Inherent, DeepMind के पूर्व कर्मचारियों द्वारा स्थापित, कहता है कि इसका AI 'टीममेट' Anthropic और OpenAI को शोध प्रतिलिपि में पीछे छोड़ गया

DeepMind के पूर्व शोधकर्ताओं द्वारा निर्मित एक ब्रिटिश AI लैब ने एक दावा किया है जो एशिया के हर डेवलपर और संस्थापक को रोक देगा: उनका AI एजेंट, Faraday, वैज्ञानिक पत्रों की प्रतिलिपि बना सकता है जो Anthropic या OpenAI द्वारा अब तक जारी किए गए किसी भी चीज़ से अधिक सटीक है। Inherent, DeepMind के पूर्व कर्मचारियों द्वारा स्थापित, कहता है कि इसकी AI प्रणाली केवल एक और शोध सहायक नहीं है — यह एक वास्तविक वैज्ञानिक टीममेट है। यदि यह बेंचमार्क जांच में खरा उतरता है, तो यह 2026 में लागू AI शोध उपकरण में हमने देखे गए अधिक महत्वपूर्ण क्षमता कूद में से एक है।

क्या हुआ

Inherent, ब्रिटिश AI लैब जिसे TechCrunch द्वारा 22 अगस्त, 2026 को कवर किया गया था, ने Faraday नामक एक AI एजेंट जारी किया। मुख्य दावा सटीक है और स्पष्ट रूप से बताने योग्य है: Faraday ने विशेष रूप से वैज्ञानिक शोध पत्रों की प्रतिलिपि बनाने के कार्य पर Anthropic और OpenAI की प्रतिस्पर्धी AI प्रणालियों को पीछे छोड़ दिया।

प्रतिलिपि एक तुच्छ बेंचमार्क नहीं है। इसके लिए एक AI प्रणाली को एक प्रकाशित पत्र को पढ़ने, इसकी कार्यप्रणाली को समझने, इसके प्रायोगिक सेटअप को पुनः बनाने, और मूल निष्कर्षों के अनुरूप परिणामों तक पहुंचने की आवश्यकता होती है — बिना प्रक्रिया के माध्यम से हाथ पकड़े। यह एक पत्र को सारांशित करने या इसके बारे में प्रश्न पूछने से गुणात्मक रूप से भिन्न है। Inherent के अनुसार, Faraday यह स्वायत्त रूप से करता है, एक उपकरण की तरह कम व्यवहार करता है जिसे आप प्रेरित करते हैं और एक सहकर्मी की तरह अधिक जिसे आप काम सौंपते हैं।

संस्थापक दल की विरासत यहाँ महत्वपूर्ण है। DeepMind ऐतिहासिक रूप से ग्रह पर सबसे कठोर AI शोध वातावरणों में से एक रहा है — AlphaFold, AlphaGo के पीछे की लैब, और सहकर्मी-समीक्षित सफलताओं की एक लंबी सूची। जो संस्थापक उस संस्कृति से निकले हैं वे आमतौर पर इस बार के साथ निर्माण करते हैं कि "यह काम करता है" वास्तव में क्या मायने रखता है। यह गारंटी नहीं देता कि Inherent के बेंचमार्क वायुरोधी हैं, लेकिन इसका मतलब है कि Faraday के पीछे की कार्यप्रणाली औसत स्टार्टअप के प्रेस रिलीज़ दावे की तुलना में अधिक रक्षणीय होने की संभावना है।

Faraday को एक "टीममेट" के रूप में स्थापित करना, न कि एक उपकरण के रूप में, जानबूझकर और दार्शनिक रूप से महत्वपूर्ण है। यह एक डिज़ाइन दर्शन का संकेत देता है: प्रणाली पर्याप्त स्वायत्तता के साथ संचालित होने का इरादा रखती है कि एक शोधकर्ता या डेवलपर एक कार्य सौंप सकता है और एक सार्थक आउटपुट की अपेक्षा कर सकता है, न कि केवल आगे के मानव कार्य के लिए एक प्रारंभिक बिंदु। क्या वह फ्रेमिंग वास्तविक-विश्व शोध वर्कफ़्लो के साथ संपर्क में जीवित रहता है यह देखा जाना बाकी है — लेकिन बेंचमार्क परिणाम इसे गंभीरता से लेने योग्य विश्वसनीयता देता है।

एशिया के लिए यह क्यों महत्वपूर्ण है

एशिया का अनुसंधान और विकास परिदृश्य एक मोड़ पर है। सिंगापुर, दक्षिण कोरिया, जापान, ताइवान, और तेजी से दक्षिण पूर्व एशिया भर के विश्वविद्यालय विश्व-स्तरीय AI और जीवन विज्ञान अनुसंधान का उत्पादन कर रहे हैं। साथ ही, इन बाजारों में से कई में शोध आउटपुट और वाणिज्यिक आवेदन के बीच का अंतर जिद्दी रूप से चौड़ा बना हुआ है। एक उपकरण जो वैज्ञानिक कार्य की प्रतिलिपि और सत्यापन को तेज कर सकता है, न केवल शिक्षाविदों की मदद करता है — यह प्रकाशित पत्र से उत्पादन-तैयार अंतर्दृष्टि तक की समयरेखा को संपीड़ित करता है।

सिंगापुर और दक्षिण कोरिया में फार्मास्यूटिकल और बायोटेक क्षेत्रों पर विचार करें, जहां शोध दल अपनी महत्वाकांक्षाओं के सापेक्ष छोटे हैं। एक Faraday-वर्ग एजेंट जो स्वायत्त रूप से प्रायोगिक परिणामों की प्रतिलिपि बना सकता है, का मतलब है कि पांच शोधकर्ताओं की एक टीम प्रभावी रूप से पंद्रह की टीम के वजन पर मुक्का मार सकती है। एक ही तर्क क्षेत्र भर की AI शोध लैब पर लागू होता है जो आधारभूत मॉडल के शीर्ष पर निर्माण करने की दौड़ में हैं — यह समझना कि पूर्व कार्य वास्तव में क्या प्रदर्शित करता है, न कि यह क्या दावा करता है, एक महत्वपूर्ण बाधा है।

एशिया टेक के लिए विशिष्ट एक भाषा और पहुंच आयाम भी है। उच्च-मूल्य वैज्ञानिक साहित्य का एक महत्वपूर्ण हिस्सा अंग्रेजी में मौजूद है, जबकि कई शोधकर्ता जिन्हें इस पर कार्य करने की आवश्यकता है वे मंदारिन, कोरियाई, जापानी, या बहासा इंडोनेशिया में काम कर रहे हैं। एक AI एजेंट जो शोध की प्रतिलिपि और संश्लेषण कर सकता है — केवल इसका अनुवाद नहीं — घर्षण की एक परत को हटाता है जो ऐतिहासिक रूप से क्षेत्र भर में ज्ञान हस्तांतरण को धीमा कर दिया है।

अधिक व्यापक रूप से, Faraday की उपस्थिति संकेत देती है कि उच्च-मूल्य AI अनुप्रयोगों की अगली लहर सामान्य-उद्देश्य चैटबॉट नहीं होगी। वे डोमेन-विशिष्ट एजेंट होंगे जिनके पास एक संकीर्ण, उच्च-दांव कार्य में गहरी क्षमता है। एशियाई संस्थापकों के लिए जो मूल्यांकन कर रहे हैं कि कहाँ निर्माण करना है, यह एक स्पष्ट संकेत है: इस अगले चरण में क्षैतिज चौड़ाई को ऊर्ध्वाधर गहराई हराता है। जो टीमें जीतेंगी वे वे होंगी जो एक डोमेन चुनते हैं — वैज्ञानिक शोध, कानूनी विश्लेषण, वित्तीय मॉडलिंग — और एक एजेंट बनाते हैं जो वास्तव में "टीममेट" लेबल अर्जित करता है।

डेवलपर्स के लिए इसका क्या मतलब है

डेवलपर्स के लिए, Faraday एक ठोस आर्किटेक्चर प्रश्न उठाता है: आप एक AI एजेंट कैसे बनाते हैं जो लंबी-क्षितिज कार्यों को विश्वसनीय रूप से निष्पादित कर सकता है ताकि इसे वैज्ञानिक प्रतिलिपि जितना सटीक कुछ के साथ विश्वास किया जा सके?

संक्षिप्त उत्तर, Inherent द्वारा जो प्रकट किया गया है उसके आधार पर, यह है कि इसके लिए एक अच्छी तरह से प्रेरित सीमांत मॉडल से अधिक की आवश्यकता है। Faraday एक बहु-चरणीय एजेंटिक प्रणाली प्रतीत होता है — एक जो कार्यों के अनुक्रम की योजना बना सकता है, उन्हें निष्पादित कर सकता है, मध्यवर्ती आउटपुट का मूल्यांकन कर सकता है, और पाठ्यक्रम-सुधार कर सकता है। यह एक पुनर्प्राप्ति-संवर्धित पीढ़ी (RAG) पाइपलाइन या एक मानक चैटबॉट इंटरफेस बनाने से मौलिक रूप से भिन्न इंजीनियरिंग चुनौती है।

यदि आप आज एजेंट बना रहे हैं, तो इस कहानी से कुछ चीजें व्यावहारिक मार्गदर्शन के रूप में सामने आती हैं:

• मूल्यांकन सबसे कठिन हिस्सा है। Inherent की Faraday को Anthropic और OpenAI से बेहतर प्रदर्शन करने का दावा करने की क्षमता केवल इसलिए विश्वसनीय है क्योंकि उनके पास एक कठोर, उद्देश्यपूर्ण बेंचमार्क था — पत्र प्रतिलिपि सत्यापन योग्य परिणामों के साथ। यदि आप एक डोमेन कार्य के लिए एक एजेंट बना रहे हैं, तो आप कोड की एक पंक्ति लिखने से पहले अपनी सफलता मीट्रिक को परिभाषित करें। "यह काम करता है" संख्यात्मक रूप से क्या दिखता है?
• कार्य अपघटन मॉडल पसंद से अधिक महत्वपूर्ण है। मॉडल एक घटक है। आर्किटेक्चर — आप एक जटिल कार्य को उप-कार्यों में कैसे तोड़ते हैं, आप विफलताओं को कैसे संभालते हैं, आप मध्यवर्ती आउटपुट को कैसे मान्य करते हैं — यह वह जगह है जहां वास्तविक इंजीनियरिंग रहती है। एक कमजोर मॉडल एक मजबूत कार्य अपघटन परत के साथ अक्सर एक मजबूत मॉडल को पीछे छोड़ देगा जो केवल अंत-से-अंत प्रेरित है।
• स्वायत्तता विश्वास स्कैफोल्डिंग की आवश्यकता है। Faraday को "टीममेट" कहना इस बात को दर्शाता है कि प्रणाली को सार्थक खिंचाव के लिए बिना पर्यवेक्षण के काम करने के लिए विश्वास किया जा सकता है। उस विश्वास को बनाने के लिए लॉगिंग, व्याख्यात्मकता, और सुंदर विफलता मोड की आवश्यकता होती है। उपयोगकर्ता एक एजेंट को नहीं सौंपेंगे जिसे वे ऑडिट नहीं कर सकते।

प्लेटफॉर्म पक्ष पर, यह बिल्कुल वह विकास पैटर्न है जिसे MonstarX समर्थन करने के लिए बनाया गया है। एशियाई डेवलपर्स जो एजेंटिक सिस्टम बना रहे हैं उन्हें ऐसे बुनियादी ढांचे की आवश्यकता है जो ऑर्केस्ट्रेशन परत को संभालता है — मॉडल को डेटा स्रोतों से जोड़ना, बहु-चरणीय वर्कफ़्लो में स्थिति का प्रबंधन, और सही कनेक्टर्स को बाहरी API और शोध डेटाबेस में उजागर करना — बिना हर टीम को उस स्कैफोल्डिंग को फिर से बनाने के लिए मजबूर किए।

Faraday की कहानी विशेषज्ञता के बारे में एक बिंदु को भी मजबूत करती है। Inherent ने एक सामान्य-उद्देश्य शोध एजेंट बनाने की कोशिश नहीं की। उन्होंने एक कार्य चुना — प्रतिलिपि — और इसके लिए कठोर परिश्रम किया। एशिया में निर्माण करने वाले डेवलपर्स को इसे गंभीरता से लेना चाहिए। व्यापक बनाने का प्रलोभन मजबूत है, विशेष रूप से जब आप निवेशकों को पिच कर रहे हों जो TAM चाहते हैं। लेकिन जो एजेंट वास्तव में अपनाए जाएंगे वे वे हैं जो एक उच्च-मूल्य चीज़ को एक मानव अकेले कर सकता है उससे बेहतर करते हैं।

एक और व्यावहारिक नोट: शोध प्रतिलिपि उपयोग केस का सॉफ्टवेयर विकास में सीधे अनुरूप है। कोड समीक्षा, परीक्षण पीढ़ी, और — सबसे प्रासंगिक रूप से — बग की प्रतिलिपि