Model od 27 milijardi parametara pobijedio Claude i GPT-5.5
Londonska laboratorija Inherent tvrdi da je njen agent Faraday nadmašio Claude Opus 4.8 i GPT-5.5 u ponavljanju naučnih eksperimenata, i to na modelu Qwen 3.6 od svega 27 milijardi parametara. Za firme koje plaćaju AI po potrošnji, ovo je podsjetnik da najskuplji model nije uvijek pravi izbor.
Rezultat nije važan zbog samog takmičenja, nego zbog toga koliko je malo računarske snage bilo potrebno da se do njega dođe.
Londonska laboratorija Inherent, koju su osnovali bivši ljudi iz Google DeepMinda, objavila je 22. avgusta rezultate svog agenta Faraday. Zadatak je bio da samostalno ponovi nalaze objavljenih naučnih radova, bez da mu se unaprijed kaže rezultat. Faraday je u tome nadmašio Anthropicov Claude Opus 5 i OpenAI-jev GPT-6, oba znatno veća modela. Ono što ovu vijest čini zanimljivom za poslovne ljude nije nauka, nego veličina modela na kojem Faraday radi.
- Inherent je londonska AI laboratorija koju su osnovali bivši istraživači Google DeepMinda
- Iz tajnosti je izašla u maju sa investicijom od 50 miliona dolara
- Njen agent Faraday radi na modelu Qwen 3.6 koji ima 27 milijardi parametara
- U ponavljanju naučnih radova nadmašio je Claude Opus i GPT-6
- Firma ima dvanaest zaposlenih i planira da do kraja godine naraste na 20 do 25
Šta se tačno desilo
Ponavljanje tuđih naučnih radova je standardna vježba za mlade naučnike. Suosnivač i glavni naučnik Edward Hughes kaže da doktoranti obično tako i počinju. Faraday je istu vježbu odradio bolje od modela koji su nekoliko puta veći od njega.
Parametri su gruba mjera veličine modela i, po pravilu, njegove cijene treniranja. Qwen 3.6, na kojem Faraday radi, ima 27 milijardi parametara. Claude Opus 4.8 i GPT-5.5 su modeli iz sasvim druge kategorije po veličini.
Hughes kaže da im rezultat nije bio poenta. Zanimljiv im je bio način na koji su do njega došli. Umjesto da agenta treniraju uglavnom na tome kako se nauka radi, oslonili su se na učenje potkrepljivanjem, metod koji nagrađuje dobar ishod umjesto da propisuje pravila. Cilj im je bio da Faraday razvije nešto što zovu naučni ukus, osjećaj za to koji eksperiment uopšte vrijedi pokrenuti.
Zanimljiv je i jedan njihov izbor. Inherent nije pravio vlastiti alat za kodiranje, nego je Faraday pustio da koristi OpenAI-jev GPT-5.5 Codex, na isti način na koji se ljudski naučnici oslanjaju na postojeći softver umjesto da sve prave sami.
Kontekst i konkurencija
Ovo se uklapa u obrazac koji se ove sedmice pojavio i drugdje. Nvidia je nedavno pokazala da okvir oko modela, način na koji mu se zadaje posao i daju alati, često više utiče na rezultat od izbora samog modela. Inherent pokazuje drugu stranu iste medalje, da dobro treniran manji model sa jasnim zadatkom može da nadmaši veći.
Za tržište je to važno jer ruši pretpostavku po kojoj velike laboratorije žive, a to je da je veći model uvijek bolji izbor. Ako se pokaže da nije, cijena AI usluga pada brže nego što se očekivalo.
Inherent radi iz Kings Crossa u Londonu, kvarta koji je prisustvo Google DeepMinda pretvorilo u jedan od najjačih AI centara na svijetu. Hughes je javno tražio i ukidanje takozvanog vrtnog odsustva, britanske prakse po kojoj radnik koji da otkaz mjesecima ne smije da pređe u konkurentsku firmu. Kaže da je i sam bio pogođen tim pravilom.
Naša perspektiva, šta ovo znači za region
Za firme u regionu ovdje su dvije praktične poruke, i nijedna nema veze sa naukom.
Prva je da najskuplji model rijetko treba za posao koji zaista radite. Agencija u Sarajevu koja kroz AI provlači stotine opisa proizvoda mjesečno gotovo sigurno plaća vrhunski model za zadatak koji manji model odradi jednako dobro. Test je jednostavan, uzmite dvadeset stvarnih zadataka, pustite ih kroz jeftiniji model i uporedite rezultat. Ako je razlika mala, razlika u računu nije.
Druga je da kvalitet dolazi iz opisa zadatka, ne iz veličine modela. Inherent je rezultat dobio tako što je precizno definisao šta znači dobro urađen posao. Prevedeno na firmu, jasan opis zadatka, primjeri dobrog i lošeg rezultata i kratka lista pravila daju veći skok u kvalitetu nego prelazak na skuplji model. To je posao koji košta nekoliko sati, ne nekoliko stotina evra mjesečno.
Vladimir Sukara
Zaključak
Ako se rezultati poput Inherentovog nastave, pritisak na cijenu vrhunskih modela raste, a to je dobra vijest za svakoga ko AI plaća po potrošnji. Pratite u narednim mjesecima koliko se otvorenih modela srednje veličine pojavljuje u ozbiljnim poslovnim alatima, jer to je pravi pokazatelj gdje ide cijena.
Ako želiš da svake sedmice dobiješ AI vijesti prevedene na jezik konkretnih poslovnih odluka, prijavi se na AI Balkan newsletter.
