In einer Branche, in der jeden Monat jemand verkündet, ein größeres Modell als gestern zu haben, behauptet das Londoner Labor Inherent, das Gegenteil geschafft zu haben - einen Agenten, der auf einem Modell mit 27 Milliarden Parametern läuft und Systeme übertrifft, die unvergleichlich größer sind.

Gegründet wurde die Firma von ehemaligen Leuten von Google DeepMind und arbeitete bis vor Kurzem still. Vor einigen Wochen trat sie mit einer Seed-Runde von 50 Millionen Dollar aus dem Schatten und zeigt nun, was sie gebaut hat: einen Agenten namens Faraday, dessen Aufgabe es ist, die Ergebnisse veröffentlichter wissenschaftlicher Arbeiten selbstständig zu reproduzieren - ohne vorher zu erfahren, was die richtige Antwort ist.

Nach Angaben der Firma übertraf Faraday bei dieser Aufgabe Claude Opus 4.8 von Anthropic und GPT-5.5 von OpenAI - beides Modelle der sogenannten Frontier-Klasse und deutlich größer. Parameter sind kein perfektes Maß, aber sie sagen grob, was es kostet, ein Modell zu trainieren und zu betreiben. Der Unterschied ist in diesem Fall nicht kosmetisch.

Nicht das Ergebnis, sondern der Weg

„Am interessantesten war für uns nicht so sehr das Ergebnis, dass wir diese Frontier-Agenten geschlagen haben - was uns natürlich gefallen hat - sondern der Weg, auf dem wir dorthin kamen“, sagt Edward Hughes, Mitgründer und Chefwissenschaftler von Inherent.

Die Replikation fremder Arbeit klingt nach bescheidenem Ehrgeiz für eine Firma, die sagt, sie wolle künstliche Intelligenz bauen, die neues wissenschaftliches Wissen entdecken kann. Hughes verteidigt das mit einer Analogie aus der Wissenschaft selbst: „Viele Doktoranden fangen tatsächlich genau damit an.“

Die Latte, die sich die Firma setzte, war nicht nur Genauigkeit. Der Agent sollte zeigen, was sie „Forschungsgeschmack“ nennen - ein Gespür dafür, welches Experiment überhaupt lohnt und wie man es entwirft. So etwas lässt sich schwer über Regeln lernen, deshalb setzt Inherent auf bestärkendes Lernen: Das Modell wird für ein gutes Ergebnis belohnt, statt dass ihm ein Verfahren vorgeschrieben wird.

Es gibt auch eine Entscheidung, die mehr sagt als die ganze Rhetorik - Inherent hat kein eigenes Coding-Werkzeug gebaut. Stattdessen ließ es Faraday GPT-5.5 Codex von OpenAI nutzen. Es baut auf dem Konkurrenten auf, so wie ein Wissenschaftler fremde Software benutzt, statt sie von Grund auf zu schreiben.

London, zwölf Leute und ein britisches Hindernis

Das gesamte Team zählt zwölf Beschäftigte und arbeitet in einem Büro in King's Cross - einst ein heruntergekommener Teil Londons, den die Präsenz von Google DeepMind in eines der Weltzentren für künstliche Intelligenz verwandelte. „Wir glauben, dass London der Ort ist, an dem man sein muss“, sagt Hughes.

Derselbe Hughes fordert allerdings offen, die britische Praxis des sogenannten Gardening Leave abzuschaffen - das Verbot für einen gekündigten Mitarbeiter, monatelang zu einem Konkurrenten zu wechseln oder eine eigene Firma zu gründen. Amerikanische Forscher haben eine solche Pflicht in der Regel nicht, was Startups jenseits des Ozeans beim Abwerben einen Vorteil verschafft. „Das ist meine persönliche Ansicht, nicht die der Firma, aber mich hat das Gardening-Leave-Problem getroffen“, sagt er.

Das ist ein bemerkenswertes Detail für jeden, der sich fragt, warum europäisches Technologiekapital regelmäßig bei einer amerikanischen Adresse landet. Es ist nicht immer eine Geldfrage - manchmal ist es eine Frage von sechs Monaten Zwangspause, bezahlt mit einem verlorenen Rennen.

Inherent will bis Jahresende auf zwanzig bis fünfundzwanzig Leute wachsen. Angesichts der Unsicherheit um die neue Rolle von Demis Hassabis bei DeepMind wirkt ein Labor ein paar Straßen weiter plötzlich wie ein bequemer Landeplatz.