Kleines KI-Modell will Anthropic und OpenAI beim Forschen schlagen

Ein Londoner Startup mit Wurzeln bei Google DeepMind behauptet, mit einem vergleichsweise winzigen KI-Modell die deutlich größeren Systeme von Anthropic und OpenAI beim wissenschaftlichen Arbeiten geschlagen zu haben. Inherent stellt seinen Agenten Faraday vor, der wissenschaftliche Studien eigenständig nachbauen kann, und wirbt mit besseren Ergebnissen als Claude Opus 4.8 und GPT-5.5. Der Haken: Bislang stammen alle Zahlen ausschließlich vom Unternehmen selbst.

Das Wichtigste in Kürze

• Inherent wurde von ehemaligen Google-DeepMind-Mitarbeitern um Chefwissenschaftler Edward Hughes gegründet und sitzt in London.
• Der Agent Faraday basiert auf dem vergleichsweise kleinen Sprachmodell Qwen 3.6 mit 27 Milliarden Parametern, nutzt für Programmieraufgaben aber OpenAIs GPT-5.5 Codex.
• Auf dem hauseigenen Replica-Benchmark mit 310 Aufgaben aus 100 Fachpublikationen gewann Faraday laut Inherent 73 Prozent der bekannten Testfälle und 60 Prozent bei unbekannten Studien gegen Claude Opus 4.8 und GPT-5.5.
• Trainiert wurde Faraday per Reinforcement Learning, das erfolgreiche Vorgehensweisen belohnt, statt starre Regeln vorzugeben, um dem Modell so etwas wie wissenschaftliches Fingerspitzengefühl beizubringen.
• Eine unabhängige Überprüfung der Ergebnisse gibt es bislang nicht, Inherent hat weder konkrete Testaufgaben noch die vollständige Auswertungsmethodik veröffentlicht.

Was Faraday eigentlich tut

Die Aufgabe klingt nach Grundlagenarbeit für angehende Wissenschaftlerinnen und Wissenschaftler: Ein Agent bekommt eine veröffentlichte Fachstudie, jedoch ohne die dazugehörigen Abbildungen und Ergebnisgrafiken, und muss diese eigenständig aus der Beschreibung im Text rekonstruieren. Firmenmitgründer Edward Hughes bezeichnet das gegenüber TechCrunch als „Standardübung für menschliche Wissenschaftler“, vergleichbar mit dem Einstieg in ein Doktorandenstudium. Der Replica-Benchmark von Inherent deckt dafür 310 Einzelaufgaben aus 100 Studien der Bereiche maschinelles Lernen, Materialwissenschaft und Wettervorhersage ab, jeweils unter begrenztem Zeit- und Rechenbudget.

Klein schlägt groß, zumindest auf dem Papier

Bemerkenswert ist vor allem die Größenordnung: Faraday setzt auf ein Basis-Modell mit 27 Milliarden Parametern, deutlich kleiner als die Frontier-Modelle Claude Opus 4.8 und GPT-5.5, gegen die es antritt. Laut den von Inherent selbst veröffentlichten Zahlen gewann Faraday 73 Prozent der Aufgaben, die den Trainingsdaten ähnelten, und blieb auch bei komplett neuen, unbekannten Fachpublikationen mit 60 Prozent gewonnener Aufgaben vorn. Hughes betont, dass für Inherent weniger das reine Schlagen der Konkurrenzmodelle im Vordergrund stand als die Methode dahinter: Trainiert wurde Faraday per Reinforcement Learning, das gute Ergebnisse belohnt, anstatt dem Modell exakte Vorgehensweisen vorzuschreiben. Das Ziel war, dem System eine Art Forschungsgespür anzutrainieren, ein Gefühl dafür, welche experimentellen Ansätze sich lohnen.

Die Kehrseite: Selbst gemessen, selbst benotet

So beeindruckend die Zahlen klingen, so unklar bleibt ihre Belastbarkeit. Inherent hat weder konkrete Testpapiere namentlich genannt noch die vollständige Bewertungsmethodik offengelegt, wie Fachmedien wie Superpower Daily kritisch anmerken. Eine unabhängige Überprüfung der Behauptungen ist damit bislang unmöglich. Hinzu kommt ein methodischer Wermutstropfen: Faraday nutzt für die eigentliche Programmierarbeit OpenAIs Codex-Modell, das Ergebnis misst also eher das Zusammenspiel mehrerer Systeme als die Leistung eines einzelnen Modells. Und selbst die stärkste Lesart des Ergebnisses beweist zunächst nur, dass Faraday bereits bekannte, veröffentlichte Resultate nachbauen kann, nicht, dass der Agent auch neue wissenschaftliche Erkenntnisse eigenständig produzieren könnte. Ähnliche Vorsicht bei selbst veröffentlichten KI-Benchmarks empfiehlt sich generell, wie zuletzt auch eine Studie zu den Schwächen gängiger KI-Sicherheitstests gezeigt hat.

Ein Startup mit Rückenwind

Trotz der offenen Fragen zur Beweislage hat Inherent bereits Kapital eingesammelt: 50 Millionen US-Dollar Seed-Finanzierung, mit denen das Team von derzeit rund einem Dutzend Beschäftigten bis Jahresende auf 20 bis 25 Personen wachsen soll. Für Investoren zählt offenbar weniger die sofortige unabhängige Bestätigung als die Wette auf einen Trend: kleinere, gezielt trainierte Modelle könnten in eng abgegrenzten Aufgabenfeldern mit deutlich größeren Frontier-Systemen mithalten, wenn das Training auf genau diese Aufgabe zugeschnitten ist. Das würde, sollte es sich bestätigen, das reine Skalierungsversprechen der großen Anbieter infrage stellen, wonach vor allem mehr Parameter und mehr Rechenleistung zu besseren Ergebnissen führen. Für Anthropic und OpenAI wäre ein solcher Trend durchaus unbequem: Beide Unternehmen rechtfertigen ihre enormen Rechenzentrums-Investitionen bislang vor allem damit, dass größere Modelle in praktisch jeder Disziplin überlegen bleiben. Ein kleines, spezialisiertes Modell, das in einer eng definierten Nische mithalten kann, würde diese Logik zumindest für Teilbereiche durchbrechen, selbst wenn es für generelle Aufgaben weiterhin den Frontier-Modellen unterlegen bliebe.

Einordnung und Ausblick

Ob Faraday tatsächlich ein Wendepunkt für spezialisierte, schlanke KI-Agenten in der Forschung ist oder nur eine geschickt getimte Ankündigung zur Untermauerung der eigenen Finanzierungsrunde, lässt sich derzeit nicht seriös beurteilen. Entscheidend wird sein, ob Inherent seinen Replica-Benchmark tatsächlich öffentlich zugänglich macht und ob unabhängige Forschungsgruppen die Ergebnisse nachvollziehen können. Bis dahin gilt für Leserinnen und Leser die übliche Vorsicht bei selbst veröffentlichten Vergleichszahlen von Startups in einer laufenden Finanzierungsrunde: beeindruckende Prozentzahlen sind kein Ersatz für eine Überprüfung durch Dritte.