen Tests die Leistungsfähigkeit etablierter Branchengrößen wie Claude Opus 4.8 und GPT-5.5.
Überlegenheit in der wissenschaftlichen Analyse
Die Grundlage für diese Einschätzung bildet ein vom Unternehmen selbst entwickelter Benchmark namens Replica. Dieser umfasst insgesamt 310 Aufgaben, die aus 100 wissenschaftlichen Veröffentlichungen abgeleitet wurden. In den Tests wurden zwei Hauptkategorien untersucht: Aufgaben aus dem Bereich des maschinellen Lernens (ML) sowie spezifische Aufgaben aus dem Feld „AI for Science“.
In der Kategorie der 242 ML-Aufgaben erzielte Faraday einen Score von 0,856. Damit lag das Modell vor Claude Opus 4.8, das einen Wert von 0,828 erreichte, und GPT-5.5 Codex mit einem Ergebnis von 0,796. Laut den Berichten konnte Faraday rund 73 Prozent der ML-Aufgaben für sich entscheiden.
Die rasante Entwicklung leistungsfähiger KI-Systeme bringt nicht nur technisches Potenzial, sondern auch komplexe rechtliche Anforderungen durch den EU AI Act mit sich. Dieser kostenlose Umsetzungsleitfaden bietet Unternehmen einen kompakten Überblick über alle neuen Pflichten, Fristen und Risikoklassen. EU AI Act in 5 Schritten verstehen: Jetzt E-Book sichern
In den 68 spezialisierten Aufgaben für „AI for Science“ zeigte sich ein ähnliches Bild: Hier erreichte Faraday einen Score von 0,791, while die Konkurrenzmodelle von Anthropic und OpenAI auf Werte von 0,748 beziehungsweise 0,729 kamen. In diesem Segment lag die Gewinnrate von Faraday bei 60 Prozent der Aufgaben.
Ein technisches Detail der Arbeitsweise besteht darin, dass Faraday selbst GPT-5.5 Codex als Werkzeug in seine Prozesse integriert, um die komplexen Forschungsaufgaben zu bewältigen. Das Unternehmen führt den Erfolg maßgeblich auf den Einsatz von Reinforcement Learning und eine gezielte Ausrichtung auf die methodische Qualität der Forschung zurück, die intern als „Research Taste“ bezeichnet wird.
Wer heute innovative KI-Lösungen einsetzt oder entwickelt, muss sicherstellen, dass diese den aktuellen regulatorischen Standards der EU entsprechen. In diesem kostenlosen Report erfahren Fachverantwortliche, welche KI-Systeme als Hochrisiko eingestuft werden und was konkret zu tun ist. Kostenlosen Umsetzungsleitfaden zum EU AI Act herunterladen
DeepMind-Expertise und finanzielle Basis
Das Startup wurde von ehemaligen Mitarbeitern von Google DeepMind gegründet und verfolgt das Ziel, die Effizienz in der akademischen und industriellen Forschung durch künstliche Intelligenz zu steigern. Um dieses Vorhaben voranzutreiben, konnte sich das Unternehmen eine Seed-Finanzierung in Höhe von 50 Millionen US-Dollar sichern.
Derzeit besteht das Team in London aus rund 12 Mitarbeitern. Angesichts der jüngsten Entwicklungen und des frischen Kapitals plant das Management jedoch eine deutliche personelle Expansion. Bis zum Ende des laufenden Jahres soll die Belegschaft auf eine Größe von 20 bis 25 Mitarbeiter anwachsen.
Obwohl die präsentierten Ergebnisse einen signifikanten Fortschritt in der automatisierten Forschung suggerieren, weisen Marktbeobachter darauf hin, dass es sich um unternehmenseigene Tests handelt.
Eine unabhängige Validierung der Benchmark-Ergebnisse durch externe Dritte steht derzeit noch aus. Die Veröffentlichung des Replica-Benchmarks durch Inherent wird jedoch als Schritt gewertet, die Vergleichbarkeit von KI-Systemen in wissenschaftlichen Kontexten zu erhöhen.
