你把一篇论文交给AI，不告诉它正确答案，只让它照着论文重新做实验，看看能否得到相近结果。这比“读完后概括一下”难得多：AI既要理解作者做了什么，也要写代码、安排实验、核对结果，还得在失败后判断下一步。伦敦AI实验室Inherent发布的Faraday，想成为能独立完成这套流程的“研究队友”。
据TechCrunch报道，这家由Google DeepMind前员工创办、刚完成5000万美元种子轮融资的公司宣称，Faraday在论文复现任务上超过了Anthropic Claude Opus 4.8和OpenAI GPT-5.5。不过，目前所有关键结果都来自Inherent自述，尚无论文、评测报告、代码或第三方实验可供核验。
复现不是把代码抄一遍
论文复现，是根据论文中的描述重新实现方法，再检查能否得到相近结果。它同时考验阅读理解、编程、实验设计和误差分析。比如结果对不上时，系统不能只宣布失败，还要判断问题来自代码、实验设置，还是论文没有写清的细节。
这也解释了为什么复现适合检验科研Agent——一种能拆解研究任务、调用代码和计算工具，并根据实验结果继续调整的AI系统。Inherent联合创始人兼首席科学家Edward Hughes对TechCrunch说，许多博士生也从复现论文开始。对AI而言，这是一场接近真实科研流程的综合考试。
27B模型背后，还有Codex
Inherent称，Faraday的底层模型是拥有270亿参数的Qwen 3.6。参数是模型训练后保存的内部数值，常被用来粗略描述模型规模。公司把它与体量更大的Claude Opus 4.8和GPT-5.5并列比较，强调较小模型也能在特定任务中领先。
但这里有个不能略过的细节：Faraday执行编程工作时，会调用OpenAI GPT-5.5 Codex。换句话说，它不是只靠一个27B模型完成全部任务，而是一个包含外部前沿编码模型的复合Agent系统。因此，现有材料不足以支持“27B模型击败GPT-5.5”这种说法，也不能仅凭主模型较小，就推出整个系统更便宜。
Faraday采用强化学习训练——系统从结果获得奖励，而不是只照着预先写好的规则行动。Inherent希望它不仅能复现结论，还能形成所谓“research taste”：判断哪些实验值得做，以及怎样设计实验。这个目标比单纯追求答案正确更接近研究工作，但“品味”目前只是公司提出的概念，报道没有给出可验证的评分办法。
真正值得看的，是怎么比
如果科研Agent最终要发现新知识，它首先得证明自己能可靠地重建已有知识。Faraday因此值得关注：它试图把文献理解、代码编写、实验运行和结果核对串成完整闭环。Inherent的长期目标，也是开发能跨多个科学领域作出贡献的AI scientist agent。
问题在于，判断“超过”其他产品离不开基准评测，也就是用统一任务和评分方法比较系统。论文样本怎么选、成功如何定义、允许多少计算资源、有没有人工介入，都会改变结论。TechCrunch的报道没有披露这些关键设置。
局限与未知
- 没有公开基准名称、论文样本、任务数量、成功率、评分规则或统计显著性，性能排名暂时无法独立检验。
- 报道没有说明各系统获得的计算预算和人工帮助是否一致，也没有拆分Qwen 3.6与GPT-5.5 Codex各自贡献。
- “research taste”尚无公开量表；Faraday能否从复现旧论文走向发现新知识，仍是长期目标，不是已被证明的能力。
眼下更稳妥的结论是：Faraday展示了一条有意思的系统路线，但还没有提供足够证据，证明这条路线已经领先。下一步最重要的不是更响亮的模型对比，而是公开一套别人能够重复的评测。