投稿者 投稿日: カテゴリー AIニュース
270億パラメータのAIが論文再現で大手モデルを上回りました。
ロンドンのAI研究所 Inherent が、AIエージェント「Faraday」を公開しました。Inherent の発表によれば、Faraday は公開済みの科学論文の結論を、答えを与えられないまま独力で再現するタスクで、Anthropic の Claude Opus 4.8 と OpenAI の GPT-5.5 を上回ったとされています。注目すべきは、Faraday のベースが 270億パラメータの小型モデルだという点です。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。モデルの巨大さではなく設計で差がつく局面が、いよいよ具体例として出てきました。
何が起きたか：Inherentが公開したAIエージェント「Faraday」
TechCrunch が2026年8月22日に報じたところによると、Inherent は Google DeepMind 出身者らが立ち上げたロンドンのAI研究所で、2026年5月に5,000万ドルのシードラウンドとともにステルスを解除したばかりです。従業員は現在12人で、キングス・クロス地区のオフィスに全員が出社する体制をとっています。
今回公開された Faraday が取り組んだのは、論文の再現（レプリケーション）です。すでに公開されている科学論文について、結論を教えられないまま実験を設計し直し、同じ結果にたどり着けるかを問うタスクになります。共同創業者でチーフサイエンティストのエドワード・ヒューズは、これは人間の研究者にとっても標準的な訓練であり、多くの博士課程学生が最初に取り組む作業だと説明しています。
なお、Faraday が具体的に何パーセントの再現に成功したのかというスコアは、現時点の報道では明らかにされていません。この点は要確認です。ベンチマークの詳細条件を含め、Inherent 側の技術レポートを待つ必要があります。
なぜ重要か：モデルサイズではなく「設計」で差がつき始めた
この件で本当に効いているのは、勝ち負けの結果ではなく、270億パラメータという規模で勝負したという事実のほうです。Faraday のベースモデルは Qwen 3.6 で、パラメータ数は270億にとどまります。比較対象となった Claude Opus 4.8 と GPT-5.5 は、いずれもはるかに大規模なフロンティアモデルです。パラメータ数はおおまかにモデルの規模と学習コストの目安になりますから、桁の違う相手に特定タスクで並んだ、あるいは上回ったという構図になります。
Inherent がこれを実現した手段が強化学習です。守るべきルールを細かく書き下すのではなく、良い結果に報酬を与えて振る舞いを育てるアプローチで、同社が「リサーチ・テイスト」と呼ぶ感覚、つまりどの実験に意味があり、どう設計すべきかという勘所を身につけさせようとしています。ヒューズは TechCrunch に対し、フロンティアのエージェントに勝ったこと自体よりも、そこに至る作り方のほうが自分たちには興味深かったと語っています。
もうひとつ見逃せないのが、Inherent が自前のコーディングツールを作らなかった点です。Faraday には OpenAI の GPT-5.5 Codex をそのまま使わせています。人間の研究者が既存のソフトウェアに頼るのと同じ発想で、自社で何を作り、何を借りるかを割り切ったわけです。全部を自社で抱え込まないという判断が、12人の組織でフロンティア勢と戦える形を作っています。
今後の動き：小型モデル×強化学習の競争と、人材の流動性
Inherent は2026年末までに従業員を20人から25人程度まで増やす計画を示しています。同社が世界モデルにも野心を持っていること、そしてデミス・ハサビスの新体制で DeepMind 内部に動揺が広がっていると報じられていることを踏まえると、この採用拡大は DeepMind から移りたい人材の受け皿になる可能性があります。
ヒューズは個人的見解と断ったうえで、英国で一般的な「ガーデンリーブ」、つまり退職者が数か月にわたって競合他社への参加や起業を禁じられる慣行の廃止を求める声にも加わっています。米国の研究者は基本的にこの制約を受けないため、米国のスタートアップが採用で先行しやすいという構造があるからです。技術の優劣だけでなく、こうした雇用慣行の差が研究拠点の競争力を左右し始めています。
日本のEC事業者にとっての含意も、ひとつだけ挙げておきます。今回の件は、フラッグシップモデルを選び続けることだけが正解ではない、という補強材料になります。用途を絞り、評価基準を明確にし、既存ツールを組み合わせれば、小型モデルでも実務水準に届く領域があるということです。商品説明文の生成、レビューの分類、問い合わせの一次仕分けといった定型度の高い業務は、まさにその候補にあたります。ただし、これは今回の1件から直ちに一般化できる話ではないため、自社データでの検証は必須です。
まとめ
Inherent の Faraday は、270億パラメータのモデルでも、強化学習による訓練と既存ツールの組み合わせ次第で、はるかに大きなモデルと特定タスクで渡り合えることを示しました。具体的なスコアは未公表で検証はこれからですが、モデル選定の判断軸が「大きさ」から「設計」へ移りつつある流れを示す一例として押さえておく価値があります。
参考文献
- TechCrunch・Inherent, founded by DeepMind alumni, says its AI ‘teammate’ just outperformed Anthropic and OpenAI at replicating research
- Inherent・Training to Replicate（Faraday 研究ページ）
- tech.eu・London-based AI lab Inherent emerges from stealth with $50M raise
- TechCrunch・AI glossary（reinforcement learning）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: TechCrunch
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
