谁能用前沿模型做生物，由安全门槛决定
如果一个大学的生物医学 AI 组因为拒答而把工作放到 Kimi K3 和 Muse Spark 上，核验计划审核谁、多快放行，就决定了学术界拿到哪一档模型。这是一个组的经验，不是统计。
AI FOR SCIENCE · 访谈
王晟：大模型能写生物医学的代码，设计实验只做到三成
核心信号
一位做生物医学 AI 的华盛顿大学教授说：前沿模型的进步主要来自写代码和跑长任务，生物医学知识没见长；它们越来越常拒答生物医学任务，他的组因此大量改用 Kimi K3 和 Muse Spark；而设计一个能真正去做的实验，模型只做到大约三成。
这次新增
记录里有模型发布方给出的分数和安全门槛，这期给的是用户这一侧：一个学术组把哪些活交给哪个模型、为什么，以及从细胞、小鼠到猴子实验各要多久，这条验证的路怎样决定 AI 制药的节奏。
当前边界
几乎全是他个人的使用体会和判断，一个组的经验；三成的说法没有说明怎么估的，拒答也没有给比例。
访谈里说了什么
进步来自写代码和长任务，不是生物医学知识
他的组已把内部的生物医学任务从 Claude 系列换到 GPT-6 Astra。好用的两点：一是 computer use，让模型去操作多年前写的、领域里人人要用却很难用的老软件；二是能连续跑 8 到 24 小时的长任务，白天用快的模型，晚上把长流程交给 Astra。但他说专测生物医学知识的基准上 Astra 没有提升。在 Terminal-Bench-Science 的生物医学题上，他自己做得不如模型，所以他认为干实验一侧的编程任务“几乎可以认为是解决了”。
拒答把研究组推向别的模型
他说 Astra、Opus 和 Fable 对生物医学任务防范得越来越严，常常拒答，这是“非常严重的问题”。他的组内部多用 Kimi K3 或 Muse Spark 1.3；要用 Astra，就得特别说明自己不是在做危险的事，比如说是在设计一个基准。他的结论是能力越强，实际用起来反而越差。
设计一个能做的实验，模型只做到三成
模型能给出一个分子，但合成路线、怎么保存、给小鼠用药的周期这些细节做得很差，要由专家来改。它也不知道一个实验室手上有哪些设备和材料：就像让厨师在只有番茄、鸡蛋和土豆的厨房里做一桌海鲜。他把要补的这块叫“human use”：AI 怎样指挥实验员和技术员去做实验。
“我觉得完成度是可能只有30%吧，很多时候是需要人类的专家去来给它修改。”王晟
验证的周期定了 AI 制药的节奏
细胞和小鼠实验几周能做完，猴子实验一次约四个月，有时要做两次；AI 制药公司通常做完猴子实验就把药授权给大药厂，前后六到十二个月。模型几个小时就能设计出分子，等动物实验做完，模型可能已经换了一代。所以他认为认真做 AI 制药的公司和前沿实验室都得有自己的湿实验室，并把实验室为 AI 重新设计：先把细胞备好，AI 一给出预测就把分子放进去。
实验快的领域先出成果，基准要没有上限
他看到的突破“几乎正比于”实验周期：酶和蛋白质这类实验快的方向会迭代得很快，衰老和罕见病会慢。一次在整只动物上跑通的实验，作为数据值几万到几十万美元。他主张的基准是做不满分的：现有药杀死 30% 的癌细胞，就让 AI 去设计杀死 40% 的，一边做一边积累数据；把基因分成致癌与不致癌这类分类题，很容易就被刷满。
改变了什么
- 此前的公开记录→
记录里的生物安全门槛是公司那一侧：Anthropic 2026-09-17 推出生命科学核验计划，通过审核的团队可放宽 Claude 的生物限制；9 月 22 日的 Opus 5.5 是第一个触发这道门槛的模型。
这次访谈新增王晟说的是用户这一侧：Astra、Opus 和 Fable 都常拒答生物医学任务，他的组因此多用 Kimi K3 和 Muse Spark 1.3，用 Astra 时要说明自己在设计基准。他没有说自己的组是否申请过核验。
- 此前的公开记录→
记录里 GPT-6 Astra 在 Terminal-Bench-Science 上的分数来自发布方：Anthropic 的 Opus 5.5 发布写 64.6%，OpenAI 的 GPT-6.1 Sol 发布写 68.1%。
这次访谈新增王晟把这些分数放回实验室里：他自己做那些生物医学题做得不如模型，所以他认为干实验的编程已近乎解决；同时他说知识类基准上 Astra 没有进步，进步来自编程和长任务。
- 此前的公开记录→
记录里的 AI 科学家条目报告的是智能体走到某个结果，比如 Anthropic 的 ART：智能体跑了 21.5 小时的普查，湿实验由人来做；没有一条说模型写的实验方案有多少能照着做。
这次访谈新增王晟给了一个估计：设计实验模型大约做到三成，其余要专家改；缺的是合成、保存、给药这些细节，以及按一个实验室现有的设备来设计。
为什么重要
会写代码不等于会设计实验
他说的缺口在实验室里：一个具体实验室的设备、材料和预算，以及合成和给药的步骤。按预测打分的基准量不到这一块，所以评测一个“AI 科学家”时要问它的方案有多少能照着做。
该在哪里期待成果
按他的说法，实验几天就有结果的酶和结合蛋白会先出成果，要等猴子和病人的药物会慢。这给读 AI 制药的新闻一个尺子：先看结果背后的实验要多久。
主张与边界
主张谁的口径目前状态
他的组把内部生物医学任务从 Claude 系列换到 GPT-6 Astra，用它的 computer use 操作老的生物医学软件，并让它通宵跑 8 到 24 小时的长任务。
当前系统
他对自己组的描述；他说没有拿客观的基准比过。
Astra、Opus 和 Fable 对生物医学任务拒答得越来越多；组内多用 Kimi K3 或 Muse Spark 1.3，用 Astra 时要说明是在设计基准。
当前系统
一个组的做法，没有拒答的比例；是否申请过 Anthropic 的核验计划没说。两个模型名是从机器转写（“keamy k3”“muse bark 1.3”）辨认的。
Astra 在生物医学上的进步来自编程和长任务；专测生物医学知识的基准上它没有提升。
受访者判断
他没有说是哪个基准。
干实验的生物医学编程已“几乎可以认为是解决了”：Terminal-Bench-Science 的生物医学题他自己做得不如模型，虽然 Astra 也只有六十几分。
受访者判断
他自己试做的感受；六十几分与记录里发布方给的 64.6% 和 68.1% 相符。
设计一个真实实验，模型大约只做到三成，其余要专家改；它不会按实验室现有的设备和材料来设计。
受访者判断
他的估计，没有说怎么估的。
他的组里，模型设计出东西后交给合作者，合作者再重新设计一套湿实验；两半没有接在一起。
尚未闭环
他自己说这样分开很低效。
细胞和小鼠实验几周，猴子实验一次约四个月，有时做两次；AI 制药公司多在猴子实验后授权给大药厂，前后六到十二个月，授权费一般在一千万美元以上。
行业背景
他对行业通常做法的描述，没有举具体公司或来源。
Adaptyv Bio 与 Anthropic 合作，以 MCP 的形式接收设计并开始实验，刚融了 4000 万美元。
行业背景
Adaptyv 自己 2026-08-25 的文章写明 4000 万美元 A 轮由 Highland Europe 领投，并说 Claude 设计的蛋白送进了它的自动化实验室；MCP 这一点没有在那篇文章里读到。
想做高价值发现的前沿实验室都得有自己的湿实验室，OpenAI 应该也会这样布局。
受访者判断
Anthropic 的湿实验室在记录里（2026-09-18）；OpenAI 的湿实验室记录里没有。
John Jumper 加入了 Isomorphic Labs。
行业背景
与记录不符：记录里 Jumper 是离开 Google DeepMind 去了 Anthropic（2026 年 6 月）。
突破几乎正比于实验周期：酶和蛋白质这类实验快的方向先迭代，衰老和罕见病慢。
受访者判断
他的判断。
接下来看什么
有没有一个公开评测让实验室照着模型写的方案去做，并报告多少步要改。
会表现为 按实际执行打分的方案评测，不是按文字比对。已有第一条证据 杜克大学的 PEARL（预印本，2026-10-21，已记入时间线）让 GPT-5.6 Terra 在一台 Opentrons OT-2 上自己定浓度和时间、做一个酶测定，八个场景都由作者设定、按作者自己的标准打分。它说明模型能在一台普通移液机器人上规划并执行实验，但量的不是专家方案中模型能做多少。通过核验的学术组拒答是否变少，还是像他的组一样继续用开放权重的模型。
会表现为 一份报告学术生物医学组用哪些模型、拒答比例多少的调查或论文。Anthropic 与 Adaptyv 的蛋白设计竞赛有没有公布 5000 多个设计的湿实验命中率，按题目分开。
会表现为 按题目给出的命中率，可以检验实验快的方向先出成果。OpenAI 有没有以自己的名义建湿实验室或签下实验验证的合作。
会表现为 OpenAI 的公告或具名合作方的公告。仍未解决 节目发布后 OpenAI 收购了 Orchestra Bio（2026-10-20，已记入时间线），那是追踪药物研发进度的统筹软件，不是实验室。
采访之后
后来出现的、检验或限制这次说法的证据，以及日期已过的目标。
王晟说模型不会按实验室现有的设备来设计实验。两天后杜克大学的 PEARL 预印本让一个通用模型接上普通移液机器人和摄像头，只给目标，它自己定浓度和时间、看出被人转了 180 度的板子。这是一张实验台、作者自己设的场景，算一个早期的反例，不是对三成那个数字的检验。时间线条目 →
读于 2026.10.25 这是《硅谷101》的一期三位嘉宾圆桌（E256，2026 年 9 月 29 日录制），本页只写王晟谈生物医学的部分（约 9 分到 12 分、25 分到 30 分、47 分到 78 分）。读的是本站用 Whisper（small 模型）从节目音频机器转写的全文，没有人工校对，转写错字不少；嘉宾姓名与职务取自节目说明和他在华盛顿大学的个人主页。后来补上了节目的 YouTube 视频（2026-10-26，同一期；文字仍来自音频转写，不是 YouTube 字幕）。另外两位嘉宾（Pokee.ai 的朱哲清谈智能体，破壳机器人的许华哲谈机器人）的部分也读了，不在本页范围内。 打开原访谈 ↗YouTube 视频（E256） ↗