Inherents Faraday schlägt Claude und GPT-5.5 – im eigenen Test
Das Londoner Lab Inherent hat einen Agenten mit 27 Milliarden Parametern gebaut, der publizierte Forschung nachbaut – und dabei laut eigenen Messungen Claude Opus 4.8 und GPT-5.5 schlägt. Der Trick: Der kleine Agent dirigiert den grossen. Eine unabhängige Nachprüfung steht aus.
Pascal Eugster
GRÜNDER & ENTWICKLER
24. AUGUST 2026
3 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Ein Agent mit 27 Milliarden Parametern dirigiert GPT-5.5 Codex und repliziert Forschung besser als die Frontier-Modelle – gemessen allerdings vom Hersteller selbst.
Das Londoner KI-Lab Inherent hat am 14. August einen Agenten namens Faraday vorgestellt, der publizierte Forschungsarbeiten selbstständig nachbaut – und dabei laut eigenen Messungen Anthropics Claude Opus 4.8 und OpenAIs GPT-5.5 hinter sich lässt. Bemerkenswert ist die Grösse: Faraday läuft auf einem Modell mit 27 Milliarden Parametern, die geschlagenen Systeme sind um ein Vielfaches grösser. Gemessen hat Inherent allerdings mit einem selbst gebauten Testverfahren.
Der Kleine gibt dem Grossen Anweisungen
Faraday basiert auf Qwen3.6-27B, einem frei verfügbaren Modell unter Apache-2.0-Lizenz. Den Code schreibt es nicht selbst, sondern dirigiert GPT-5.5 Codex als Werkzeug – Inherent nennt das «Coding Agent as a Tool». Faraday hält den Versuchsplan und entscheidet, welche Hypothese als Nächstes dran ist. Codex tippt.
Faraday steuert damit ein Modell, das laut Inherent «mehrere Grössenordnungen grösser» ist – und verbessert dessen Ergebnis.
Eine Stunde, ein Siebtel Grafikkarte
Getestet wurde auf Replica: 310 Aufgaben zu 100 Forschungsarbeiten aus den Jahren 1990 bis 2026. Aus jedem Paper wird eine Ergebnis-Abbildung entfernt, der Agent muss das dahinterliegende Experiment rekonstruieren – Budget: 60 Minuten und ein Siebtel einer H200-Grafikkarte.
Das Ergebnis gemäss Paper: Im Trainingsgebiet Machine Learning liegt Faraday auf 73 Prozent der Aufgaben vor beiden Konkurrenten, bei zurückgehaltenen Aufgaben aus anderen Wissenschaftsfeldern noch auf . Der mittlere Vorsprung im Testset: .
