Inherent, Diasasarkan oleh Alumni DeepMind, Mendakwa AI 'Rakan Setimnya' Mengatasi Anthropic dan OpenAI dalam Mereplikasi Penyelidikan

Sebuah makmal AI British yang dibina oleh penyelidik bekas DeepMind baru sahaja membuat dakwaan yang sepatutnya menghentikan setiap pembangun dan pengasas di Asia di tengah-tengah skrol: ejen AI mereka, Faraday, dapat mereplikasi kertas kerja saintifik dengan lebih tepat daripada apa-apa yang telah dihantar oleh Anthropic atau OpenAI sehingga kini. Inherent, diasasarkan oleh alumni DeepMind, mengatakan sistem AI mereka bukan sekadar pembantu penyelidikan lain — ia adalah rakan saintifik yang tulen. Jika penanda aras ini bertahan dalam penelitian, ini adalah salah satu lompatan keupayaan yang paling ketara dalam alat penyelidikan AI gunaan yang telah kami lihat pada 2026.

Apa yang Berlaku

Inherent, makmal AI British diliputi oleh TechCrunch pada 22 Ogos 2026, mengeluarkan ejen AI yang dipanggil Faraday. Dakwaan teras adalah tepat dan patut dinyatakan dengan jelas: Faraday mengatasi sistem AI bersaing daripada Anthropic dan OpenAI khususnya dalam tugas mereplikasi kertas kerja penyelidikan saintifik.

Replikasi bukanlah penanda aras yang remeh. Ia memerlukan sistem AI untuk membaca kertas kerja yang diterbitkan, memahami metodologinya, menghasilkan semula persediaan eksperimennya, dan mencapai hasil yang konsisten dengan penemuan asal — tanpa dipandu melalui proses tersebut. Ini secara kualitatif berbeza daripada meringkaskan kertas kerja atau menjawab soalan mengenainya. Faraday, menurut Inherent, melakukan ini secara autonomi, bertindak kurang seperti alat yang anda prompt dan lebih seperti rakan sekerja yang anda tugaskan kerja kepadanya.

Keturunan pasukan pengasas penting di sini. DeepMind secara historis telah menjadi salah satu persekitaran penyelidikan AI yang paling ketat di planet ini — makmal di sebalik AlphaFold, AlphaGo, dan senarai panjang terobosan yang disemak oleh rakan sebaya. Pengasas yang keluar daripada budaya itu cenderung membina dengan bar yang lebih tinggi untuk apa yang "ia berfungsi" sebenarnya bermaksud. Itu tidak menjamin penanda aras Inherent adalah kedap udara, tetapi ia bermaksud metodologi di sebalik Faraday lebih berkemungkinan dapat dipertahankan daripada dakwaan siaran akhbar permulaan biasa.

Kedudukan Faraday sebagai "rakan setim" dan bukannya alat adalah sengaja dan signifikan secara falsafah. Ia menandakan falsafah reka bentuk: sistem ini direka untuk beroperasi dengan autonomi yang mencukupi sehingga penyelidik atau pembangun dapat menyerahkan tugas dan mengharapkan output yang bermakna, bukan hanya titik permulaan untuk kerja manusia selanjutnya. Sama ada kerangka itu bertahan dalam hubungan dengan aliran kerja penyelidikan dunia sebenar tetap dilihat — tetapi hasil penanda aras memberikannya kredibiliti yang patut diambil dengan serius.

Mengapa Ia Penting untuk Asia

Landskap penyelidikan dan pembangunan Asia berada pada titik infleksi. Universiti di seluruh Singapura, Korea Selatan, Jepun, Taiwan, dan semakin meningkat Asia Tenggara menghasilkan penyelidikan AI dan sains hayat berkelas dunia. Pada masa yang sama, jurang antara output penyelidikan dan aplikasi komersial tetap membandel lebar di banyak pasaran ini. Alat yang dapat mempercepatkan replikasi dan pengesahan kerja saintifik bukan hanya membantu ahli akademik — ia memampatkan garis masa daripada kertas kerja yang diterbitkan kepada wawasan yang sedia untuk pengeluaran.

Pertimbangkan sektor farmaseutikal dan bioteknologi di Singapura dan Korea Selatan, di mana pasukan penyelidikan adalah kecil berbanding dengan aspirasi mereka. Ejen kelas Faraday yang dapat mereplikasi hasil eksperimen secara autonomi bermaksud pasukan lima penyelidik dapat secara berkesan memukul dengan berat pasukan lima belas. Logik yang sama terpakai kepada makmal penyelidikan AI di seluruh rantau yang berlumba untuk membina di atas model asas — memahami apa yang kerja terdahulu benar-benar ditunjukkan, bukan hanya apa yang diklaim, adalah halangan kritikal.

Ada juga dimensi bahasa dan akses khusus untuk teknologi Asia. Sebahagian besar literatur saintifik bernilai tinggi wujud dalam bahasa Inggeris, manakala banyak penyelidik yang perlu bertindak atasnya bekerja dalam Mandarin, Korea, Jepun, atau Bahasa Indonesia. Ejen AI yang dapat mereplikasi dan mensintesis penyelidikan — bukan hanya menerjemahkannya — menghilangkan lapisan geseran yang secara historis telah memperlahankan pemindahan pengetahuan di seluruh rantau.

Secara lebih luas, kemunculan Faraday menandakan bahawa gelombang seterusnya aplikasi AI bernilai tinggi tidak akan menjadi chatbot tujuan umum. Mereka akan menjadi ejen khusus domain dengan keupayaan mendalam dalam tugas sempit dan berisiko tinggi. Bagi pengasas Asia yang menilai di mana untuk membina, itu adalah isyarat yang jelas: kedalaman menegak mengalahkan lebar mendatar dalam fasa seterusnya pasaran AI. Pasukan yang akan menang adalah mereka yang memilih domain — penyelidikan saintifik, analisis undang-undang, pemodelan kewangan — dan membina ejen yang benar-benar memperoleh label "rakan setim."

Apa Ini Bermakna untuk Pembangun

Bagi pembangun, Faraday menimbulkan soalan seni bina konkrit: bagaimana anda membina ejen AI yang dapat melaksanakan tugas jangka panjang dengan cukup andal untuk dipercayai dengan sesuatu yang tepat seperti replikasi saintifik?

Jawapan ringkas, berdasarkan apa yang telah didedahkan oleh Inherent, ialah ia memerlukan lebih daripada model sempadan yang diprompt dengan baik. Faraday nampaknya adalah sistem ejen berbilang langkah — satu yang dapat merancang urutan tindakan, melaksanakannya, menilai output perantaraan, dan membetulkan haluan. Itu adalah cabaran kejuruteraan yang secara asasnya berbeza daripada membina saluran pemaparan yang diperkaya pencarian (RAG) atau antara muka chatbot standard.

Jika anda membina ejen hari ini, beberapa perkara jatuh keluar daripada cerita ini sebagai panduan praktikal:

• Penilaian adalah bahagian yang paling sukar. Keupayaan Inherent untuk mendakwa Faraday mengatasi Anthropic dan OpenAI hanya boleh dipercayai kerana mereka mempunyai penanda aras yang ketat dan objektif — replikasi kertas kerja dengan hasil yang dapat disahkan. Jika anda membina ejen untuk tugas domain, tentukan metrik kejayaan anda sebelum anda menulis satu baris kod. Apa yang "ia berfungsi" kelihatan, secara berangka?
• Penguraian tugas lebih penting daripada pilihan model. Model adalah komponen. Seni bina — bagaimana anda memecahkan tugas kompleks menjadi sub-tugas, bagaimana anda menangani kegagalan, bagaimana anda mengesahkan output perantaraan — adalah tempat kejuruteraan sebenar tinggal. Model yang lebih lemah dengan lapisan penguraian tugas yang kuat sering akan mengatasi model yang lebih kuat yang hanya diprompt dari hujung ke hujung.
• Autonomi memerlukan perancah kepercayaan. Memanggil Faraday sebagai "rakan setim" membayangkan sistem dapat dipercayai untuk bekerja tanpa pengawasan untuk rentang waktu yang bermakna. Membina kepercayaan itu memerlukan pengelogan, kebolehjelasan, dan mod kegagalan yang elegan. Pengguna tidak akan menyerahkan kepada ejen yang tidak dapat mereka audit.

Di sisi platform, ini adalah tepat jenis corak pembangunan yang MonstarX dibina untuk menyokong. Pembangun Asia yang membina sistem ejen memerlukan infrastruktur yang mengendalikan lapisan orkestrasi — menghubungkan model ke sumber data, menguruskan keadaan merentasi aliran kerja berbilang langkah, dan mendedahkan penyambung yang betul kepada API luaran dan pangkalan data penyelidikan — tanpa memaksa setiap pasukan untuk membina semula perancah itu dari awal.

Cerita Faraday juga memperkuat titik tentang pengkhususan. Inherent tidak cuba membina ejen penyelidikan tujuan umum. Mereka memilih satu tugas — replikasi — dan dioptimumkan dengan keras untuknya. Pembangun yang membina di Asia harus mengambil itu dengan serius. Godaan untuk membina secara luas adalah kuat, terutamanya apabila anda membuat pitch kepada pelabur yang menginginkan TAM. Tetapi ejen yang akan benar-benar diterima pakai adalah mereka yang melakukan satu perkara bernilai tinggi lebih baik daripada manusia boleh melakukannya sendiri.

Satu lagi nota praktikal: kes penggunaan replikasi penyelidikan mempunyai analogi langsung dalam pembangunan perisian. Semakan kod, penjanaan ujian, dan — paling relevan — mereplikasi pepijat