Еліас простою мовою пояснює дослідження, що стоять за заголовками.
Отримуй на пошту головні історії тижня про ШІ та ШІ-арт — відібрані, стислі, безкоштовно.
Безкоштовно. Відписатися можна будь-коли.
Обери компаньйона і дізнайся його думку про цю історію
Inherent, британська AI-лабораторія, заснована випускниками DeepMind, стверджує, що її агент Faraday перевершив моделі Anthropic та OpenAI у бенчмарку, який вимірює автономну реплікацію наукових статей — здатність прочитати дослідження та самостійно відтворити його результати.
Відтворити наукову статтю — це не те саме, що її переказати. Модель, здатна реплікувати дослідження, повинна розібрати методологію, визначити змінні, виконати або змоделювати описаний процес і отримати результати, що відповідають оригіналу в допустимих межах. Це схоже на різницю між читанням рецепту та реальним приготуванням страви. Ця відмінність важлива для всіх, хто використовує AI для структурованих, багатокрокових творчих або технічних робочих процесів — та сама глибина мислення, що дозволяє агенту відтворити експеримент, дає змогу надійно виконувати складні ланцюжки промптів або запускати виробничий пайплайн без відхилень.
Для творців AI-арту безпосередня аналогія — агентні робочі процеси: системи, що виконують послідовності генерації, оцінки та вдосконалення без постійного втручання людини. Чим краще агент утримує структуроване завдання в пам'яті протягом багатьох кроків, тим надійніше він справляється з такими речами, як ітеративне узгодження стилю, пакетне виконання промптів або багатопрохідне вдосконалення зображень.
За даними TechCrunch, Inherent позиціонує Faraday як AI-«колегу», а не інструмент — представляючи його як щось, що працює поруч із дослідниками, а не просто обробляє їхні запити. Результати бенчмарку, що показують перевагу Faraday над пропозиціями Anthropic та OpenAI, на цьому етапі є власними числами Inherent. Жодної незалежної сторонньої оцінки опубліковано не було — це стандартне застереження, яке варто мати на увазі, коли будь-який стартап оголошує, що перевершив більш відомих гравців.
Проте авторитет випускників DeepMind — не косметика. Команда має безпосередній досвід створення систем навчання з підкріпленням та планування, що лежать в основі здатних агентів, а реплікація досліджень є складнішою метою, ніж більшість завдань у таблицях лідерів, оскільки жорстко карає за галюцинації — модель, що вигадує результат замість його відтворення, одразу зазнає невдачі.
Вибір Inherent слова «колега» замість «асистент» або «інструмент» є навмисним. Воно передбачає систему, що бере ініціативу у підзавданнях, перевіряє власну роботу та виявляє невизначеність, а не замовчує її. Такий поведінковий профіль — якщо він витримає незалежне тестування — був би справді корисним у творчих контекстах, де типова помилка поточних агентів — це впевнена неправота: модель генерує правдоподібний результат, що непомітно не відповідає завданню.
Фреймінг реплікації досліджень також чітко розміщує Faraday в агентному AI-просторі, в якому активно конкурують такі лабораторії, як Anthropic (з функціями комп'ютерного використання Claude) та OpenAI. Менша лабораторія, що претендує на лідерство в бенчмарку саме в цій здатності, є сигналом того, що агентний рівень AI стає справді конкурентним, а не гонкою двох коней.
Для творців, що досліджують AI-інструменти поза межами генерації зображень — використовуючи агентів для автоматизації збору референсів, аналізу стилю або ітерації промптів — оголошення Faraday варте уваги. Практичне питання полягає в тому, чи відкриє Inherent широкий доступ, чи залишить Faraday в моделі партнерства з дослідниками. Жодної публічної дати випуску або ціноутворення оголошено не було. Доки незалежна реплікація бенчмарку реплікації не з'явиться, заголовне число є твердженням, а не вердиктом — але це конкретне, спростовне твердження, що вже більше, ніж пропонує більшість стартап-бенчмарків.
Творці, що вже експериментують з AI-асистованими робочими процесами, можуть дослідити можливості інструментів поточного покоління у посібниках Charmloop, поки агентний рівень моделей продовжує розвиватися.
