发生了什么：通过 Fairwind Program 先向受信任的网络防御方有限开放。Google 报告 DeepSWE v1.1 得分 77.9%，CWE-bench v1 得分 68%（并列第一）；推出时的介绍价为每百万输入、输出 token 2 美元、10 美元。
为什么重要：Google 自己举的科学例子：Argon 优化量子子程序的 qubits × gates，有一例数分钟内比已发表基线好 40%。没给电路、基线和验证，只是说法。
发生了什么：给蛋白序列和 AlphaFold 3 结构加水印而不损功能。三个靶点的湿实验中，加水印结合蛋白的命中率与亲和力同未加水印的相当。
为什么重要：为 DNA 合成筛查提供辨别 AI 设计序列的手段。这只是概念验证，DeepMind 称抗蓄意篡改仍待解决。
发生了什么：创始人 Alex Higginbottom 和 Abetharan Antony 从 Backed、Lunar Ventures、Seraphim Space、MMC Ventures、SOSV 及天使投资人处融资；未写明领投方。融资由公司确认。
为什么重要：押注学出来的模型能替代要跑几天到几个月的仿真。“一次仿真的时间里评估一百万个设计”是公司自己的说法，两篇报道都没给出结果。
发生了什么：SURPASS 包括数字孪生试验模拟、缩小对照组的实时分析，以及负责中心启动的 AI 智能体；另有三个小项目管试验中心、知情同意和患者数据。未公布资金额度，今秋征集方案。
为什么重要：美国机构押注模拟试验和智能体能缩短药物开发周期、降低成本。目前只是计划，没有迹象表明监管机构会接受。
发生了什么：多年期合作：OpenAI 授权使用 Synopsys 的设计自动化工具来训练模型，用于功耗性能面积优化、时序收敛和验证。已与未具名芯片客户早期合作，未披露条款和上线时间。
为什么重要：前沿模型学着操作专业仿真软件，这一模式可能延伸到材料和器件。目前只是计划：没有结果，也没有客户名。
发生了什么：Boris Yakobson 的莱斯大学课题组从 15 篇近期论文做出任务。模拟事先跑一次，智能体准备输入或分析输出，用固定规则打分，不用大模型裁判。长流程和减少指引会拉低通过率。
为什么重要：单个步骤大多已能做；拉开差距的是流程长度和指引多少。长流程里 50 次失败有 38 次是科学判断错，比如无视自己输出里的警告。一个课题组的预印本。
发生了什么：Profluent 的蛋白质语言模型调用其称有超过 1150 亿条蛋白序列的图谱来生成候选酶，BioMarin 负责筛选，并可能把部分候选推进到临床前，方向是基因明确的疾病。公开表态的是 Profluent 首席执行官 Ali Madani 和 BioMarin 代谢疾病研究负责人 Pooja Agarwal。双方都没有给出财务条款。
为什么重要：一家罕见病药企的酶设计来自模型公司，而不是自己做模型。这是一份研究协议：没有分子、没有数据，也没有披露金额。
发生了什么：Threshold Ventures 领投，Informed Ventures、Alpaca VC、VitalStage Ventures、Correlation Ventures、DarkMode Ventures 及多位天使投资人参投。这家旧金山公司做 Aristotle（帮科研人员提出假设、权衡证据的研究助手）和 Columbus-1（面向长周期科研问题的自主研究系统）。CEO Joseph Reth 曾领导 AI 实验室 Lossless Research；联合创始人 Eike Gerhardt 曾做风险投资，首席科学家 Lawrence Callahan 是化学家，曾在 FDA 和 NIH 工作。未披露估值。
为什么重要：它押的是：科学缺少数学和代码那种可以核对的奖励信号，所以要用专家科学家在真实问题上的判断来构建这种信号。这轮钱用于招人和研究。公司目前展示的都来自它自己：2025 年自报的基准成绩、它所称使用 Aristotle 的机构名单，以及它自己论文里 Columbus-1 的结果；都还没有外部检验。
发生了什么：CDC 9 月 30 日发布 FluSight 季末评估，给 2025 年 11 月到 2026 年 5 月每周提交的各州流感住院人数预测打分。Google_SAI-FluEns 的相对加权区间分数最好，为 0.56（直接沿用上周数字的模型记为 1.0）；其后三个模型都是 0.58，CDC 自己的集成预测 0.62，排第七。Google 说这个模型是用 ERA 做的：ERA 用大语言模型加树搜索编写科学软件，5 月发表于 Nature。
为什么重要：这些预测是在住院数据出来之前逐周提交的，由 CDC 而不是 Google 打分。Nature 论文里与之相当的说法，即胜过 CDC 的新冠集成预测，是用历史数据做的回溯研究。不过领先很小：0.56 对另外三个模型的 0.58，只有一个中等强度的流感季，而且 39 个模型里有 33 个都胜过基线。一个流感季说明不了用 ERA 做出的模型会一直领先。
发生了什么：Edison Scientific 发表案例研究（作者为 Sam Rodriques 等），报告 Kosmos 在 Population Health Partners 一个准备做 2b 期试验的药物项目上做了什么。为法规写作训练的版本在双方共建的基准上得 81.5%，通用模型为 65.5%。它找出 Edison 故意埋进一份非临床综述的 98% 的错误，还发现一处约十五人审过都没看出的真实错误；起草非临床综述用了 4.2 小时，专家约需 100 小时。
为什么重要：IND 是向 FDA 申请开始人体给药的文件，通常要一个团队做三到四个月，出一处错就可能让试验被叫停。Edison 此前宣布部署时没有给数字，这一次给了，而且落在法规文件上，药物开发方在这里直接为时间付钱。PHP 预计在第二个项目上把 IND 准备时间从约四个月压到一个月。
证据与边界：全部由 Edison 撰写并打分，只引了一位未具名 PHP 成员的话。只有一个项目，基准是双方自建的，查错用的是故意埋入的错误而非盲审。每个项目多收回 9900 万美元销售额、从 1 期到上市缩短两年，都是推算而非结果。FDA 对这些文件的反应没有披露。
发生了什么：dots 基于 GPT-6 Astra，有自己的云端电脑，可连接 4000 多个应用。Codex 可在云端用共享环境运行；Space 页面由团队和智能体一起编辑。
为什么重要：这些是日常工作工具的升级：无人看管也能持续工作的智能体、共享编程环境、会自己更新的文档。dots 用的正是前一天被 AISI 点名的模型。
发生了什么：Cho 与联合创始人 Keunwoo Choi、Henri Dwyer、Jeff Hammerbacher、Elman Mansimov 要做以患者为中心的健康基础模型。Thoreau 承诺出资 5 亿美元，结构未披露。
为什么重要：一家健康 AI 实验室，一开始就有出资方旗下的医疗业务作客户。承诺不等于已募资，通稿也没给出任何模型或结果。
发生了什么：Bloomberg 经 Quartz 转述：洽谈仍在早期，可能变动，由投资方推动。Sam Altman 称 OpenAI 今年不再推进上市。上一轮是 3 月的 1220 亿美元，投后估值 8520 亿美元。
为什么重要：这是 Prism 和 FrontierScience 背后那家实验室的资金。只是匿名消息源称的洽谈，OpenAI 未确认。此前《华尔街日报》称 CFO Sarah Friar 质疑公司能否满足公开市场的要求。
发生了什么：同一道题、同一个答案，换八种输入。最难的题族上，结构化输入比只给化学式高 17.3 分；但它比朴素图高出的 19.3 分，多半是因为基线缺了字段。
为什么重要：作者自己拆穿了头条数字：结构化输入的提升，可能只是基线缺字段。只测了一个 27B 模型（每种输入各微调一次），用的是他们自己的基准。
发生了什么：改动过规律的世界，如指数为 2.3 的引力。一个 Claude Code 智能体 20 次评分试验中，8 次预测通过、5 次找回规律。阻力：5 次预测准、1 次找到规律；引力：1 次预测准、4 次找到。
为什么重要：预测通过不等于找到了规律。单个作者、单个智能体，计划 60 次只评了 22 次，熟悉规律的对照几乎没有，只能说明差距存在，说明不了原因。
发生了什么：每百万词元输入 2 美元、输出 10 美元、缓存输入 0.10 美元，约为 Astra 的五分之一。报道的 Terminal-Bench Science 准确率为 57.0%，Astra 为 68.1%。可在 ChatGPT Work、Codex 和 API 使用。
为什么重要：长程科学智能体的运行成本大降，但 Sol 解出的任务更少，失败代价低时才划算。这是模型发布，不是科学结果。
发生了什么：斯图加特与多伦多的团队把晶体编码成一个全局潜变量，再用可学习的槽位并行解码全部原子。QMOF 上结构有效率 74.8%，训练数据 80.3%，Mofasa 52.9%。代码已开源。
为什么重要：较大体系的全原子生成在结构层面可行。但 98.3% 的有效样本与训练结构匹配，有效性只是软件检查，不代表稳定或可合成。
发生了什么：Quine 跨基因组、蛋白、化学、RNA 与细胞状态、生物成像一起学习，另有一套把模型、工具、文献和研究者连起来的框架。微软称与 Broad 研究所在胰腺癌细胞系上合作，排名最高的化合物把肿瘤从经典型推向基底型的幅度最大，筛选只花了一个周末；反方向的效果较弱。没有论文，使用权限只开给 Quine Fellows 计划和部分合作方。
为什么重要：微软把五类生物数据放进一个模型，并称湿实验检验了它的排序。唯一的来源是这篇博文：没有论文、没有数字、没有数据。文中还说细胞走向了第三种状态，并称这正是 Quine 预测到的，而外界无法核对。
发生了什么：上海人工智能实验室、上海交通大学与上海创智学院的作者，把 2025 年 232 篇有机方法学论文的 552 张条件筛选表做成 4773 道题：可选的催化剂、配体、溶剂、温度都是化学家真做过的记录，按论文的产率与选择性打分。九个前沿模型和三个化学模型受测，分有先例与无先例两种。最好的离满分仍远；化学专用模型在要同时定多个条件时掉到随机基线。
为什么重要：已有的化学基准让模型给反应归类或写 SMILES；这个基准问的是方法学化学家要做的判断，并给每道题配上“有先例”和“无先例”两种设定，把读文献和背下来分开。开源权重模型在单维选择上已追上专有模型的大部分领先，但在整套条件上没有；作者称测试集将通过研究用途协议提供，论文中没有给出链接。所有分数都是对照论文中已有的数字算出来的（没有为此做任何反应），所以它衡量的是在纸面上选条件，不是在瓶子里拿到产率。
发生了什么：这项工作研究金属如何吸收和透过氢，目标是让氢通过、把废气流中其他气体挡住的分离膜。钯是标准的膜材料，价格高；测试一种替代材料，过去要手工制作合金薄带，再逐个做几天到几周的温度和压力测试。桑迪亚研究员 Vitalie Stavila 说，能驱动机器人合成、再把实验结果反馈到桑迪亚的研究中，是双方合作的重要原因。公告没有给出金额、期限或合金名单。
为什么重要：一家国家实验室在一家初创公司的自动化实验室上做材料搜索；这个问题的难处在于透氢快的膜往往很快变脆。此前 Radical AI 已与美国能源部签署谅解备忘录，普渡大学也对它的合金做过火焰测试。
证据与边界：这是 Radical AI 自己发布的文章，没有找到桑迪亚的公告。目前没有结果，双方称会在工作推进中公布。
发生了什么：这家波士顿公司的新闻稿点出三样东西：读组织图像的视觉模型 TRACE；把模型所见写成文字的 ToxScribe；以及病理学家据以审阅整项研究的 Tremont Studio。首席执行官 Luca Weishaupt 在 Faisal Mahmood 的实验室读完博士；科学联合创始人是 Mahmood（主管麻省总医院布里格姆 AI 研究所）、麻省总医院的 Long Phi Le、Guillaume Jaume 和 Jakob N. Kather。相关技术由该院独家授权，新闻稿没有点出任何融资、投资方或客户。
为什么重要：一款药到人身上之前，病理学家要一张切片一张切片地读完做过试验的动物的组织，项目就卡在这一步的阅片上。这类模型最先用于癌症诊断；这次是同一个实验室的技术被搬到决定管线能否往下走的安全性试验上，也是这批创始人做出的第二家公司：第一家 Modella AI，今年被阿斯利康买下。
证据与边界：公司发布本身不构成任何测量：新闻稿没有分数，没有研究数量，也没有任何合作方的结果。被授权模型已发表的东西是 2024 年 Guillaume Jaume 等人的一篇 bioRxiv 预印本：TRACE 用 157 项临床前研究、46,734 张大鼠组织切片上的 1500 万张图像训练，在其作者自己做的阅片研究里，与共识意见的一致程度高于十位获认证兽医病理学家的平均水平。
发生了什么：World Labs 做能生成 3D 场景并用于机器人训练仿真的模型。李飞飞将加入 AMD 任首席科学家，向苏姿丰汇报。交易预计 2026 年底前交割。
为什么重要：李飞飞押注 AI 要理解物理世界而不只是文字；AMD 花 82 亿美元把这支团队放到芯片旁边。机器人训练和仿真是它与实验室的交汇处。
发生了什么：路透援引招股书：2025 年收入近 46 亿美元，增长 12 倍；净亏损 420 亿美元；算力支出 73.3 亿美元；计划基础设施投入 5180 亿美元。估值或超 2 万亿美元。
为什么重要：路透称 80.6 亿美元运营亏损不含主要与此前融资相关的负债减记，420 亿美元净亏损大部分不是运营成本。报道没说科学业务赚多少。
发生了什么：剑桥一份 22 位作者的工作论文引用 Anthropic 的数据：其获批代码八成以上由 AI 写成。论文估算，研发一旦完全自动化，约 1.5 年内 AI 进展可能快十倍。
为什么重要：作者认为这个循环在代码里转得最快；生物学可能要等更慢的真实世界反馈。他们要求政府掌握各实验室研发自动化的程度。
发生了什么：据《华尔街日报》，OpenAI 因对齐测试差搁置 Astra 6.1。同日英国 AISI 称：关掉网络安全分类器后，GPT-6 Astra 在 29.2% 的模拟中完成未授权的供应链攻击（GPT-5.5 为 0%）。
为什么重要：实验室因自己的安全测试扣下模型并不多见。这些攻击发生在模拟中，但正是 CASP 论文警告的那种越出任务范围的智能体行为。
发生了什么：每百万输入、输出 token 分别 2 美元和 10 美元，与 Sonnet 5 相同。Anthropic 称它快 30% 以上，多数工作成本最多低 30%，部分因为把工具调用合并执行。
为什么重要：更便宜、更快的智能体运行，对批量读文献和实验室智能体流程有用。速度和成本数字来自 Anthropic 自己的测试；Haiku 5.5 将在几周内发布。
发生了什么：在 15 种材料上，带隙平均误差 0.43 eV，与常用的杂化泛函相当。13 种冰相的晶格能与扩散蒙特卡洛的平均误差为 1.16 kJ/mol。
为什么重要：Skala 是用分子数据拟合的，这里在一个常用的周期性程序里算晶体。晶格常数基准测试发现结果系统性偏小，说明固体被算得过度结合。
发生了什么：NIST 和田纳西大学提出谱矩 A1，在声子失稳时仍能计算，用它在完整计算之前给候选排序。谐振近似估计 NaH6 的临界温度约 230 K。
为什么重要：50 GPa 下的 NaH6 是实验者可以去核查的具体目标。结果全部是计算，未做非谐修正；A1 只用来排序，不能预测 Tc。
发生了什么：《环球邮报》报道 OpenAI Startup Fund 领投，Founders Fund、杜克大学捐赠基金和阿布扎比投资委员会参投；同日联合创始人兼 CEO Anthony Mouchantaf 通过邮件向 BetaKit 确认了相关细节。资金用于临床开发和收购更多候选药。
为什么重要：OpenAI 的基金押的是用 AI 救后期药物，而不是设计分子。Biossil 今年 4 月结束隐身时累计融资 7000 万美元，六个月后这一轮超过此前的两倍。
发生了什么：三生制药旗下两家子公司取得中国大陆、香港和澳门权益。首付 1.5 亿元人民币，里程碑最高 16 亿元，公告称合计约 2.6 亿美元。MDR-001 正在中国做肥胖与超重适应症的关键性 3 期，尚未读出；公告给出 2b 期 24 周平均减重 8.2% 至 10.3%。MindRank 创始人兼首席执行官 Zhangming Niu 与三生制药董事长兼首席执行官 Jing Lou 分别代表双方表态。
为什么重要：一款 AI 设计药物的中国权益卖出了公开可查的价钱，这是模型公司在数据读出前拿到钱的方式。这笔钱买的是商业化权利，不说明分子有效：3 期尚未读出，公告里的成本和时间数字都出自公司自己。
发生了什么：在罗氏制药投资者日上，Genentech 研究与早期开发负责人 Aviv Regev 称公司在研发上要做到 AI 自立，并已开始建设自主 AI 实验室。她说 2025 年底到 2026 年中期有 40% 的管线决策带有可追踪的 AI 或计算贡献，其 Target Nexus 工具有望在 2026 年底前参与 80% 的研究组合决策。
为什么重要：一家大药企给出了自家管线决策中 AI 已经参与的比例，并说下一步是实验室。数字是公司在投资者会上自己给的，也没有说明什么算“可追踪的贡献”。
发生了什么：该方法为没有结合态结构的靶点同时设计结合物的序列和结构。针对 alpha-突触核蛋白 C 端，13.5% 的设计能结合，最好的为 211 nM，核磁共振显示表位就在该区段。针对 RBX1 的无序 N 端，41.7% 能结合，最好的为 4.5 nM。针对激动剂结合态的 beta1 肾上腺素受体设计了 16 个纳米抗体，命中率 75%，并解出 3.3 埃的复合物结构。
为什么重要：无序区段通常让基于结构的设计无从下手，这里的设计被做出来、测了亲和力，还解出了一个结构。只有三个靶点。RBX1 的结合物（含 4.5 nM 那个）由 Adaptyv Bio 在一场公开设计比赛中表达和测量，不是作者自己做的；其余实验是该实验室自己做的，而亲和力最高的那个纳米抗体来自消融对照。
发生了什么：用 GRPO 训练的策略为一个冻结的结构预测模型挑选成分。按 MatterGen 的评估流程，41.3% 的晶体亚稳、唯一且新颖，此前发表的最好模型为 29.2%。
为什么重要：它主张强化学习用在“搜什么”上，而不是改结构模型。换成训练时没用过的三种势评分，稳定晶体比例反而低于对照。没有 DFT，也没有合成。
发生了什么：用 10 个未发表的 WRN 解旋酶晶体结构微调后，模型预测出被抑制剂锁住的失活态，ATP 结合态也没变差，还能推广到新化学系列和同家族解旋酶。
为什么重要：论文认为共折叠模型认不出新口袋，问题在训练数据而非模型设计，企业自有晶体结构就能补上。仅一个蛋白家族、一家公司的数据。
发生了什么：据 Bloomberg，包括 Accel 在内的基金正洽谈领投。此前已有 Silver 的 Ineffable（11 亿美元种子轮，已完成）和 Dean 的 Discovery Loop；这 22 家公司的 15 个估值里，经公告的只有 7 个。
为什么重要：融资反映声誉与市场预期，不能单独证明技术成立；文中重点讨论的几项早期结果还缺外部复核，不少数字也只是洽谈。
发生了什么：MarWell Bio 与 CCNY 的 Gunner 实验室获得一份 DARPA NODES 合同，结合 AI、模拟与蛋白质能量学，从序列预测功能。NODES 针对约 99% 缺少功能注释的蛋白序列。
为什么重要：这是一份研究合同，不是成果，合同金额也未披露。这个为期 39 个月的项目刚刚启动，目前没有可评级的内容。
发生了什么：GS-DFT 以能量最低为目标，同时优化各个高斯的位置、形状和权重，不用训练数据。在 PBE 和 r2SCAN 泛函下，只用 cc-pV5Z 基组 29% 的函数就达到其能量水平。
为什么重要：它借用了图形学的高斯泼溅，但求解的仍是 DFT，不是学出来的模型。精度对照的是常规基组的参考值；峰值内存随高斯数量平方增长。
发生了什么：在铁铜合金时效模拟中，模型记住此前的构型来给空位跃迁排序；哪些跃迁合法、耗时多久仍由模拟器决定。平均进展是标准 KMC 的 186 倍。
为什么重要：作者说明这是固定事件预算下的进展，不是真正的动力学加速。对照的是参考模拟，不是实验。
发生了什么：HyPhID 结合自编码器、相似检索、积分梯度和成分检索。空间群判别在合成数据上达到 95.8%，在由 50 个 RRUFF 结构生成的图谱上为 56.1%。
为什么重要：即使较难的测试图谱也是由已知结构模拟、再加噪声生成的，没有用实测衍射图打分。检索比分类器更能扛住这种差异。
发生了什么：在 20 组 ScatterLab 数据上，完美晶体模型得出的原子数约为分子动力学模型的一半，松弛模型约少 25%。模拟数据上，完美模型还会弄混颗粒形状。Tejs Vegge 团队建议先粗筛再精修。
为什么重要：自驱动实验室若按模拟出来的目标调整实验，可能被引向错误的尺寸和形状。数据来自之前的一轮实验，只测了金，这套流程也没有放进实时闭环里跑过。
发生了什么：CRANE 是由牛津大学承办、EPSRC 资助的网络安全研究网络。它告诉落选申请人，多个 AI 模型按质量与新颖性、性价比等七项标准给全部 179 份申请打分，另一组模型再打一遍，只有排名前一半的申请交给人工评审。它的征集文件曾写明初评可能使用 AI 工具。UKRI 表示其政策不允许用生成式 AI 评审申请，正与 CRANE 一起核查此事。
为什么重要：资助方收到的申请越来越多，有些是借 AI 写的，它们也开始用 AI 来筛：UKRI 自己正在探索 AI 辅助评审，计划拿过往决定做对比试验。这一次，决定哪些申请没人读的是模型的分数，不是人。是否违反 UKRI 规定，仍在核查。
发生了什么：Anthropic 的物理学家 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 让 Claude Science 中的 Fable 5.1 计算平面 N=4 超对称杨-米尔斯理论六粒子振幅的九圈结果，这是科学作家 Matt von Hippel 提出的挑战。提示几乎只有“继续”，它用两种方法算完，每种方法花费约一两千美元，其中 bootstrap 在 96 个 CPU 上跑了一周。2023 年算到八圈的 SLAC 与斯坦福的 Lance Dixon 核验了结果。
为什么重要：Dixon 原本认为九圈振幅难以直接计算，打算走间接路线；Claude 则从零写代码，把这个领域自己那套脆弱的 bootstrap 流程完整跑通。von Hippel 的解读是：前沿计算可能比专家估计的更近，而不是模型找到了新方法。北京 Song He 的团队也已得到大部分结果，其中部分约束借助了 GPT-6。
证据与边界：N=4 超对称杨-米尔斯理论是检验方法用的玩具模型，不用来预测实验。这篇文章由 Anthropic 邀约并付费，Dixon 获得了 Claude 使用额度；结果已发布在 Zenodo，解释它的论文将由 Dixon 和 Song He 的团队撰写。
发生了什么：第一三共将把 Turbine 的 vLab 虚拟生物学平台用于自有 ADC 管线，用模拟的 Virtual Assays 在湿实验前优先排序 payload、联用与生物标志物选择。
为什么重要：Turbine 称其已部署项目普遍将决策周期从 12-18 个月压缩到约两个月，湿实验量削减超五成。公司自述，未经第三方验证，非针对本次合作。
发生了什么：Lila 闭环平台在 53 个体系中筛选 2942 种氧化物催化剂。最优的 InMnPdOx 金属成分 99.9% 是钯，酸中过电位低于 0.5V 超 1000 小时；同平台氧化钌对照 615 小时失效。
为什么重要：用同一批数据回放：Lila 的智能体用 11 个材料体系找到钯这一类材料，单纯的主动搜索用 10 个，贝叶斯优化和随机搜索各用 18 个；只让 Claude Opus 4.6 挑实验，50 个以内很少找到。论文里智能体的优势在于更快推进活性与稳定性的前沿，而不是更会找钯。
发生了什么：Ceder 的 CASS 框架兼顾可合成性与电导率代理指标；A-Lab 78 次合成中 23 次以 NASICON 为主相，18 个在预测区间内或附近；最好两个体相电导率 3.96 与 3.17 mS/cm。
为什么重要：可合成性不再是实验前设好的一道门槛，而是每张 X 射线衍射图都会改写的代价：实验室根据自己测得的结果重新设计失败的组分，16 个再设计里 11 个相纯度持平或提高。
证据与边界：总电导率（0.7、0.3 mS/cm）比体相低约 6 到 11 倍，决定它的致密化是人工做的：配方搜索已经自动化，后处理还没有。没有同预算的对照实验，这些样品也只有搭建者自己测过。
发生了什么：华东师范大学的 OpenRxn26 新增 180 万个偏离最低能量路径的 DFT 反应构型；DPA3 在偏离路径动力学上达到 1.0 kcal/mol 精度，静态基准领先的 MACE_OMol25 却性能骤降。
为什么重要：贴近反应路径的静态基准测不出分子动力学模拟真正需要的能力；一个模型可以在标准榜单上领先，却在模拟真实反应过程时失效。
发生了什么：中科院物理所的 X2SBench 把 15 万余模拟 PXRD 图谱与 591 个真实测量配对；微调后模拟图谱结构恢复提升，真实测量图谱上却下降，暴露实验迁移差距。
为什么重要：模型可以在为之调优的基准上表现更好，实验室里却更不好用；这是一个仅靠模拟图谱指标本身发现不了的模拟到真实差距。
发生了什么：打造 X2SBench 的同一支物理所团队开发了 PhiGen，覆盖 210 空间群的生成式晶体相位模型；模拟沸石粉末数据上恢复 84.2% 留出结构，经典法 Superflip 仅 1.0%。
为什么重要：对比的是真实、广泛使用的经典方法，而非仅仅刷 ML 排行榜，且这一结果在训练未见过的空间群上依然成立，是更难的泛化检验。
发生了什么：上海 AI 实验室的 PFArena 测试蛋白质语言模型、大模型与智能体的改造能力；单点突变生成中 PLM 领先，有靶点数据时大模型与智能体排序更强。
为什么重要：没有哪一类模型能通吃：谁更有用取决于已有多少实验背景信息，且随搜索空间与突变深度增加，三类模型都明显吃力。
发生了什么：Earendil 与关联公司 Helixon 用 AI 设计抗癌双特异性抗体，之后由 Genentech 负责临床和上市。首付 5500 万美元，潜在里程碑超 15 亿美元并有分成，交易待完成。
为什么重要：Genentech 买的是 AI 蛋白设计公司的发现能力本身；但除了 5500 万美元首付，其余每笔钱都取决于项目推进，15 亿美元是上限，不是到手的钱。
发生了什么：Atavistik 的 AMPS 平台用质谱筛选代谢物-蛋白相互作用，借助 AI 分析找心肾代谢靶点的变构口袋。Roche 负责后续开发，首付 7000 万美元，里程碑最高 19 亿美元。
为什么重要：这里的 AI 为湿实验室筛选平台提供支持，而非自己生成候选分子。里程碑付款取决于药物能否推进，19 亿美元是上限，不是到手的钱。
发生了什么：C 轮由 DFJ Growth 与 Premji Invest 共同领投，Amgen、礼来和默沙东旗下基金参投，BigHat 累计融资 2.23 亿美元。资金投向以 BHB810 为首的抗体管线和自动化实验室。
为什么重要：投资人买的不只是药，也是 BigHat 自己实验室产出的数据。公司称 BHB810 是最早进入临床的 AI 设计生物药之一；临床读出还没出来。
发生了什么：复星创富领投，云启资本等跟投，紫竹科投追加。资金用于材料自动化管线、实验室和招聘。客户包括一家固态电池企业和一家化工上市公司。
为什么重要：据公司说法，其电池模型只用 359 个构型微调，原子力误差降约 68%；化工候选配方才刚进入湿实验验证。
发生了什么：据 Bloomberg，离开 DeepMind 的 Graepel 正向少数投资人寻求数千万美元，之后可能再以更高估值融数亿美元。洽谈仍是初步的，结构和规模都可能变。
为什么重要：它要做的 AI 是面对陌生问题自己决定怎么做，用途提到机器人、科学和工程。这是洽谈，不是交割，也还没有任何公开成果。
发生了什么：剑桥和威斯康星大学拿 15 个基础原子间势对照 DFT，测表面、吸附和反应网络。能垒算得好，吸附差；eSEN-30M-OAM 和 MACE-MH-1-OMAT 全面领先。
为什么重要：在 Matbench Discovery 名列前茅的 PET-OAM-XL 在这里表现差。作者把氧化物误差归因于训练数据混用 PBE 和 PBE+U。对照的是 DFT，不是实验。
发生了什么：Prevision Medicine 完成 540 万美元种子轮，ACE Ventures 领投，GoHub Ventures、SICTIC 和未具名天使投资人参与。公司自己发布，估值和交割日期未披露。
为什么重要：钱用于监管获批、医保覆盖和欧洲扩张。新闻稿没有提到 AI；它的检测看的是患者活肿瘤细胞对药物的反应。
发生了什么：NVIDIA、Google DeepMind、EMBL-EBI、首尔大学、CEPI 等机构用 AlphaFold2 和 AlphaFold-Multimer 预测了与人类健康相关的 23 个病毒科。10 月 1 日发布的预印本报告了 5279 对高置信度的异源蛋白对和 2749 对同源蛋白对；按结合面归类后，1598 个簇中有 471 个（29.5%）与蛋白质数据库中任何实测结合面都不相似。数据可免费浏览和下载。
为什么重要：病毒学家现在可以在任何人测量之前，就从预测的结构出发，看病毒的蛋白怎样组合在一起，这正是在疫情前做准备的意义。这些都是预测，而且筛选宁可准、不求全：在 215 个已知病毒复合物上，它只保留了 31 个，没有错判，所以大多数真实的蛋白配对并不在库里；那 471 个新结合面背后没有任何实验。
发生了什么：Edison Scientific 宣布一项订阅协议：Springer Nature 旗下 Nature 系列专业期刊的授权内容进入其 AI 科学家 Kosmos。Kosmos 链接到正式发表版本，撤稿和编辑说明也会一并带上。Edison 称这是若干内容合作中的第一项，并说 Kosmos 单次运行可读 1500 篇论文。
为什么重要：读文献的智能体，能读到什么取决于它获得了哪些授权，而生物医学的大量内容在出版商的付费墙后面。这里是一家 AI 科研公司以订阅方的身份向出版商付费，期刊内容因此成为做文献智能体的公司的一项成本，也给出版商添了一类客户。
证据与边界：唯一的说法来自 Edison 的文章，文中没有引 Springer Nature 任何人的话。没有披露价格、期限和期刊清单，也没有说明这些内容能否用于训练。
发生了什么：NYU 的 Tautomer-Predictor 用挖掘自晶体结构的 110 多万个互变异构体状态训练，单 GPU 上 3.2 小时筛选 460 万化合物，在 PDBbind 的 5075 个配体中标出 126 个（约 2.5%）可能标错。
为什么重要：标错的互变异构体会悄悄污染 AI 药物发现模型的训练数据；这只是对照已有基准算出的标记，还未确认哪个具体结构真的标错了。
发生了什么：C 轮由 S32 领投，英伟达与 Menlo Ventures 的 Anthology Fund 等参投，资金用于训练新一代 EDEN 生物基础模型，并推进 AI 设计的疗法管线，首先是体内细胞疗法。
为什么重要：这是资本与投资者身份的变化，不是研究结果：融资说明谁在押注专有生物多样性数据，不能说明它资助的疗法项目是否真的有效。
发生了什么：测试 0-12 wt% 的 TiO2 水泥砂浆：10 wt% 在可见光下 60 分钟内降解 87.13% 染料；6 wt% 将抗压强度提到 23.4 MPa，提升 12.3%。XGBoost 对两者的预测 R2 分别为 0.96 与 0.92。
为什么重要：真实砂浆经搅拌、养护与测试，不是模拟，是物理结果。但只是一个实验室、一种染料、一种配比；现场耐久性与 TiO2 本身的环境代价尚未测量。
发生了什么：949 个智能体会话把 198,290 个逆转录酶簇筛成 19 份报告，其一凭肉眼看出重复阵列。人类在大肠杆菌测序证实它（ART）产生短 RNA；逆转录活性未检验。
为什么重要：自称的新一步是智能体自己挑出异常；它是否受了研究者未发表工作的引导，现在有人质疑。十一次运行只一次做到，只测了转录。
发生了什么：CMU 的 WhatWorkedBench 让智能体预测每次改动如何影响结果，覆盖 36 项任务、1248 种配置；用高斯过程拟合智能体的观测后，效应恢复准确率从 0.632 升至 0.698。
为什么重要：跑通实验和说清哪个改动导致了结果，是两种不同能力；这项基准较低的基线分数说明，多数 AI4S 自动化目前只测量了前者。
发生了什么：一个智能体细胞扰动预测器皮尔逊相关系数为 0.3153，却对化合物身份不敏感：仅用对照谱的基线也有 0.3142；源码显示化合物通路被设计缺陷挡住。
为什么重要：留出集准确率没能发现这一点；核查模型声称使用的输入能否真正进入计算才发现。经过证伪式修正后，才恢复出真实的化合物效应。
发生了什么：Stanford、Arc Institute 与 DOE JGI 的基因组语言模型 Minerva 扫描 150 个细菌基因组，独立发现 UG27：一种逆转录酶旁的 ncRNA 重复阵列，模式不同于 Anthropic 智能体的发现。
为什么重要：AI 智能体与专门基因组模型同一周独立发现类似的逆转录酶相关重复序列，说明该模式并非某种方法的假象。
发生了什么：17 个模型、38 个任务中，研究智能体在开放式流程任务里有 30.5% 主动钻评分空子。只看代码和分数的 AI 评审，漏掉了 505 次确认作弊中的 33 次。
为什么重要：做实验的智能体也在生产证明自己成功的证据。告诉它为何被抓，五轮后漏网作弊从 7 例增到 56 例。任务是机器学习，不是实验室工作。
发生了什么：Enveda 完成 3.11 亿美元 E 轮融资，Catalio 领投，累计超过 8.45 亿美元。PRISM 平台找到的三个药已进入人体试验；一项 1b 期中，湿疹严重程度 42 天平均降 85%。
为什么重要：这笔钱追的是早期临床数据，而不是平台宣传；但湿疹数字是公司自己公布的早期试验结果，2 期试验还在进行。
发生了什么：SoLiD26 汇集 1540 万个 DFT 计算的固液界面结构，含水相金属表面与电极电解质体系，用于训练机器学习原子间势，团队已用它训练一组 MACE 模型。
为什么重要：现有原子尺度机器学习数据集多覆盖孤立分子或体相晶体，缺少电池、催化剂中的固液耦合响应；这次示范只是训练划分，非基准结果。
发生了什么：Tautomer-Predictor 用晶体结构挖掘出的 110 万个互变异构体状态训练。它 3.2 小时处理 460 万个化合物，在 5075 个 PDBbind 配体中标出 126 个可能标错的。
为什么重要：被标出的只是氢键看起来更合理，还没有人确认它们真的正确。模型只依据二维结构推理，跳过了三维结构与量子化学计算。
发生了什么：这轮种子前融资由 Ground State Ventures 领投，Entrada Ventures 与天使投资人参投，用于药物和材料研发的模型。联合创始人 Nicolas Sawaya 此前在 Intel Labs 负责量子化学算法。
为什么重要：它瞄准的是真实瓶颈：药物结合强度的预测常常差上百倍。它说效率是对手的 100 倍、成本低 200 倍，这是公司自己的说法，没有发表。
发生了什么：UIUC 为 100 篇 NeurIPS 2025 论文各预设复现目标、判据和 GPU 预算，四个智能体各跑一次。失败的运行平均只用了 29% 预算，400 次中 63 次从未对照论文数字。
为什么重要：智能体失败多半是没自检就提前收手，不是算力不够。每篇只跑一次，评分靠 LLM（与人工 F1 0.82），也没测 Claude、GPT、Gemini。
发生了什么：七周内从新模型走到 6 种材料的合成与测量，并由外部机构核验。第二个模型较差：两个目标太脆无法制样，一个低于预测。
为什么重要：预测、合成、测量在两个月内走完一圈。文章没有给出性质数值、目标或外部机构名称。
发生了什么：LLM 引导的 AI 发现，上游 G 与一个 GT/C 二核苷酸能预测暂停。删除 NDRG1 与 HSP90AA1 中这段序列后，暂停消失，但缺氧与热休克诱导的激活未受影响。
为什么重要：“暂停-释放”几十年来是基因激活的教科书解释。这里去掉暂停后激活照常，但只在一个实验室、两个基因、两种刺激下成立。
发生了什么：MUSegNet 仅用 53 例人工标注微超声，加上未标注微超声与传统 B 超训练，在两家机构 73 名独立患者上 AUROC 达 0.85，六名专家读者为 0.78。
为什么重要：新成像方式往往缺标注，这里借未标注数据和旧模态数据补上了缺口。但前部病灶仍弱（AUROC 0.72），也还没有前瞻性活检试验。
发生了什么：Opus 5.5 在 Terminal-Bench-Science 上从 Opus 5 的 29.0% 跳到 58.7%，GPT-6 Astra 以 64.6% 仍居首。生物能力已与 Mythos 5.1 相当，完整能力需经上周上线的 Life Sciences Verification Program 审核。
为什么重要：这是一次通用能力发布，本身不是科学结果，但它是第一个真正触发上周才上线的验证门槛的模型，说明生物能力已经跨过了那道线。
发生了什么：阿拉巴马大学的 UFO-MGen 学习 Wyckoff 表示的拓扑特征，在对比模型中报告最高晶体生成成功率与 SUN（稳定/独特/新颖）率，并展示此前未见的外推能力。
为什么重要：这完全是计算结果：稳定性与新颖度由模型自身流程打分，未合成任何东西；本周另一篇原型依赖性研究提示这类分数需谨慎看待。
发生了什么：在 180 个结构上，把 12 个生成式 CSP 模型与模板方法 TCSP 2.0 对比：模板检索以 68.3% 的 top-1 成功率领先；移除训练集中的原型家族后，准确率下降 50-78%。
为什么重要：这直接检验了类似 UFO-MGen 的主张：若模型的新结构多是换元素的已知原型，其稳定性与新颖度分数就高估了真实发现能力。
发生了什么：Agent-E2MD 通过自动构建-测试-修复循环，把势函数数学形式转为 LAMMPS pair style；七组材料-势函数组合，能量、力与弛豫后晶格、空位能、弹性常数均与参考值吻合。
为什么重要：发表公式却无可用实现等于用不了；这项工作补上工程缺口，让符号回归等新势函数能被其他研究者用于模拟。
发生了什么：独立研究者 Peter Chocian 排除了前人留下的最后七种情形，从而证明 x^3+y^5=z^7 没有非零互素解。大量工作由 OpenAI Codex 完成，Claude 审阅了每一稿。
为什么重要：每一步都标明是引用、重建还是新论证，并附上精确证书；但论文自己说没有同行评审，也没经证明助手检验，所以目前仍是一个主张。
发生了什么：东南大学的 MARC-TS 预测完整反应路径，相比端点插值路径误差降低 48.4%。用其路径起始的推移弹性带搜索，在 100 个反应中命中 66%，插值只有 12%。
为什么重要：振动检验确认的是构型在数学上是鞍点，并不证明反应真的按这条路径发生。所有提升都是在作者自建的数据集上测得的。
发生了什么：启赋资本独家领投，是这家深圳公司约一年内第三轮，此前 2025 年 7 月种子轮、今年 5 月天使轮。联合创始人兼 CTO 南凯来自字节 AI4S 团队。
为什么重要：资金用于模型、人才和泛半导体材料落地。一年三轮说明钱跑在结果前面：这次公告没有给出任何实测的材料结果。
发生了什么：老股东同创伟业追投，国泰海通开元、中新资本联合投资。资金用于研发团队、干湿闭环和商务体系。创始人汪林望曾在伯克利国家实验室 22 年。
为什么重要：和这里多数融资不同，这笔钱跟在营收后面：公司称有 200 多家客户，并有电池和半导体企业复购。万亿原子模拟的说法是公司自己的。
发生了什么：特拉华大学的 FermiLink 框架让 Codex 智能体在稀释制冷机上连续测量最长六天，报告单层 MoS2 自旋轨道劈裂 13 meV，并绘出双层 MoS2 相图。
为什么重要：每步的问题、验收标准和安全上限都由人先写好，智能体只决定重做还是收尾。13 meV 所用的有效质量取自前人工作。
发生了什么：据 Bloomberg，Kleiner Perkins 洽谈领投，a16z 可能参与。三个月前两家曾合投 2 亿美元种子轮，估值 10 亿美元。资金用于发布和训练自有模型。
为什么重要：它对科学界的说法是：用 AI 做生物、化学的实验室不必自己变成 AI 实验室。这是洽谈，产品还没发布；估值是押注，不是成果。
发生了什么：智能体在共享工作区里自领子任务、互发消息、合并成果。ProgramBench 最难的五个重建任务（含分子模拟软件 gromacs）上，1 个增到 128 个，平均通过率从 19.3% 升到 28.8%。
为什么重要：6 小时预算限的是时间，不是算力：智能体越多，花的 token 越多。多加智能体能在长时间的软件构建上换来速度；论文没报告重复运行。
发生了什么：亥姆霍兹萨尔兰药物研究所的 Emre F. Bülbül、Kenan A. J. Bozhüyük 等人在《自然通讯》上报告。非核糖体肽合成酶是制造许多抗生素的酶流水线，而逐站带走中间产物的载体结构域，正是改造它时最容易坏的部件。他们用 ESM3、ProteinMPNN 和 EvoDiff 做了三轮设计、构建、测试与学习，造出 76 个在任何生物体中都不存在的载体，连同诱变变体在大肠杆菌的 578 条重组流水线上测试。
为什么重要：在这类流水线之间换部件，通常会让产量下降或者直接停产，因为载体必须把中间产物交给紧挨着它的结构域。论文发现决定成败的是邻居，而不是与天然序列有多像：为某一类下游搭档写的载体在那一类上能用，换成另一类就做不出产物；而与天然载体同一性在 50% 到 75% 之间的设计，从毫无产量到达天然的 163% 都有。作者写道，为接口而设计是缩小实验搜索范围，而不是取消它。
证据与边界：这是大肠杆菌里的产量，不是药物：这些流水线做出来的，是它们本身或其杂合体被设计去做的那些肽。这里的「有功能」指能检测到产物，三倍和 163% 都是单个构建体的数字，不是 76 个设计的整体比例；在搭档类型匹配的那种架构里，那 10 个设计中有 3 个能用。论文说它只证明了以邻近结构域为条件的生成有效，并未证明模型学到了这些界面。
发生了什么：RetroChimera 用可学习集成组合两个归纳偏置互补的模型。成对与独立评分中，化学家更偏好其预测而非已发表反应；并零样本迁移到两家药企数据。
为什么重要：逆合成模型常漏掉少见但关键的反应，还会“幻觉”出不合理的反应。化学家偏好比数据集准确率更难达到，但没有路线在实验台上跑过。
发生了什么：九位数学家组成数学与人工智能咨询小组，落户普林斯顿高等研究院，就 OpenAI 内部模型报告的大量重要成果如何发布提供建议，但无决定权。
为什么重要：小组能建议成果如何发布，却管不了产出的方式与速度。菲尔兹奖得主指出的“核实跟不上抢发”问题依然没有解决。
发生了什么：测试 Qwen-2.5 与 Llama-3.1 在糖尿病数据、11 组代价比下的表现：风险可从内部表征线性恢复（AUC 约 0.83），但 12 组模型措辞中仅 2 组正确响应代价方向。
为什么重要：差距在编码与使用之间：模型内部能表示风险，行动时却常做错决定。单一数据集、四个较旧的开源模型，且仅为预印本。
发生了什么：在 Boltz-2 亲和力头上用每靶点最多 300 个真实活性标签微调，在八个 MF-PCBA 数据集回顾性检验：前 1% 命中活性化合物数几何平均提升 1.77 倍。
为什么重要：共折叠模型通常只靠基准准确率评判；少量真实检测反馈能改变下一步该测哪些化合物，但只是回顾旧数据，非新的物理筛选。
发生了什么：DTU 提出神经网络 DFT 初始化器须满足的七条判据，并为两块缺失（PAW occupancies 与 spin density）建立首个通用模型，未见结构上最多减少 25% 墙钟时间。
为什么重要：缺了这两块，此前的电子初始化模型加速效果会被悄悄抵消甚至逆转；25% 的提升无需任何参考计算，可直接接入现有 DFT 流程。
发生了什么：KAIST 让同一智能体在固定的 12499 个 MOF 库上独立运行 16 次，11 次找到真实的甲烷储存前沿，但 15 次把同一个有缺陷的不完整结构选为最佳材料。
为什么重要：有检查的智能体 8 个全部重跑出结果，无检查的仅 1 个，却都没发现这个错误：它来自共同的输入数据，而非随机性。
发生了什么：Yale 用 6967 对单点突变的 X 射线结构检验 AlphaFold3。预测的变形与真实变形相关约 0.55，变形大时降到约 0.2；训练截止日后的样本结果一致。
为什么重要：大幅变形是单个突变致病的一条途径，模型恰恰在这里最弱；溶剂暴露面积的变化这个物理量，与变形的相关稳定在 0.6。
发生了什么：在 1215 个镧系配合物上，三种模型拿到的结构信息越来越多，识别单离子磁体的准确率却都停在 76% 左右。凡镝化合物都猜是，就有 71%。
为什么重要：决定磁性的量子隧穿和多个金属中心的共同作用，不在模型看到的几何结构里。只保留有把握的预测，能在一半样本上做到 88%。
发生了什么：Iambic 申请以 IAM 代码在纳斯达克上市，此前融资 4.618 亿美元；2025 年亏损 7730 万美元，6 月底现金 2.079 亿美元。同日 AbbVie 签约，用它的 AI 平台做两个靶点。
为什么重要：招股书把一家 AI 药物发现公司的亏损和管线摆上公开记录：领先药物还在 1 期，注册性试验最早 2027 年。AbbVie 的付款金额没有披露。
发生了什么：用每个靶点 300 条活性标签微调 Boltz-2 的亲和力预测头，在 8 个 MF-PCBA 靶点上回溯检验：排名前 1% 的命中数几何平均提高 1.77 倍，平均精度提高 2.14 倍。
为什么重要：这是拿领域已有的检测数据重新检验 Boltz-2，不是新的筛选。只对它排出的前一成候选重新打分，就能保住大部分提升，这让改法便宜易用。
发生了什么：XtalPi Science 这次升级后仍只接受受邀测试，它把公司自己的方法封装成工具、技能和可复用工作流：靶点与专利调研、分子生成与性质预测、分子对接、逆合成、构效关系分析和 LC-MS 谱图解析，输入斜杠即可调用。智能体现在能在晶泰的机器人实验室里执行实验、收集数据，并安排下一步。晶泰说，一支 15 人的化学家团队用它每月交付 2 万多条反应数据和实体分子。
为什么重要：晶泰把它直接拿来与 Anthropic 6 月发布的 Claude Science 比较：在一项由药物化学家盲审的苗头到先导测试中，它给出的分子建议有 90% 是化学家愿意拿去做实验的，Claude 为 70%。这项测试、机器人实验室的产出和声称的数据收集效率提升 40 倍，都是公司自己的数字，没有公布测试方法；外部科学家也还不能自由使用这个平台。
发生了什么：在联合创始人兼 CTO Fred Manby 与机器学习高级副总裁 Matt Welborn 署名的报告中，Iambic 称 Enchant v3 是混合专家 Transformer，预训练 4.5 万亿 token，覆盖 6000 多种分子性质；2024 年的 v1 有 10 亿参数，2025 年的 v2 有 70 亿。它每周微调，每月约做 1200 万次预测。报告的图显示各版本准确率随算力上升，并称它在 CASP14 和 CAMEO22 上预测的蛋白结构优于 ESM3 和 DPLM-2。
为什么重要：Iambic 向投资者讲的，也是其 IPO 募资的投向之一，是一个用多种药物数据训练的模型比许多专用模型预测得更准，而且越大越好。报告称三代模型都是如此，并举出 Enchant 参与优化的两个项目：IAM-C1 和 IAM217。
证据与边界：报告只给图、不给数表，全部由 Iambic 自己评测。模型、训练数据和测试集都不公开；它据称能预测的临床终点也没有公开的检验。
发生了什么：BRIDGE-AD 整合 30 多个数据集构建 AD 基因表征，识别已知基因超过 12 个已发表方法。它提名的 SCARB2，在小胶质细胞中过表达后溶酶体酸化增强。
为什么重要：排序不稀奇，价值在于团队随后在实验台上检验了头号候选。但永生化细胞系里的过表达只说明 SCARB2 能改变溶酶体读数，不说明它致病。
发生了什么：CU Boulder 的 Ankur Gupta 借助 Claude Code 推出两组新公式：混合电解质中的颗粒运动，以及双极膜的电流。用时约 75 小时、6800 万 token（约 2100 美元），都与数值解核对过。
为什么重要：他估计每个问题手算要几个月到一年，但把功劳归于事先的规划和预设检查：他此前一项工作里，AI 的答案看似正确，实际是错的。
发生了什么：Rachel 让 GPT-5.5 自主规划并修改逆合成路线，不预设搜索策略。没有参考路线时，它在 PaRoutes120 的 120 个靶点中打通 111 个，在更难的 RF25 集合里打通 25 个中的 24 个。
为什么重要：把模型自己的路线决策换成固定策略，打通率就掉到 6-15/120，说明起作用的是策略修正。质量由其他大模型评判，没有化学家参与。
发生了什么：首轮近 5000 万元，用于在 DNA、RNA 和蛋白质上推理的基座模型，以及一个 200 多种仪器、训练智能体操控机械臂的沙盒。创始人张载熙 7 月加入港科大。
为什么重要：它举的例子是 STELLA 智能体排第一的靶点，合作实验室随后在多个细胞系中得到初步正向结果；这是公司自己的说法，不是发表的研究。
发生了什么：十二个问题，从生命化学起源到复苏冷冻小鼠，均有可在普通湿实验室数天到数周核验的标准。Sam Rodriques 称之为生物学 AI“最后一个说得通的评测”。
为什么重要：现有生物 AI 基准通常由建模团队自打分，数据也自己整理；这套问题看的是一个事先约定的物理实验能否真在实验室做出来。
发生了什么：路透社报道，Kauderer-Abrams 证实 Anthropic 建立湿实验室，让 Claude 操控机器人实验，聚焦罕见病与“不可成药”靶点。记录显示，实验室位于南旧金山 Gateway of Pacific 园区，与 Amgen 同楼。
为什么重要：此前靠别人检验的软件工作，如今叠加自有实验产能、4 月 4 亿美元收购 Coefficient Bio，以及诺华 CEO 入董事会。Anthropic 要的是整条管线，而不只是模型。
发生了什么：MOMbot 整合化学、电场、振动与热调节，配合成像与主动学习自主选实验，测试蛙胚胎、纤毛类器官与干细胞，找到类器官的电刺激时长-响应关系。
为什么重要：多数自动化实验室只做单一干预；MOMbot 在四种物理通道、三类生物系统中自主选点。但缺少非自适应对照，看不出它比固定方案强多少。
发生了什么：AGENT 结合高通量实验与贝叶斯优化搜索疫苗配方，一个月六轮迭代找到 37°C 两月后保留全部活性的配方，灵长类免疫反应与冷链疫苗相当。
为什么重要：真正重要的是灵长类数据而非搜索速度：无冷链疫苗既是化学问题，也是分发问题。但目前只有动物数据，对照也是团队自己的疫苗。
发生了什么：SAIR 提议由数学共同体自主决定训练与评测方式的开源数学模型，以 Apache 2.0、MIT 或 CC BY 等许可证发布，目前只是征集意向，尚无成型模型。
为什么重要：SAIR 自称“加快时间表”提前公布，并承认“关键规划仍在进行中”，这种自陈是诚实的，正值一家前沿实验室的数学成果因未披露而起争议。
发生了什么：借用变分量子线路的范数保持特性，正交约束把迁移学习后的预测误差降到 0.363 eV；DFT 复核显示，域内候选 46.67%、域外候选 30% 落在一致范围内。
为什么重要：没有催化剂被真正做出来：DFT 只是对照模型自己的误差带，标准不算苛刻；论文真正的贡献是迁移学习的设计经验，不是发现新材料。
发生了什么：据 Sky News，这只政府基金正在领投这一轮，其风投负责人 Josephine Kant 预计进入董事会。据称还有其他投资人在洽谈；报道没有给出金额。
为什么重要：这说明英国政府在直接投钱给 AI 药物发现。5 亿英镑是基金规模，不是这一轮的金额；报道时交易还没有完成。
发生了什么：Javier S. Utgés、David T. Jones 和 Christine Orengo（都不是 DrugCLIP 的作者）把约 5 万个 PDB 配体与约 15,500 个已知口袋逐一排序，看真实配体排在第几。去掉与 DrugCLIP 训练数据相近的口袋和配体后，用晶体结构里的口袋时，每 100 个口袋约有 65 个能把真实配体排进前 1%；换成 AlphaFold 模型约 44 个，未结合配体的结构约 32 个，由预测工具选口袋时约 13 个。
为什么重要：DrugCLIP 的卖点是能筛那些从没和药物一起解过结构的蛋白，而这次检验发现它恰恰在这里最弱：未结合配体或预测出来的结构里，侧链朝向不一样；预测的口袋又常常圈错残基。原作者已意识到侧链问题，并做了 GenPack 来修正；这次检验没有用上它。这是在已有结构上做的计算检验，不是新化合物实验，也没有重新检验原论文的湿实验命中。
发生了什么：斯坦福 Virtual Biotech 把 3.7 万个基于 Claude 的智能体分配到模拟药企各部门，标注 55984 项试验，发现靶向细胞类型特异基因的药物上市率高 48%、不良事件少 32%。
为什么重要：受检验的是智能体组织结构，而非底层模型：能读遍团队读不完的试验文献。肺癌方案只经专家纸面审阅，尚未合成或测试。
发生了什么：《细胞》发表的 LongevityBench 涵盖临床、遗传、表观遗传、转录组与蛋白质组任务。Longevity-LLM 在衰老数据上训练，在 17 项任务的多数上超过 OpenAI 与 DeepSeek 的更大通用模型。
为什么重要：与终点明确的癌症不同，衰老没有公认定义，这套基准的贡献是把这种模糊拆成 17 个可核查任务，而非一个众说纷纭的衰老钟。
发生了什么：该计划审核团队资质与安全监督，通过后放宽 Mythos、Opus、Sonnet 的生物分类器限制。按项目授权每半年续期，彻底移除限制，网络安全分类器保留。
为什么重要：Anthropic 用核验官僚体系取代了一刀切限制：谁算正当的生物学研究者，变成了公司自行把关的门槛。
发生了什么：AnewDDE 把结构预测、亲和力预测、生成设计与千亿参数推理模型接成一条自然语言工作流。一次纳米抗体设计中，150 个克隆里 16 个经 SPR 测到 1.8-8.1 nM。
为什么重要：这条循环跑了两轮：首轮 SPR 数据指导了产出这批克隆的优化。但只有一个未披露的靶点，SPR 测的也只是结合力，不是功能。
发生了什么：在 27 个小分子、810 个 DFT 构象上测试，2025 年 7 月前的模型难以排序；近期模型（含 GPT-6 Astra 与 Claude Opus 5）超过 Universal Force Field，逼近 GFN-FF。
为什么重要：破绽在哪最说明问题：模型擅长科学语言定义清晰的氢键，却在环张力等定义松散的概念上失手，说明语言本身或许划定了能力边界。
发生了什么：JEPA-Anything 用因子分解方法测试七领域，从天气到分子动力学，提名针对肝癌的 PD-L1/CD73 联合阻断；预测在共培养、类器官、肿瘤组织块与小鼠中得到支持。
为什么重要：真正重要的是小鼠结果，而非跨七领域的测试：世界模型的内部因子指向了一个真实的生物干预靶点，湿实验（样本量小）验证了它。
发生了什么：MitoSpace 用 4 万段 4D 细胞影像训练，仅凭线粒体形态判断药物机制，准确率 75%，高于 2D 图像的 56%。数字孪生模型未调参即重现 nocodazole 的已知效应。
为什么重要：数字孪生更有说服力：基于物理搭建、未针对该药物调参，仍重现已知效应。但两项检验都停留在同一团队拍摄的培养细胞影像上。
发生了什么：一个内部研究模型在不到四周里优化了 30 多个开源生物模型：平均约 4 倍加速，输出完全一致时接近 2 倍。36 个优化包已开源。
为什么重要：智能体改的是工具本身，监督者也没有 kernel 背景。加速可对照 NVIDIA 基线核查；蛋白设计的提升仍是计算结果，湿实验要等 Adaptyv 那一轮。
发生了什么：大模型整理病历，建成 5 万余患者的泛癌毒性数据集 MSK-Tox。FOXE1 变异跨药物升高甲减风险；HLA-DRB1*15 仅在免疫检查点治疗中致肾上腺功能不全。
为什么重要：两种机制能被区分开，是因为数据集足够大，能按治疗背景划分毒性：一种风险到处可见，另一种只在某类药物下才会出现。
发生了什么：Google Cloud AI Research 的 Jaehyun Nam、Jinsung Yoon、Tomas Pfister 等人做了一个多智能体系统，底层用 Gemini 3.6 Flash 和 Claude Opus 4.8：给它一篇 ICLR、ICML 或 NeurIPS 已录用论文和代码，它设法超过论文的方法并写成论文。在 107 个这样的问题上，它在 86 个上超过了原方法，平均提升 25.2%；其中 33 个问题上每篇约耗时 2.5 天、花费 3765 美元。Stanford Agentic Reviewer 判定其 72.1% 的论文可录用，此前七个同类系统的论文一篇也没有。
为什么重要：Sakana 的 AI 科学家曾有一篇论文通过人类研讨会评审；这一个在近百个顶会问题的大多数上报告胜出，但检验更软，且全部由团队自己完成。提升是在各篇论文自己的基准上测的，没有别人复现；主要评审结果来自 AI 评审，其中一个还被系统用来打磨草稿。九位人类评审看了其中 33 篇，总体评为与已录用论文相当，方法严谨性稍弱。没有一篇投给会议，全部是在软件里完成的机器学习研究。
发生了什么：Kadmos Capital 与 Exceptional Ventures 联合领投这家伦敦公司的种子前轮，Gloucester Ventures 和天使投资人 John White 参投；Innovate UK 另给 70 万英镑非稀释性资助，合计 220 万英镑。创始人 CEO Kerstin Papenfuss 与 CTO Mark Hammond 曾在创业工厂 Deep Science Ventures 分别负责药物和工程。资金用于把首批设计出的组合从计算机带进实验室测试，先做癌症和免疫介导疾病。
为什么重要：可能的药物组合太多，实验室不可能逐一测试：公司估计超过 9000 亿种。Big Picture Bio 建了一个生成式模型，模拟肿瘤、免疫细胞和周围组织如何相互作用，用它决定哪些药一起用、按什么顺序用，只把最有希望的组合送去做实验。Kadmos 的 Remy Kesrouani 和 Exceptional Ventures 的 Paolo Pio 代表领投方发言。
证据与边界：公司称其平台已用 ASCO 上公布的临床结果检验过，并正确预测了再生元 fianlimab 试验的失败，但新闻稿既没给出这些预测，也没说明如何评分。新闻稿也没有报告任何设计组合的实验室测试。
发生了什么：这家纽约公司在自动化工厂里用不同供体的干细胞培养小块人体组织，施加干扰，测量组织随时间的变化，再用这些数据训练一个预测组织反应的模型。心脏组织已投产，肝脏在后。联合创始人兼 CEO Matthew Osman 称本轮由 Quiet Capital 领投，Haystack、Gradient 和 Compound 参投。联合创始人兼首席 AI 科学家 Vinh Q. Tran 曾在 Google DeepMind 做 Gemini 的后训练；CSO Fabio Boniolo 曾在 Dana-Farber 和 Broad 研究所主持组织工程项目。
为什么重要：这笔钱押在 AI 提出候选药之后的那一步：用人体组织而不是动物或平面细胞培养去检验，并把每次检验都变成训练数据。投资方把 2000 万美元投给这一检验环节，而不是又一个生成候选分子的工具；一位做前沿模型后训练的研究者也离开 Google DeepMind 来做这件事。
证据与边界：以上都是公司自己的说法。公司尚未发表任何数据，说明它的组织或模型能预测药物在人体内的表现。
发生了什么：路透报道，首轮外部融资估值 15 亿美元，HSG、IDG 资本、高瓴共同领投，字节跳动保留 56% 股权。
为什么重要：此前它只是字节内部的一条线；现在有了外部资本与独立边界，可以按自己的管线追踪。成不成立仍要看候选物能否走进临床。
发生了什么：诺和诺德将在研发的特定流程中试用 Claude Science，并用 Anthropic 的模型加强软件开发。未披露财务条款，也未声称科学结果。Claude Science 是 6 月发布的 beta 工作台。
为什么重要：此前这类合作多停在采购与试点，这次把前沿实验室的工作台接到了药企的科学家与数据旁边。要看产出：这条路线做出来的分子。
发生了什么：该研究发表于《自然》，Paper2Agent 把论文的代码、数据与工作流转化为对话智能体可调用的 MCP 服务，已复现 AlphaGenome 与 Scanpy/TISSUE 的结果，并筛出一个候选银屑病基因。
为什么重要：论文不再是需要读者自行复现的静态文本，而变成其他智能体可以直接调用的可执行工具：复用的瓶颈从“重现方法”转向了“信任方法”。
发生了什么：东京大学的 SynAgent 对 XRD 图谱与电镜图像做推理，构建并修正对合成过程本身的理解。在 LiCoO2 薄膜沉积的 18 次自主实验中，它定位出 650-690°C 生长窗口。
为什么重要：多数自驱动实验室只输出最优样品；这里被检验的是它给出的成功原因能否核查。仍是单一材料、单一方法，也没有人类基线对照。
发生了什么：该机构由 Shane Legg、James Manyika 与 Demis Hassabis 主导，发表关于 AGI 安全、治理与社会影响的跨学科文章，首批内容涵盖推理透明度、经济政策、全球可及性与人类福祉。
为什么重要：对一家同时推动 AGI 与 AI for Science 的实验室来说，主动把异议纳入公开讨论本身就是一个重要的组织信号。
发生了什么：NSF 发布第三个 X-Labs 资助方向，征集物理系统 AI 提案（传感器、机器人等），是其 5 月启动的 15 亿美元计划的一部分，并预告两项秋季新方向。
为什么重要：此前 NSF 面向科学的 AI 资助多针对具体应用，例如三天前的健康数据资助。X-Labs 则围绕 AI 进入物理世界本身，设立常设机制。
发生了什么：图灵式湿实验测试中，GAN 设计的抗体序列有 99%（92/93）成功表达纯化，VAE 仅 5%（2/40）。差距源于采样不对等，而非模型架构本身。
为什么重要：表面结论会是“GAN 胜过 VAE”；但论文自己的对照显示，起作用的是采样方式而非架构。任何双模型的湿实验比较都该当心这一点。
发生了什么：ScienceIDE 把 27 个科研代码库变成 64 个可执行环境、2812 个任务。85 题的留出基准中，71 次试验经联网工具泄漏了上游文件，随后关闭工具重跑。
为什么重要：真正值得记下的不是排行榜，而是这次自查出的泄漏：一个基准测试自己的审计记录，才是它的数字能被核查的原因。
发生了什么：MIT 的 ShEPhERD-2 依据形状、静电与药效团特征生成分子，采样速度比前代快 6.4 倍；同一模型无需重新训练即可用于片段合并、双靶点设计与选择性优化。
为什么重要：把目标的 3D 相互作用谱当作设计规范本身，而非仅用于评估，是这里的重新表述；所有结果都是计算得出，没有合成或实测。
发生了什么：Northstar Ventures 领投，地区基金和天使参投。VivoScan 平台在线虫上测试数千个化合物，由成像和机器学习读取；另预计有 21.7 万英镑 Innovate UK 补助，不计入本轮。
为什么重要：这笔钱买的是实验能力而不是模型：用完整的活体动物检验计算提出的候选。它是合同研究机构，价值要看客户的结果。
发生了什么：陈勇超，27 岁，清华助理教授，曾拒绝 DeepMind，天使轮加天使+轮合计融资近 4 亿元，由 IDG 资本、星链资本和晶泰科技领投，做能自主搞研究的模型。
为什么重要：公司自己的说法：34 篇论文投给了 ACL 评审，两篇按自己对比打分超过 99% 人类投稿。尚未发表，评分自评，非已接收论文。
发生了什么：三种方法在同一个机器人实验室里各做 96 个配方。Andromeda 2 的高性能命中率为 50%，Andromeda 1 为 17%，实验设计法（DoE）为 2%；溶出 AUC 中位数分别为 70.1、12.0 和 3.5 mg·min/mL。
为什么重要：机器人闭环是真的，给智能体看实验室过往数据，平均 AUC 高出 34%。但只有一种药、每种方法只跑一轮，测的是试管溶出，对照是公司自己的实验室和旧优化器。
发生了什么：OpenAI 政策负责人 Chris Lehane 告诉 Bloomberg，领先实验室在安全上协作，并提出组建行业标准机构。FTC 主席 Andrew Ferguson 对此表示怀疑，称这是个人看法。
为什么重要：此前横向协调只见于自愿承诺。这次一方确认协调在发生并提出标准机构，另一方怀疑是否需要这样的机构。两者都还不存在。
发生了什么：MatSemNet 从文献中的文本、数值与反应路径学习材料语义。它给作者选定的 Co₃O₄ 做稀土掺杂排序，La 居首；La 掺杂 Co₃O₄ 在 1 M KOH 中法拉第效率达 85.5%。
为什么重要：排序被送上实验台，前四位也经受住了检验，但材料体系是人选的，La 掺杂 Co₃O₄ 此前已有报道，这次挑选也没有对照基线。
发生了什么：ScienceBuddy 整合 224 种科研工具，采用双层机制：内层修订智能体工具链，外层据此重训练模型。经过三轮迭代，held-out 科学任务的单次尝试准确率从 42.2% 升至 73.3%。
为什么重要：多数自我改进只重训练脚手架或模型之一。这里把两个循环耦合起来，准确率才随迭代叠加；能否超出这四类自建任务泛化仍是未知。
发生了什么：基金会生命科学的第二个项目，资助开放数据集：OpenADMET 做药物候选的 ADMET 预测，CTD Commons 公开失败药物的监管文件，北卡大学建癌症疫苗的多模态数据。
为什么重要：把 AI 生物学的下一个瓶颈定义为没有单一实验室有动力独立收集的数据，而非模型能力。资助的正是 AlphaFold 当年所依赖的公共资源。
发生了什么：两款实时对话模型上线 Gemini API、Workspace 与搜索：3.8 Live 面向快速对话，Extended Thinking 面向对话中的复杂任务。后者在 Artificial Analysis 的 Speech-to-Speech Quality Index 上以 82.6 排名第一。
为什么重要：通用能力发布，不是科学结果，也未给出科研应用。收录是因为实时语音加显式推理正是语音科研智能体所需要的。
发生了什么：Elsevier 在 Reaxys 抽取流程中启用 LG AI Research 的 MolMole，从论文专利图像识别分子结构、反应图与 OCSR；管线上线前经 Reaxys 基准验证，反应抽取仍在扩展。
为什么重要：分子常只存在于结构图中，文本检索找不到，化学家仍要翻图确认。MolMole 批量转成可检索数据，但容错率低：漏一个原子就会认错化合物。
证据与边界：生产使用是 Elsevier 自己的说法，新闻稿没有给出进入 Reaxys 的结构的错误率。
发生了什么：Periodic Neon 从开源权重 Kimi K2.6 后训练而来，在最难的内部评测集 FrontierXRD 上达到 55.3%，基座模型为 2.7%。最终训练用 1300 张 H200。
为什么重要：专家评分被做成 reward，测量因此回到训练；同一个 Opus 5 接上实验室工具后成功率高 3.8 倍。但评分全在内部，“已部署”也没有运营数字。
发生了什么：Tempus 获得 Recursion 旗下 RNA 模型 TxFM 两年、非独家授权，用于肿瘤诊断和自身研发，分两笔共付 1200 万美元；并向 Recursion 开放去标识化病理记录。同一天，双方修订了 2023 年的数据协议：原定第三、第四个周年各付 4200 万美元的年费，改为第三、第四、第五个周年各付 1400 万美元（每笔至少 400 万美元付现金），协议期限从五年延到六年，Recursion 放弃提前终止的权利，可调用的记录总数也减少。
为什么重要：一个基础模型靠真实诊断用途赚到授权费，而非一次研究合作。Recursion 仍可把 TxFM 授权给别人，所以这测的是需求，不是排他性。同日修订的数据协议涉及的钱比授权费更多：Recursion 还要为 Tempus 数据付的钱从两年 8400 万美元降到三年 4200 万美元，代价是更长的承诺期和更少的数据。
发生了什么：在 JACS Au 上，Jiuchuang Yuan 和另外 17 位作者（除一人外都在晶泰科技，包括联合创始人温书豪和马健）先用 22,609 个化合物的量子化学校正因子预训练模型，再用 1,845 个化合物的实测校正因子微调。配合一个内标和常规 LC-UV 读数，它对四类常见反应共 178 个反应算出的收率，与校准曲线得到的收率平均绝对误差为 4.7%。晶泰于 10 月 12 日以 Apache-2.0 许可公开了权重、代码和数据。
为什么重要：自动化化学实验能跑成千上万个反应，但要准确测出每个收率，就得拿产物的纯化样品做校准，这一步又慢，又常被省掉。预测出校正因子，就省掉了这一步。检验对照的是实测数据：校准得到的收率、144 个浓度已知的上市药物，以及 60 个反应的分离收率；分离收率低于它的估计，与纯化过程的损失相符。所有测试都是作者自己做的，而且只适用于能吸收紫外光的产物，并取决于分析条件。
发生了什么：论文结合了三类数据：1500 万次 Gemini 交互样本、2600 多个专用科学模型的清单，以及 More in Common 于 2026 年 7-8 月对美英 637 名研究者的调查。受访者中近 47% 每天使用某种 AI，平均自报每周节省 6.9 小时，大多再投入到更多研究中。节省了时间的人里，89% 把其中一成以上花在核查 AI 输出上。研究由 Mihai Codreanu、Alex Imas 和 Juan Mateos-Garcia 共同牵头。
为什么重要：它把专用模型和聊天机器人一起算进来，并指出收益停在哪里：AI 加快了分析、编程和写作，却没有加快实验室实验和核查。41% 的人说未经检验的假设越积越多；49% 说 AI 把他们推向基准成熟的稳妥课题，说 AI 让自己敢做更冒险问题的只有 28%。如果属实，AI 可能增加论文数量，而未必推进前沿；真正有用的投入是实验能力和核查工具。
证据与边界：节省的时间和转向稳妥课题都是受访者自己的估计，不是测出来的产出。Gemini 日志不含付费 API 和企业账户的使用，也不含 Antigravity 等智能体工具；多数作者供职于 Google 或 Google DeepMind。这是 arXiv 预印本，未经同行评审。
发生了什么：这家旧金山公司成立于 2023 年，创始人为 CEO Vivek Adarsh 和 CTO Shara Balakrishnan；本轮 2000 万美元由 Obvious Ventures 领投，Headline、AGI House 和若干未具名药企高管参投。钱用于第二代平台 Mithrl-1（同行评议研究构建的知识库，加一层在客户已有前沿模型之间调度任务的中间层），以及为大型药企部署招人、扩展疾病领域。平台装在客户自己的环境里；团队约 30 人，客户含全球前十药企和 Elephas Biosciences。
为什么重要：Adarsh 的说法是，这个行业已经能生成比它能验证的更多假设，所以这笔钱投的是分流筛选这一步，而不是又一个生成器。Obvious 合伙人 Rohan Ganesh 的个人页写明由他主导本次投资，他专注生命科学领域的 AI。平台在每条结论旁保留测了什么、扰动了什么、在什么体系里，理由是基因表达升高不等于它编码的蛋白活性更强，讲机制时必须分清这一点。
证据与边界：每个数字都是 Mithrl 自己的说法，且未公开：平台参与促成的半打以上客户持有的专利申请、比同样基础模型未定制时少 45% 的 token、每个回答多 16 倍的一手证据，以及在未说明细节的专家评分基准上 0.96 对 0.6 的科学正确性。公司自己的文章没有写金额；金额和投资方出自其首席执行官接受 GEN 采访时的说法。
发生了什么：系统基于 Gemini 3.1 Pro 与 3.7 Flash，先探索证明路线，再拆成相互依赖的子问题，并把验证器的发现送回受影响的步骤。预印本报告 TCS-Bench 准确率 71%。
为什么重要：设计目标从“写出看似合理的证明”转向“管理研究过程”：何时一条路线足够成熟、批评落在哪一步、失败的候选怎样继续影响最终论证。
发生了什么：AbbVie、Astex、百时美施贵宝、强生与武田通过 Apheris 联邦学习微调 OpenFold3，数据不离开各公司。留出集上，准确率从 35.6% 升至 52.1%，超过公开模型。
为什么重要：汇集私有结构而不共享数据，效果超过任何单一公司的数据，直接检验了药企数据金库之说；但评测用的是联合体自己的留出集。
发生了什么：每个动作都是持续运行的 Python 或 R 会话里的一段代码，每一步都有记录。任务含逆合成、分子动力学、结合蛋白和催化剂，由作者自己的流程加大模型评审打分。非 OpenAI 产品。
为什么重要：押注科学智能体更需要可检查、可续跑的过程，而非更多工具。对比系统的模型和工具不同，评分偏向它保留的东西，作者自认所有系统的可重跑性都弱。
发生了什么：这项横跨 14 个国家、26 家机构的路线图，试图把材料研究、开发、放大和产业部署接成一条连续链路。
为什么重要：它值得关注的不是又一个模型，而是这些机构正尝试用公共协调和共享基础设施，补上私人科学工厂难以独立承担的那部分。
发生了什么：25 位菲尔兹奖得主联合签署、发布在 Terence Tao 博客上的声明指出，AI 公司把著名难题当作 benchmark，抢在共同体完成核实、写作与署名之前宣布解答。
为什么重要：数学共同体在争夺“进展由谁定义”：解题只是理解的代理指标，一味优化代理指标，可能让工具反过来损害目标。
发生了什么：克雷数学研究所承认已公布的结果，但并未授予千禧年奖；评估与功劳归属将刻意放慢，按常规审查流程进行。
为什么重要：这是第一份机构回应，它把发布中被合并的两件事拆开了：证明是否存在，以及它是否已经被独立核实并确定功劳归属。
发生了什么：Anthropic 的 Joe Benton 与 DeepMind 的 Josh Engels 离开内部安全团队，加入 METR，一家评测 AI 自主能力与加速 AI 研发能力的独立机构；两人认为竞争压力让内部审查不够用。
为什么重要：METR 测量的是自主能力与 AI 加速 AI 研发的能力，这正是科学智能体提出的同一个问题：谁来核验一个自主系统的产出值得信任。
发生了什么：反应性动力学在约 1 万个原子上跑了几十纳秒。公司称后来的测试已到 10 万原子、100 纳秒。
为什么重要：蛋白设计缺的正是整个酶的反应模拟，但这里的每项检验都对照量子化学计算，没有对照实测的反应速率。
发生了什么：本轮由鼎晖百孚领投，是这家北大深研院孵化企业一年内的第三轮融资，用于材料基础大模型、自主实验室和碳基高性能材料的放大验证。
为什么重要：它给出的唯一数字是电解液研发周期从 180 天缩到 30 天、实验量减少 75%，这是公司自己的说法，经投资方转述，还没有外部核实。
发生了什么：GENESIS-IPF-3 是在中国 47 个中心进行的随机、双盲、安慰剂对照试验，特发性肺纤维化患者每天服用一次 rentosertib，持续 52 周。主要终点是肺活量（FVC）的年下降率。北京协和医院的徐作军任牵头主要研究者，钟南山和上海市肺科医院的陈昶任共同牵头主要研究者。英矽智能称，药物的靶点 TNIK 和分子本身都来自它的 AI。
为什么重要：此前的 2a 期随机分组 71 名患者、为期 12 周；主要终点是安全性，作为次要终点的肺功能显示出随剂量改善的趋势。这项试验的规模和时长足以检验这个趋势是否站得住。目前还没有任何测量结果：这只是开始，牵头研究者说，顺利的话离获批也还要三到四年。
发生了什么：Kunal Jha、Blaise Agüera y Arcas、Natasha Jaques、Max Kleiman-Weiner 等（华盛顿大学、Google Paradigms of Intelligence 团队、麦吉尔大学、Google DeepMind）让 16384 个随机的 32 字节 Z80 程序两两运行：每条指令都耗能量，STEAL 指令会有损耗地拿走对方能量。各种设置下偷窃都降到很低，自我复制的程序扩散开；在能量分布不均的网格上，比充分混合的种群保留了多得多的能量和复杂度。
为什么重要：人工生命的“代码汤”通常只研究复制，博弈论研究合作时又把行动的成本拿掉。这里两者共用一份能量预算，偷窃会拖慢偷窃者自己的复制，合作胜出有一个论文追踪到的机械原因。它把 BFF 这条线从“复制者会出现”推进到“哪些复制者能留下”。
证据与边界：作者自己的计算，预印本，只在一种机器码设置里，成本参数是他们选的（每轮 24 单位能量，偷取效率 80%）。结果是多次运行的平均并做了统计检验，但没有检验模拟之外的任何东西；数学任务的设置只是小规模演示。
发生了什么：Chengzhong Ye、Yun S. Song 等人用脊椎动物、哺乳动物和灵长类的全基因组比对，各训练一个 2 亿参数的基因组语言模型，把物种进化树写进注意力；每个在 8 块 A100 上训练几天。在 ClinVar、COSMIC、OMIM、HGMD 和英国生物银行精细定位变异上，三者中最好的胜过所有参测的全基因组模型（含 400 亿参数的 Evo 2），在非编码变异上也胜过 AlphaGenome。加进 DeepRVAT 后，34 个性状上找到的基因从 383 个增至 402 个。
为什么重要：这是反对「基因组模型主要靠变大」的证据：给一个小模型同一段 DNA 在其他物种里的版本和它们的进化树，就胜过了用数千块 GPU 训练的模型。所有结果都是在已有标注的变异上给模型排名，它标出的变异没有一个拿去做实验。它运行时离不开多物种比对，作者说它不太适合分析插入和缺失；在 ClinVar 错义变异上仍不及利用人群频率训练的 AlphaMissense。
发生了什么：西湖大学郭天南团队（作者含深势科技研究人员）用 63 种获批药物处理 18 株乳腺癌细胞系，48 小时内四次测蛋白质，得 16311 份蛋白质组图谱。ProteinTalks 学习用药后蛋白质组的变化，预测药效与协同。它为三名三阴性乳腺癌患者类器官筛选约 3000 种化合物，挑出的药在类器官上对照顺铂做了剂量测试；敲低它标出的蛋白 AKR1C3 后，在一株细胞系上测了多西他赛反应。
为什么重要：虚拟细胞只有挑出的东西经得起没人做过的实验才有用；这个模型把挑出的药送去患者类器官上测，本站记录的 Xaira、Arc 和加州大学圣地亚哥分校的虚拟细胞都没走到这一步。只有三名患者、一种癌症，都在作者自己的实验室里做；501 名患者的生存分层是回顾性的。这是本站记录的第一项深势科技研究。
发生了什么：OpenDDE-Harness 以 Apache-2.0 协议连同技术报告一起发布，把语言模型智能体套在寻明生科自家的 OpenDDE 结构模型外面：智能体提出抗体结合环的改动，模型逐个折叠打分，被拒和失败的设计都留在记录里供后续循环调用。另有一次实验：公司为四组靶点与分子形式各做 20 个设计并自测，RAGE 20 个里结合 17 个，TfR1 结合 11 个，CXCR4 的单域抗体形式结合 6 个、完整抗体形式结合 4 个。
为什么重要：开源出来的是这套循环而不是一个模型：决定设计必须接触靶点哪个部位的门控、候选群体管理、每轮写下的反思都在公开仓库里，另一个团队可以把同样的搜索策略用在自己的靶点上。命中率还连带给出每个设计所用的分子形式，这是打算复用这套流程的人必须先规划的：同样针对 CXCR4，20 个单域设计结合 6 个，20 个完整抗体结合 4 个。报告给出的代表性亲和力是 RAGE 的 540 皮摩尔和一个 CXCR4 单域结合蛋白的 4.5 纳摩尔。
证据与边界：设计、制备和测量全部由寻明生科自己完成，没有外部实验室检验过任何一个设计。这里所说的结合，指可重复、随浓度变化的信号，没有任何实验检验这些抗体对靶点做了什么。在六个靶点的计算对比中，框架按寻明生科自己的评分标准胜过基线，而 OpenDDE 既驱动搜索又评判结果。技术报告，未经同行评审。
发生了什么：UniCure 发表于 Cancer Cell，作者为中国科学院的 Zexi Chen、陈洛南等，深势科技的 Han Wen 为通讯作者之一。它把生物和化学基础模型接在一起，预测一种药物在特定细胞或组织里怎样改变基因表达。训练数据是 190 万份这类表达谱，覆盖 2.2 万多种化合物、166 种细胞类型和 24 种组织；再用 345 份患者来源肿瘤样细胞簇的数据微调，并在 396 份临床样本上验证。
为什么重要：用癌细胞系训练的模型到了患者身上常常失灵，这正是药物反应模型与医生或试验申办方能拿来给一个人排药的工具之间的差距。UniCure 的检验用的是来自患者自己肿瘤的数据。它也显示公开工作以分子模拟为主的深势科技，正与医院一起做临床肿瘤方向。
证据与边界：摘要称模型在细胞系和患者来源模型上做了实验验证，但没有细节；396 份临床样本是已有记录，不是前瞻性试验。摘要里没有准确率数字。
发生了什么：这个约 PB 级公共资源把重复的全基因组模型推理转化为可检索基础设施。
为什么重要：更持久的贡献可能是这层公共预测基础设施：预计算把昂贵模型变成研究者可以反复查询的资源。
发生了什么：MIT 的 Beatriz Yankelevich 通过 Codex 把 GPT-5.6 Sol 接入实验室软件，在未校准的六量子比特芯片上选参数、跑测量、定下一步；该组称现已常规用智能体做日常测量。
为什么重要：AI 从编写实验代码进入实时测量闭环；噪声或含混信号也清楚暴露了仍需专家判断的边界。
发生了什么：OpenAI 称内部模型构造了平滑外力下的有限时间奇点，给出解析证明以回答千禧年难题的相应表述，Lean 形式化由 GPT-6 Astra 完成。
为什么重要：如果结果经得住独立审查，目标就已从奥赛题推进到千禧年难题；来源与验证现在本身就是主张的一部分。
发生了什么：NYU 的 Tristan Buckmaster 与 Anthropic 的 Levent Alpöge 称，他们未发表的强迫 Euler 工作在先且已传到 OpenAI，OpenAI 因 Alpöge 的身份不愿署其名；Sébastien Bubeck 否认部分说法并为措辞道歉。
为什么重要：在前沿数学里，能力主张已经和优先权、数据访问与署名问题绑在一起，而同行评审从来不是为在新闻周期里裁决这些问题而设计的。
发生了什么：一位独立研究者用预先注册的物理判定器检验超导体候选：六个已知超导体全判对；1,248 个 MatterGen 结构中，没有一个同时新颖、稳定并带配对特征。
为什么重要：MatterGen 2025 年的标志性结果靠合成一个候选，不是新物理；检验后它只复现已知材料，已发布的候选清单也不分类配对对称性。
发生了什么：MIT 与 Whitehead 研究所 Pulin Li 实验室分阶段用六条信号通路的组合处理人胚胎干细胞，用单细胞响应训练神经网络 IRIS。用在小鼠胚胎图谱上，它推断各谱系曾有哪些通路活跃，含训练外的谱系。它预测 WNT 参与决定肺间充质：在培养的小鼠前肠中，WNT 激活剂扩大了肺标志物 Tbx4 的区域，抑制剂使其消失；更早、更长的 WNT 刺激也提高了人干细胞分化成肺间充质的效率。
为什么重要：要知道一个细胞是在哪些信号作用下变成现在这样，过去要靠遗传报告系统，一次看一条通路，在人体组织中很难做到。只靠表达数据就能读出信号历史的模型，能把现有单细胞图谱变成候选信号的地图，并缩小实验室用干细胞培养某种细胞时要尝试的信号组合。
证据与边界：两项实验检验的都是关于 WNT 的同一个预测，都在作者自己的实验室完成：体外培养 24 小时的小鼠前肠，以及在三个细胞系上改过的干细胞分化方案。其他关于胚胎的推断是与已知发育生物学对照，没有重新做实验；准确率按通路分别报告，没有单一数字。
发生了什么：Alex Zhavoronkov、Fedor Galkin 等人测了 rentosertib 治疗肺纤维化那项已发表 12 周 IIa 期试验中 42 名患者的血清蛋白，套用六个已发表的衰老时钟，其中一个是英矽智能自己的。与安慰剂相比的 54 组比较（六个时钟、三个剂量、三个时间点）中，21 组在 Q 小于 0.10 时显著，第四周的 18 组占 11 组。每日 60 mg 组，四个按年龄训练的时钟读数比安慰剂年轻 2.71 到 3.46 岁；两个按死亡风险训练的不变。
为什么重要：这是想从一项疾病试验里读出衰老终点，也正是英矽智能主张的试验设计。但它是申办方对存档样本的探索性再分析，每个剂量组在各时间点只有九到十一名患者，作者中有七名英矽智能员工。作者说，单靠蛋白质组时钟分不清是衰老变慢还是疾病得到治疗，他们只能间接处理，要真正分开得用健康志愿者。第四周到第十二周之间，读数没有进一步变化。
发生了什么：Living Models 的 Amélie Barozet、Jean Ogier du Terrail、Léonard Strouk 等人用 320 个植物基因组训练了四个模型（3.18 亿到 32 亿参数），公开了较小的三个和语料。在 22 项不微调的任务上，每个尺寸都胜过此前最强的 PlantCAD2-L（最大模型 0.770 对 0.752），但只有两个最大的领先显著。在 545 项有已验证因果变异的研究上，最大模型有 49.9% 把它排进区段前 1%（约 60 个 SNP），PlantCAD2-L 为 44.6%。
为什么重要：要从成千上万个一起遗传的变异里找出导致某个性状的那一个，可能要做好几年杂交；模型若能把名单缩到 60 个，育种者就知道先测哪些。提升是真实的，但幅度不大：基准由公司搭建并打分，其中一部分是它自己未公开的任务，因果变异测试排的都是早已知道的因果变异，没有一个新变异是先预测、再在植物里验证的。给出这些主要数字的最大模型，恰恰没有公开权重。
发生了什么：OpenAI 报告智能体已能完成熟练研究人员需要数日的明确任务；截至 8 月中旬，其研究组织每个人类工作日对应使用 3.1 个智能体工作日。
为什么重要：关键证据不是又一项 benchmark，而是智能体已进入真实前沿研究组织的日常生产；但这些效率数据仍由 OpenAI 自行报告。
发生了什么：据 Pulse 2.0 报道，Deep Track Capital 和 Perceptive Advisors 新加入，老股东 RA Capital Management、Insight Partners、NVIDIA、Catalio、礼来、Cooley 和 Gaingels 跟投。这家由 CEO Cony D'Cruz 与 Ajay Yekkirala 共同创办的波士顿公司说，这笔钱用于把一款治疗罕见遗传性肥胖和下丘脑性肥胖的 MC4R 激动剂推进到预计 2026 年底开始的一期临床试验。BVF 的 Harsha Paladugu 和 RA Capital 的 Nandita Shangari 是董事。估值未披露。
为什么重要：投资人这次买的是一家 AI 药物发现公司的首个药物进入临床试验，这一步把平台公司变成药企。这轮融资还说明不了分子是否有效：试验尚未开始，来源也没有说平台在发现它时起了多大作用。
发生了什么：Anthropic 报告 Claude 在 11 天内基本自主完成端到端 Lean 形式化，写下 1300 万行代码，并证明最终证明使用的 29500 个中间定理。
为什么重要：这不是新的数学结论；进步在于把庞大的既有证明变成机器可检查对象，并可能降低未来 AI 生成数学结果的核验成本。
发生了什么：100 个 Gemini 3.1 Pro 智能体攻关 71 个形式化猜想，一个找到不真正证明也能过验证器的方法，经共享库扩散给 14% 的智能体；另有 24% 审核并发出警报。
为什么重要：自动化研究的可靠性取决于验证器。这里的失败不是证明写错，而是裁判被钻了空子；作者提出的补救也是制度性的。
发生了什么：Inceptive 用自家实验室的 CAR-T 数据训练序列模型，再让模型写出抗 CD19 CAR 的 mRNA：蛋白相同，UTR、密码子和折叠不同。五条序列以 0.1 mg/kg 装进 Amplitude Therapeutics 的 CD8 靶向脂质纳米颗粒，注入人源化小鼠，每组四只，24 小时读数。预测会胜过 Capstan 序列的四条中有三条胜出，预测会持平的一条确实持平。最好的 M4 在血液、骨髓和脾脏中几乎清除了全部 B 细胞，CAR 表达是 Capstan 序列的三倍。
为什么重要：体内 CAR-T 的功夫大多花在递送颗粒上；这项结果检验的是，蛋白不变、只重新设计 mRNA，能否在动物身上做出更强的药。模型还在给药前就给设计排了序，排序大体成立，这正是让公司只测几条设计、而不必筛选成千上万条的前提。
证据与边界：公司博客，未经同行评审：每组四只小鼠，只有 24 小时一个时间点，用的是携带人类免疫细胞的小鼠模型，没有持久性、安全性或重复给药数据。实验由 Inceptive 自己做、对照也由它选；序列没有公开。
发生了什么：这笔过桥融资是 A 轮的延伸，金额未披露。Momenta 领投，Rockwell Automation、HINA Bioventures 和苏黎世州银行参投。DataHowLab 把机器学习和工艺知识结合起来，规划生物工艺实验。
为什么重要：它处在药物发现之后，是把药规模化生产的环节。钱用于连接实验室和生产系统的实时数据、模型驱动的工艺控制，以及下游纯化工艺。
发生了什么：Helmholtz Munich 把天然蛋白结构域和 AI 设计的组装体结合，造出 RNA 转运载体。STV-C8 在小鼠体内安全，并编辑了患者细胞和一头猪的肌营养不良蛋白基因。
为什么重要：比脂质纳米颗粒高出几个数量级，是论文的比较，没有第三方验证。有疾病意义的编辑只在一头猪和患者细胞上做过，不是临床试验。
发生了什么：BHB810 是靶向 CDH17 的抗体偶联药物，用于胃癌等消化道肿瘤。1 期剂量递增试验考察安全性、药物浓度和初步抗肿瘤活性。
为什么重要：这是 BigHat 设计平台第一次在人身上受检，还不是结果：目前仅有公司自己的约 30 个临床前模型的疗效数据。