Inherent 结束隐身：Index 领投 5000 万美元，发布 27B「AI Scientist」Faraday

8 月 14 日，伦敦 AI 实验室 Inherent 发布第一个公开成果 Faraday，一个 27B 参数的「AI Scientist」agent。，Faraday 经过 long-horizon RL 训练，「在复制研究论文的任务上超过 Claude Opus 4.8 和 GPT-5.5」。一个多小时后，报道英国和欧洲科技的通讯作者，称这家公司由 DeepMind 校友创立，「刚刚结束隐身」，拿到 Index 领投的 5000 万美元种子轮，结尾连发两个感叹：「This is VERY COOL. London AI is flying right now.」

结束隐身和融资并非这周才发生：、就已报道 Inherent 以 5000 万美元种子轮结束隐身，。8 月 14 日真正的新事件是 Faraday：官宣推文、与（编号 2608.13331，论文标注日期 2026 年 8 月 14 日）在同一天上线。

310 个任务里，27B 的 Faraday 赢过两家旗舰

论文的核心主张集中在复制研究上。作者建了一个名为 Replica 的任务集：310 个「复制论文图表」任务，来自 1990 年到 2026 年的 100 篇机器学习与 AI for Science 论文，覆盖自然语言处理、材料科学、天气预报等领域。

基线并不弱：Claude Opus 4.8 跑在 Claude Code harness 里，GPT-5.5 跑在 Codex harness 里，thinking effort 都设为 extra high。论文称，按自建的 rubric 评委打分，Faraday 在 73% 的分布内 ML 任务和 60% 的留出 AI-for-science 任务上超过两个基线；测试集平均分比 Claude 高 6%、比 Codex 高 8%。对 Codex 的 prompt 做优化，也只能略微缩小差距。人类专家在评委判定 Faraday 占优的那些 rollout 上也站在 Faraday 一边。优势最明显的是 meta-learning、结构生物学和材料科学；对较新的论文它也表现更稳，论文的说法是「对预训练时没见过的工作，它同样能应用科学技能」。

需要说明口径：所有「超过」都是论文自己报告的 rubric 分数。论文内部把 Claude Opus 4.8 简称 Claude、把 GPT-5.5 简称 Codex。

把原图涂掉，让 agent 把研究重做一遍

任务的具体形态是：agent 拿到的是被删去目标图表的论文 PDF，要在有限时间和算力预算内把那张图复现出来，全程看不到原图。Replica 用 Gemini 2.5 Pro 自动把每篇论文的结果图「涂掉」，一张被涂掉的图就是一个任务。agent 的工作环境是一台容器：任务提示、涂改过的 PDF、Codex 二进制、常用科研库、一块 H200 GPU 的 1/7 MIG 切片，以及互联网访问。

论文只记录成功的那部分，复现要求 agent「把没写进论文的 99% 汗水找回来」，这正是开放式研究所需要的假设驱动探索。论文开篇把这项工作与「复制危机」挂钩，并点名机器学习领域的问题尤其严重。研究页面还预告了课程设计：可以继续拿走论文里除单张图之外的更多信息、进一步收紧资源。

低噪声评委，和 27B 指挥 5T 的组合

长程 RL 在无法验证的领域里训练，难点是奖励信号。Inherent 的配方：先用 Claude Opus 4.7 加一个 meta-rubric，为每个任务生成专属评分细则；再用基于 Codex 的评委多采样打分，配合逐轮 credit assignment。论文称这套自动 rubric 评委比普通 LLM 评委更一致、噪声更低，并做了人类研究校验。Faraday 的底座是 Qwen3.6-27B，在 Replica 训练集上用 GRPO 的一个逐轮信用分配变体 post-train 得到。

Faraday 还把 GPT-5.5 Codex 当工具用，就像人类研究者用编码 agent。一个 27B 的模型指挥论文援引估计约 5 万亿参数的模型，还比大模型单独干得更好。论文称，Faraday 训练时用的是 GPT-5.4-mini，测试时换到更强的 GPT-5.5 Codex 也能适配。与既有的 AI Scientist agent 不同，Faraday 不需要手写进化 harness，也没有 test-time reward，论文的说法是它「学会从内在看重发现」。定性分析里，Faraday 更像人类科学家：实现论文声称的机制而不是硬编码输出、忠实于原论文规模地缩小实验、避开那些会美化自己结果的捷径。

结束隐身发生在 5 月，不是这周

Seb Johnson 的推文说 Inherent「刚刚结束隐身」。按 TNW 的报道，这个时间点要早约两个半月：Inherent 在 5 月 27 日（周三）结束隐身。TNW 5 月 30 日发稿时写道「emerged from stealth on Wednesday」，并给出融资明细：5000 万美元种子轮，Index Ventures 与 Radical Ventures 共同领投（co-led），Nvidia 旗下 NVentures、Ex/Ante、Metaplanet、Macroscopic Ventures、Mythos Ventures 参投。

领投方的表述略有出入。Sifted 写的是 Index 领投、Radical 参投；Index 官方博客的说法是「lead their $50m seed round, alongside Radical Ventures」。无论哪种口径，Index 都是主要出资方。TNW 称这是 2026 年欧洲规模最大的 AI「从隐身到公开」融资之一。

Index 合伙人 Danny Rimer 在融资报道中给出投资逻辑：现有 AI 擅长回答问题，但「搞不清哪些问题值得问——正是这种开放式好奇心催生了青霉素、微波炉和 GPU」。Index 博客则写道，AI-native science「会和过去 400 年的科学方法完全不同：更凌乱、更难读，但可能带来非凡的产出」。Inherent 注册为 public benefit corporation，即公益公司，需要在股东回报之外考虑社会影响。

四位创始人：DeepMind、白宫，和一位合唱指挥

创始团队四人。Tantum Collins 与 Edward Hughes 在 DeepMind 时合作研究 cooperative AI，Collins 之后去了白宫处理 AI 政策事务；Hughes 还有一个平行职业：职业合唱指挥，Index 博客说他这段经历反过来滋养了他在 AI 系统文化演化方面的研究。Louis Kirsch 同样出身 DeepMind，其 X 简介写着「PhD @SchmidhuberAI」；Kaloyan Aleksiev 来自 Reka AI 与微软，在 Faraday 论文里标注为 infrastructure lead。四人都出现在论文作者名单中，论文第一作者是 Damon Falck 与 Samer Sabri，Kirsch 和 Hughes 是共同最后作者。Entrepreneur First 联合创始人、前英国政府 AI 顾问 Matt Clifford CBE 加入担任顾问，他当时在 X 上写道：「Teddy、Ed、Kally 和 Louis 是我见过的最令人印象深刻、最有想法、最有雄心的创始人之一。」Index 博客还提到，早期天使投资人与员工里有技术 AI 安全和 AI 民主应用背景的人。

共同创始人 Kirsch 在发布当天说：「我们对第一个公开的 AI scientist 成果非常兴奋。At Inherent，我们在训练具备科学智能的 agent。」

「为什么比 Opus 4.8，而不是 Opus 5？」

Seb Johnson 的推文截至 8 月 15 日约有 395 次点赞、2.9 万次浏览；Inherent 官宣推文约有 1340 次点赞、21.7 万次浏览。回复里很快有人追问版本问题。格拉斯哥用户 Thomas Clark 在回复里：「But we are on opus 5 so why compare to opus 4.8?」论文列出的基线就是 Claude Opus 4.8 和 GPT-5.5，两个模型的 thinking effort 均设为 extra high。

其他提问集中在泛化。Meta FAIR 的研究工程师 Tom Mann，复制很有意思，但他更想知道 Faraday 在真实研究任务上表现如何。自称 Medium 上关注者最多的 AI 分析师 Ignacio de Gregorio结果和论文都很酷，但「主要问题是复制这个不寻常的训练目标如何泛化」。也有直接泼冷水的：Axiom 创始人、伦敦 AI 社区组织者 Gerard Sans「那主要是炒作，大量证据表明前沿模型有 RL、规模或更好的 harness 都解决不了的严重问题」。

Inherent 在研究页面给出的下一步是：调查这套方法如何推进 scalable oversight、减轻 reward hacking，并让 Faraday 的改进在公司内部「复合」起来。论文为复制课程预告的最后一级是：把图涂得更狠、把资源收得更紧，甚至把论文想象出来，让同一个 Faraday 模型在不知情的情况下创新。