科研Agent的硬验收是：不提前告知答案，独立复现已发表论文的发现。Inherent用约270亿参数底座加Agent外壳，公开宣称在论文复现上压过更大系统——再次把「外壳与训练目标」推到聚光灯下。
Inherent Labs是伦敦AI实验室，由Google DeepMind校友创立，约五周前以5000万美元种子轮走出隐身，员工约十余人，计划年内扩至约20—25人。所谓论文复现任务，白话是让Agent在不知道结论的前提下，按论文方法独立重做实验并核对结果——比「聊天里解释论文」难一个数量级；所谓「研究品味」，白话是强化学习奖励不只盯最终分数，还奖励值得做的实验设计与合理的研究路径，避免Agent用蛮力刷榜。
8月22日，公司发布Agent Faraday，公开称在论文复现任务上优于Anthropic Claude Opus 4.8与OpenAI GPT-5.5等更大系统。Faraday运行在约270亿参数Qwen 3.6上，训练侧重强化学习与「研究品味」，并调用GPT-5.5 Codex等现有工具而非重复造轮子。联合创始人Edward Hughes亦公开呼吁英国放松「garden leave」，认为人才流动限制影响创业生态。
产业观察上，小模型+RL+Agent外壳再次挑战「只有更大模型才能做科研」的直觉，与Harness讨论、伦敦DeepMind人才外溢叙事同向。对科研用户，要把「复现」与「发现」分开验收；对投资者，看点是人才外溢能否持续转化为可演示Agent。
可以把它想成：科研不是比谁字典厚，而是比谁更会设计实验——Faraday把「品味」写进奖励函数，是在赌这条曲线比单纯堆参数更陡。
需要把边界读清楚。对比为厂商公开结果；湿实验仍不可省。下一观察点是跨领域扩展能否保持性价比与「品味」可解释性。