Generate:Biomedicines 纳斯达克 IPO 定价，募资 4 亿美元
发生了什么：这家 Flagship 旗下公司以每股 16 美元发售 2500 万股，2 月 27 日以 GENB 代码开始交易，高盛和摩根士丹利为联席主承销商。
为什么重要：2021 年 3.7 亿美元的 B 轮，是私募资本对 AI 设计蛋白药的押注；这次 IPO 把这笔押注交给了公开市场，而它的药还在临床试验中。
Gemini Deep Think 将奥赛能力扩展到多门科学
发生了什么：Google 报告系统在 2025 年国际物理、化学奥赛的笔试部分达到金牌水平，同时提升通用推理成绩。
为什么重要：能力覆盖面扩大值得关注，但边界同样清楚：奥赛成绩证明推理能力，还不能证明自主研究能力。
Leash Bio 的 Hermes 只用公司自己的筛选数据训练，在约 1,400 万个留出的结合样例上测试，在 Leash 自己的比较里与 Boltz-2 接近
发生了什么：Hermes 是刻意做得很小的模型，用 Leash 的 DNA 编码库筛选数据训练（2025 年 7 月版）。Leash 在四组测试上评估，共约 1,380 万个样例：新蛋白（164 个靶点）、新化学库（59 个）、公开的 ChEMBL 衍生集（403 个）和 MF-PCBA（26 个）。它在四组中的三组胜过 XGBoost 基线，在 Leash 自己的化学上略好于 Boltz-2，在 MF-PCBA 上落后。两者在新化学库上都表现不好，只有 BRD4 例外，Boltz-2 接近满分，Leash 认为是因为 PDB 里有来自该库分子的结构。
为什么重要：结合预测模型通常在训练时见过的同一批化学家做的分子上测试，高分可能只是认出了他们的风格。Leash 用别人没做过的化学训练，并在比通常大得多的测试集上评估，其中两组可以下载，高分因此较不容易是这个原因。
证据与边界：所有比较都是 Leash 自己做的；论文说 Boltz-2 可能在训练中见过一部分 MF-PCBA 数据，并且 Boltz-2 只在每组约 5 万个样例的子样本上运行。在新蛋白那一组 XGBoost 胜过 Hermes，Leash 在那里发现了泄漏；两个模型在新化学库上都表现不好。文章并不声称 Hermes 是更好的模型。
波士顿大学的物理学家用线性方法追平单细胞基础模型，在把细胞类型标注迁移到新物种上超过它们
发生了什么：Huan Souza 和 Pankaj Mehta 在相同的数据划分上重跑了 TranscriptFormer、Geneformer、UCE、scVI 和 ESM2-CE，与自己基于归一化和线性方法的流程比较。在八种哺乳动物之间迁移睾丸细胞的类型标注，他们的方法 scTOP 平均 macro F1 为 0.679，Geneformer 为 0.639，TranscriptFormer 为 0.515。在 26 个组织的人类细胞类型分类上，他们的线性流程得 0.887，TranscriptFormer 为 0.911；区分感染与未感染细胞时，另一个流程与 TranscriptFormer 接近。
为什么重要：TranscriptFormer 的《科学》论文用跨物种结果证明“在进化尺度上预训练能提升生物学泛化”，这类结果也是把单细胞基础模型当作虚拟细胞工作基础的理由。如果一个没有参数的投影方法在跨物种迁移上胜过它们，简短的线性流程在其他任务上也接近，这些基准就说明不了预训练带来了什么；资助或开发这类模型的人，每次比较都需要一个线性基线，也需要比细胞类型标注更难的任务。
证据与边界：这些流程是作者自己的方法，人类细胞类型和感染任务的流程按任务调过；在人类细胞类型分类上仍落后于 TranscriptFormer。跨物种测试只用了一个睾丸数据集，并限定在直系同源基因上。作者说结论只限于现有图谱和基准，发育时间序列或多模态数据这类任务可能需要更大的模型。预印本。
Isomorphic Labs 发布技术报告称，其药物设计引擎 IsoDDE 在最难的陌生蛋白-配体案例上准确率是 AlphaFold 3 的两倍，但基准由自己评测，方法未公开
发生了什么：在 Runs N' Poses 基准里与训练数据最不像的案例中，IsoDDE 对 60 个配体中的 30 个给出正确结合姿态，其中 17 个 AlphaFold 3 失败。在 334 个与训练集不像的抗体-抗原对上，39% 的预测达高精度，是 AlphaFold 3 的 2.3 倍、Boltz-2 的 19.8 倍。它预测结合强弱，在公开数据集上胜过自由能物理方法；按一项指标，找口袋能力是 P2Rank 的 1.5 倍。报告只给结果，不介绍模型，也不开放。
为什么重要：AlphaFold 类模型在与训练数据不相似的口袋和抗体上大多会失败，而新药恰恰在这些地方。这份报告称 Isomorphic 已大幅缩小了这个差距，公司 21 亿美元 B 轮的钱也有一部分投向这个引擎。但所有数字都由 Isomorphic 自己计算、自己打分，方法不公开，外部团队无法检验。用它设计的分子还没有任何公开结果。
Terray 的 TerraBind 用粗粒度结构，结合亲和力预测的相关性比 Boltz-2 高约 20%，推理快 26 倍
发生了什么：这篇 arXiv 预印本不再用全原子扩散，只用蛋白 C-beta 原子和配体重原子。论文报告在 CASP16 和 Terray 自有的 18 个实验上，皮尔逊相关系数比 Boltz-2 高约 20%。
为什么重要：筛几百万个分子需要便宜的模型。这些都是软件里的分数，18 个实验的数据集是自有的，外部无法复现。
望石智慧发表开源工具 HEAD：以接近量子化学的精度，挑出 AI 生成三维分子里不合理的原子和过度扭曲的化学键
发生了什么：望石智慧樊帆、黄波等人与北大合作者在《自然·通讯》发表 HEAD（高能原子检测器）：一套检验生成模型所产三维分子的两阶段开源方法。一个 AI 力场挑出被周围环境推高能量的原子，另一个训练到密度泛函精度的网络挑出扭转能超过 2 kcal/mol 的键。在真实测量的 LigBoundConf 和 CSD 构象上，HEAD 像 PoseBusters 一样保留 95% 以上的有效结构，但还能抓到后者漏掉的高能异常。
为什么重要：生成模型源源不断地吐出候选三维分子，难点在于把物理上合理的和扭曲的分开，而常用的检验要么是快但粗的几何规则，要么是慢而不准的力学能量。HEAD 想要在能筛大批量的速度下给出接近量子化学的判断，并把一个分数糊在一起的两种毛病分开：一个原子处在不可能的位置，和一个键被扭成高能构象。因为开源，别的团队可以用同一把尺子来衡量生成的分子。
证据与边界：这个检验器的验证，靠的是它能多好地认出已知良好的构象、又挑出被扰动的构象，而不是在真实设计任务里带来下游收益。“有效”和“合理”由作者自己的能量阈值划定（扭转为 2 kcal/mol）。对照只有 PoseBusters 一种；被检验的五个生成模型只是被点名，这里并没有重新训练或改进它们。
只数化合物处理后剩下多少细胞，就能把常用生物活性基准预测得和 Cell Painting 模型差不多，因为其中许多检测测的其实是细胞死亡
发生了什么：当时在剑桥大学与布罗德研究所的 Srijit Seal，联合 Anne E. Carpenter、Andreas Bender、Ola Spjuth 和 Axiom Bio 的四位科学家（含联合创始人 Alex Beatson），只用一个特征重跑了四个已发表的基准：还剩多少活细胞。在 209 项检测的基准上，只数细胞的平均 AUC 为 0.68，用完整 Cell Painting 特征的网络为 0.67，直接读图的模型为 0.73。数细胞预测得好的 66 项检测里，64 项是肿瘤细胞生长测试。
为什么重要：细胞图像和基因表达谱被当作关于化合物作用的额外信息提供给药物发现。这些基准证明不了这一点，因为杀死细胞的化合物在其中许多检测里都会显得有活性。论文的办法是加一个数细胞的基线，并剔除细胞活力检测；在清理后的 24 项蛋白靶点检测上，Cell Painting 模型的平衡准确率为 0.67，数细胞为 0.52。
证据与边界：这是对公开基准的重新分析，新数据只有六个化合物的剂量反应图像，用作示例。清理后的基准也很小，24 项检测、269 个化合物。四位作者来自出售药物毒性预测的 Axiom Bio；论文声明 Carpenter 与 Shantanu Singh 为使用 Cell Painting 的公司担任顾问。
上海人工智能实验室开源 Intern-S1-Pro
发生了什么：这款万亿参数混合专家科学模型每次推理激活 220 亿参数，聚焦科学推理。
为什么重要：它把科学基础模型推进到开放生态竞争中，让能力主张不再只能由单一实验室自证。
OpenAI 与 Ginkgo 报告：GPT-5 驱动自主实验室，降低无细胞蛋白合成成本
发生了什么：GPT-5 在 Ginkgo 云实验室中六个月分六步，共跑了 580 多块板、3.6 万种反应配方。模型蛋白每克成本从 698 美元降到 422 美元，产量提高 27%。
为什么重要：真实硬件闭环，有成本数字。但实验在两家公司自己的实验室做，对照的是别组的预印本，12 个蛋白只有 6 个在凝胶上可见。
11 位数学家公开 10 道未发表的研究级问题，检验 AI 能否证明他们已证明的结果
发生了什么：Mohammed Abouzaid、Martin Hairer、Nikhil Srivastava、Lauren Williams、Rachel Ward 等 11 位数学家，公开了各自研究中出现的 10 道题，每道都已由出题人用五页以内证明且未上网，答案 2 月 13 日公布。作者 2 月初用 Gemini 3.0 Deep Think 和 ChatGPT 5.2 Pro 自测，结果随答案一并公布：多数最佳答案有缺陷，两道基本正确，其中一道比出题人的方法更好。
为什么重要：多数数学基准用竞赛题。这些题来自真实研究的最后一步，答案不在网上，模型没法直接查到。作者的点评写明了失败的样子：把主页上的一份草稿当成证明、编造引理、改解一道更容易的题。6 月又出了第二批十道题，并为 AI 的解答附上审稿报告。
证据与边界：十道题由出题人自己评判，作者自己也说这还算不上基准。未发表不等于网上没有相关内容：Hairer 那道题在他主页上有一份简短草稿，第 9 题与一篇 2024 年论文相近，第 10 题最佳答案的关键思路已见于一篇 2016 年的 arXiv 论文。