27B小模型打败Claude和GPT：科学复现赛道的游戏规则变了

今天看到一组数据，反复确认了三遍才敢信。伦敦一家叫Inherent的AI初创公司，用Qwen 3.6这个27B参数的小模型，在科学论文复现任务上跑出了0.791分，超过了Claude Opus 4.8的0.748分和GPT-5.5的0.729分。

注意，这不是在什么小众基准测试上刷分，而是他们自己发布的Replica基准测试，专门评估AI独立复现已发表科学论文结果的能力。27B对数千亿参数的模型，这仗打赢了。

为什么科学复现这么难？

先说背景。科学论文复现一直是学术界的痛点，你看到一篇论文声称发现了新方法，但自己按步骤跑却跑不出同样的结果。这不仅仅是执行力的问题，更需要理解实验设计的逻辑、判断哪些参数是关键变量、知道什么时候该调整策略。

传统的AI模型做这个事情，基本就是按部就班地执行。但Inherent的Faraday不一样，它用的是强化学习训练出来的科学判断力，他们内部管这个叫"品味"。说白了就是，模型不光能读懂论文，还能理解为什么要这样设计实验。

27B凭什么打赢千亿参数？

这里的关键不是模型大小，而是训练方法。Inherent的创始人都是DeepMind出来的，他们的核心假设是：在特定任务上，经过针对性强化学习的中小模型，可以超越通用大模型。

Faraday跑在Qwen 3.6上面，27B参数，体量大概只有Claude Opus 4.8的几十分之一。但它通过强化学习学会了实验设计、变量控制和错误排查的能力。这就好比一个专科学历但经验丰富的实验员，可能比刚入职的博士更能搞定某些具体实验。

这件事的行业意义

这个结果之所以重要，不是因为它证明了小模型一定比大模型好，而是因为它揭示了一个趋势：AI能力的提升路径不只有一条。

过去两年行业的主旋律是"大力出奇迹"，参数越堆越多，算力越烧越大。但现在有人证明了，在垂直领域用强化学习训练中小模型，成本更低、效果更好、部署更灵活。

对开发者来说，这意味着你可能不需要调用最贵的API，一个本地部署的27B模型加上好的训练方法，就能解决很多专业问题。

Inherent的野心不止于此

这家公司刚以5000万美元种子轮走出隐身模式，团队只有12个人。他们的长期目标不是做一个论文复现工具，而是做一个AI科学家，能帮人类发现新知识。

论文复现只是起点。如果你能教会AI读懂论文、复现实验，下一步就是让它设计新实验、提出新假设。这条路走通了，AI就不再是知识的生产者，而是知识的发现者。

5000万美元、12个人、27B参数模型，干翻了硅谷几百亿美元堆出来的巨头。这个故事本身就够科幻的。