연구 레이더 — 27B 모델이 더 큰 모델을 ‘연구 도구’로 지휘한다

이번 주말 TechCrunch가 다시 조명한 연구 중에는 영국 Inherent Labs의 Faraday도 주목할 만합니다. 원래 연구 공개일은 8월 14일이므로 오늘 새 발표된 모델은 아닙니다. techcrunch.com, inherentlabs.ai

Faraday는 27B 파라미터 AI Scientist로, 연구 논문을 보고 정답이나 원본 그래프를 제공받지 않은 상태에서 논문의 실험 결과를 재현하도록 훈련됐습니다.

Inherent는 100개의 ML·AI-for-science 논문에서 만든 310개 replication task로 평가했고, 자사 실험에서 Faraday가 Claude Opus 4.8과 GPT‑5.5 Codex 기반 에이전트보다 높은 결과를 냈다고 주장합니다. 이는 아직 개발사 자체 벤치마크 결과이며 독립 검증은 추가로 필요합니다. inherentlabs.ai

흥미로운 구조

Faraday 자체는 27B지만 GPT‑5.5 Codex를 Tool로 사용합니다.

즉:

Faraday
 = 연구 판단 / 가설 / 감독

Codex
 = 코딩 / 실험 실행

구조입니다.

Inherent에 따르면 Faraday는 학습 시에는 더 작은 GPT‑5.4-mini를 도구로 썼지만, 추론 시 더 강한 GPT‑5.5 Codex를 사용해도 새로운 도구를 지휘하는 능력이 일반화됐습니다. inherentlabs.ai

실무 시사점

이 구조는 꽤 중요합니다.

앞으로 하나의 거대한 모델이 모든 일을 처리하기보다:

작은 Domain Agent → 더 강한 범용 Tool Agent

구조가 경쟁력이 될 가능성이 있습니다.

예를 들어 분석 시스템에서는 작은 전문 에이전트가:

무엇을 조사할지
어떤 계산이 필요한지
결과가 충분한지

를 판단하고, 실제 코드 작성이나 대규모 분석만 frontier 모델에 넘기는 방식입니다.

이렇게 하면 비용을 줄이면서 도메인 판단 능력을 별도로 학습·개선할 수 있습니다.