Inherent、小規模AIで論文再現タスクで大手を上回る

AFFILIATE_PRODUCTS:

DeepMind出身者創業のAI実験室

英国ロンドンに拠点を置くAI研究室Inherentは、Google DeepMindの卒業生によって設立された。同社は2026年8月22日、自らが開発したAIエージェント「Faraday」が特定のタスクにおいて、AnthropicやOpenAIの大型モデルを凌駕したと発表した。タスクとは、学術論文の内容を独立に再現することだ。

小規模モデルでフロンティアモデルに勝利

発表の核心にあるのは、モデル規模の差異である。Faradayは270億（27B）パラメータを持つ「Qwen 3.6」という比較的小さいモデルの上で動作する。対照的に、競合のAnthropic「Claude Opus 4.8」やOpenAI「GPT-5.5」は、はるかに大規模なフロンティアスケールのシステムだ。TechCrunch AIのAnna Heimの報道によれば、Inherentの此次の成果は、パラメータ数という尺度で見ると大幅な差異がある中での達成である。

「研究の味わい」を鍛える強化学習

課題は、単に再現精度を競うことではなかった。Inherentは、人間の科学者が持つ「研究の味わい（research taste）」——どの実験が価値があり、どう設計すべきかという直感——をAIに付与することを掲げた。同社の共同創業者兼チーフサイエンティストであるEdward Hughesは、この目標に到達するための鍵を強化学習に見出している。

「私たちが最も興味深かったのは、フロンティアエージェントに勝つという結果よりも、実際にこのエージェントを構築した方法そのものでした」

強化学習は、AIシステムに正しい結果を出させるたびに報酬を与える手法だ。ルールを明示的に教えるのではなく、試行錯誤を通じて汎用的な能力を獲得させる。Inherentは、科学的研究の方法論そのものを学ぶよりも、この報酬ベースのアプローチが、将来的に多分野の科学に貢献できるエージェント構築へと一般化すると判断している。

既存ツールを活用する設計思想

注目すべきは、Inherentが汎用的なコーディングツールを自社開発せず、OpenAIのGPT-5.5 CodexをFaradayに使用させている点だ。人間の科学者が自らすべてのソフトウェアを一から作るのではなく、既存の道具を使うのと同様という哲学に基づく。これは、エージェント開発における「造るべきもの」と「使うべきもの」の線引きを示す事例と言える。

編集部の見解

短期的影響 今回の発表は、AIエージェント開発における「モデルの規模至上主義」に一つの疑問符を投げかける。27Bパラメータのモデルがフロンティアモデルを特定タスクで上回るという事実は、今後6ヶ月以内に、より効率的で低コストなタスク特化型エージェントの開発競争を加速させる可能性がある。投資家や研究者は、単にパラメータ数が大きいモデルだけでなく、特定目的に特化したアーキテクチャやトレーニング手法に再び注目し始めるだろう。 長期的視点 1〜3年スパンでは、Inherentが掲げる「科学的知識の発見」が、商業的な成功と直接結びつくかが問われる。論文再現は前提であり、本当に価値があるのは仮説生成や実験設計だ。強化学習による「研究の味わい」の獲得が、多様な科学分野に汎用的に展開できるかどうかが、長期的な成功の分水嶺になりそうだ。AIによる科学の自動化は、単なるエージェント技術の問題ではなく、科学者コミュニティとの信頼関係構築も含む社会技術的な課題である。

参考

• 「Inherent, founded by DeepMind alumni, says its AI ‘teammate’ just outperformed Anthropic and OpenAI at replicating research」, by Anna Heim — TechCrunch AI, 2026-08-22T19:00:00.000Z (ARR)
• 元記事URL: https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/