发生了什么：萨里大学的 Fabio Dias 与巴西塞阿拉联邦大学的 Yvens Lima 假定 OpenAI 的证明无误，追问公式要多大，这个界才比逐个试遍所有赋值更快。预印本没给常数：隐藏常数若为 2，交点约在 10³² 个变量，为 3 则约 10¹²⁶。按张量收缩证明自己的常数，有界密度公式上它保证的时间要到 log₂(n+m) 超过 10⁹ 才低于 2ⁿ。
为什么重要：证明若成立，ETH 照样被推翻；变的是这个结果的含义：对任何存得下的有界密度公式，它都不保证计数更快。这把关于理论的主张和「实际能更快解公式」分开了，也给核验提供了一个能检查的数字。
证据与边界：作者明说不评估 OpenAI 的证明是否正确。他们对子句乘积路线的限制，只在按预印本计算方式设定的成本模型里成立，奇偶形式和张量收缩不受其限。分析借助 Claude Code 里的 Claude Opus 5.5 完成，由另一个实例审稿，是未经同行评审的预印本。
发生了什么：Asli Alpman、Nick Bhattacharya、Aaron Solomon 和 Hunter Elliott 给 Claude 与 GPT 的六个模型下了十份经专家审核的抗体改造任务书，每份都带硬性要求，由代码检查是否条条做到。不配工具时，全部做到的比例为 0.73 到 0.87；配上做编号、折叠和暴露表面的抗体工具后为 0.98 到 1.00。这些工具也让胜过起始抗体的设计比例降 4.2 个百分点；而喂入过去已打分的设计，这一比例升 10.5 个百分点，遵守指令降 0.09。
为什么重要：智能体正被卖给实验室，说是接到一条指令就能交回分子，而这篇在测量这件事的代价。实验室想要的两样东西：照指令做事，以及找到更好的分子，在工具和历史设计数据开关切换时恰好朝相反方向走。在十轮、每轮 50 个设计的条件下与 BigHat 自己此前那套贝叶斯优化打平，是这种闭环要跨过的门槛，而不是成果；而论文自己的消融实验显示，去掉其中的任务型智能体，性能并没有变差。
证据与边界：没有做出任何分子，也没有做任何测量：所有设计都由 BigHat 用自己过去一次优化活动的数据训练的模型打分，目标只有一项。那些硬性要求本身就是所配工具能算出的属性，所以这项测试测的是工具报告了什么。Claude 系列模型在不同设置下最多有 60% 的调用被拒答，被拒答的部分不计入比例。未经同行评审；作者写明实验室验证是后续工作。
发生了什么：ChefNMR2 是一个生成模型：给它分子式和一维氢谱、碳谱（化学家鉴定分子的常规测量），它给出小分子的结构。模型用 252 万个分子训练，在 2031 个测试分子上约 82% 把正确结构排在第一；检索已有结构的 NMR-Solver 为 60%，最好的语言模型 Claude Opus 5 为 52%。配上会推理、会查文献的智能体后，它解出了 Mohammad R. Seyedsayamdost 实验室分离到的四个结构尚未报道的天然产物。
为什么重要：人工解析一个新分子的结构是慢而吃经验的活，拖住了天然产物药物发现。团队报告它比前沿语言模型最多快 2170 倍、便宜 360 倍，给出的置信度与准确率相符。代码和权重已公开，Edison 已把模型接入 Kosmos 供合作方使用。
证据与边界：这是预印本，未经同行评审。四个新结构是对照同一实验室化学家的判断来评的；其中一个，模型单独只把正确答案排在第四或第五，加上智能体后五次运行有三次排到第一。对紫杉醇这类名气大的分子，作者说语言模型可能是在回忆而不是推断。只解平面结构。
发生了什么：Recursion 董事会把成员从 9 人增至 10 人，并任命 Fred Hassan 为主席，10 月 31 日生效。Hassan 曾任先灵葆雅（2003 至 2009 年）和法玛西亚（2001 至 2003 年）的董事长兼首席执行官。原主席 Chris Gibson 在 4 月 28 日通知公司不在 6 月年会上参选连任，与公司没有分歧，任期到年会为止。新闻稿没有说 6 月到 10 月由谁主持董事会，只感谢了留任董事的 Rob Hershberg。
为什么重要：董事会的新主席，职业生涯都在带大药企做后期开发和上市。首席执行官 Najat Khan 说，这项任命对应的是公司从临床概念验证走向获批和上市，这与 Recursion 眼下花钱的方向一致：REC-4881 的注册性试验计划在 2027 年启动，另有两个项目希望由合作方接手。
发生了什么：Google DeepMind 的 Augustin Žídek 发布了 AlphaFold 3 的 v3.0.5 版，发布说明称之为提速版。Jackhmmer，也就是用来构建输入序列比对的搜索，快了约 2.5 倍，并且现在随 CPU 核数扩展，在一台 24 核测试机上超过 10 倍；比对特征化这一步快 10 倍，构建和数据脚本也更快。这一版还带有一批 bug 修复、更多纳入持续集成的单元测试和更好的文档，许多来自外部贡献者。
为什么重要：跑 AlphaFold 3 的时间主要花在比对搜索上，所以 Jackhmmer 变快，就降低了用公开代码折叠一个蛋白的时间和成本。超过 10 倍这个数字绑定在 24 核机器上，因为这一步现在会用满分配给它的核。这是对本记录已跟踪的工具的维护，模型本身和权重条款都没有变。
证据与边界：超过 10 倍是一个团队在 24 核机器上的测试，通用数字约为 2.5 倍。这些数字来自发布说明本身，没有外部基准。模型和权重条款都没有变。
发生了什么：莫斯科 Zelinsky 研究所的 Stepan N. Ostarkov、Michael G. Medvedev 等人，每个任务只给模型 60 个带标注的分子。把例子写进提示后，GPT-6 Astra 在溶解度、水合能、亲脂性和两项量子化学指标上都胜过最好的化学模型：轨道能 R² 0.85 对 0.53，水合能 0.97 对 0.63。化学模型只在作为对照的 BACE1 酶抑制上胜出。轨道能上，最好的化学模型要 1000 个分子才超过 Astra 用 60 个的成绩。
为什么重要：大多数化学项目的测量值不到一百个，这正是化学基础模型被造出来要应对的情形。这里，把数据写进提示的通用模型在所测的性质预测任务上表现更好，例外是化学模型训练时围绕的类药分子分类。如果这一结果在更多任务上成立，手上数据少的实验室应先试前沿模型，再考虑微调化学模型。
证据与边界：六个基准都是公开的，通用模型可能在训练中见过答案。把标签打乱后它们仍然得分不低，作者也指出 Claude Opus 5.5 可能记住了答案。每个任务用 100 个分子、做 15 次随机划分；这是预印本。
发生了什么：无序晶体里，几种元素共用一个原子位点，要模拟它，得先从数量极多的排布里选出一种。南洋理工大学的 Martin Hoffmann Petersen、Zekun Ren 和 Kedar Hippalgaonkar 用一个便宜的模型拟合已弛豫的结构，来挑下一个结构。在 14 个已知答案的测试中，四种学习式搜索在 280 次运行里有 264 次找到最低能量排布，其中最好的贝叶斯岭回归所需弛豫次数中位数比最好的标准方法少 4.3 倍。
为什么重要：主要无机晶体数据库里，经实验验证的晶体近一半带有某种位点无序，而选不出排布就没法模拟它们。把搜索量减少约四倍，让这些材料更便宜建模。在一种有两类耦合无序的电池正极材料上，这一搜索找到了实验报告的排布。
证据与边界：能量来自机器学习势，基准答案也是用它穷举出来的，不是实验。在那种正极材料上，五次运行只有一次找到报告的排布。
发生了什么：Exabyte（Mat3ra）的 Timur Bazhirov 与伯克利实验室、斯坦福、SLAC、NVIDIA、加州大学伯克利分校等机构的合作者发布了 Q3，一个从零写起的密度泛函理论计算引擎。它的 82,200 行 C++ 和 1,800 多个测试由 Claude Code、Gemini 和 Cursor 智能体在几周内写成，接口、方程和容差由科学家设定。在硅和铜的测试晶胞上，它的总能量与 Quantum ESPRESSO 相差不到 0.014 mRy。代码以 Apache 2.0 开源。
为什么重要：DFT 计算是机器学习材料模型训练数据的主要来源，而运行它的程序是几十年前的 Fortran，扩展起来很慢。如果智能体能在几周内写好并测试一个新实现，由科学家核对物理，一种新方法就能快得多地变成经过验证的高速程序。Q3 已在 NERSC 的 GPU 上运行，并能把结果导出为 BerkeleyGW 的输入格式，用于多体计算。
证据与边界：精度和速度只对照了一个参考程序，测试晶胞最多 54 个原子，由作者选定；外部评审目前只是对数值结果的黑箱核对。论文没有给出人工投入的工时，“几周”无法核对。
发生了什么：西江大学和梨花女子大学的 Jae-Hyun Baek、Byung-Sun Won 和 Jon-Lark Kim 用 Google DeepMind 的 AlphaEvolve 进化出构造纠缠辅助量子纠错码的程序。程序给出的一批小规模量子比特码，被研究者归纳成一个带证明的无限码族，其代数核心由 Lean 检验。加上一步提升构造，这一码族填补了存档码表中的 54 处空缺；另有十个不存在性结果附有经检验的求解器证明。115 个已验证的码和搜索程序都已公开。
为什么重要：论文把每一步分开记录：进化程序构造了什么，研究者如何推广，Lean 和求解器证明了什么。读者能看清哪部分来自模型、哪部分来自数学家，也能重放搜索。在对照测试的次要指标上，多轮改进的程序在没见过的码长上成功的比例高于一次生成的程序（码长 13 时 46.1% 对 19.5%）。
证据与边界：对照比较只涉及一个模型、一个研究者方案和二元码；预先设定的主要指标在八组配对中五组占优（p = 0.328）。这些码的距离保证假设理想解码、没有噪声。
发生了什么：Flagship Pioneering 把旗下三家公司的平台合在一起，再配上自己的 AI 部门 Pioneering Intelligence；据 BioPharma Dive，三家此前共融资 3.74 亿美元。CEO 是 Adaptimmune 前 CEO Adrian Rawcliffe，Flagship 高级合伙人 Alec Reynolds 任董事长，Noubar Afeyan 是联合创始人。起步项目在血液病（如骨髓纤维化）、代谢（含已有合作的 MASH 项目）和免疫。Cellarity 的镰状细胞病药物 CLY-124 转入另一家公司。
为什么重要：三家各有一类证据：Cellarity 读整个细胞的状态，Etiome 追踪疾病逐阶段的变化，Empress 查清一个分子实际结合什么。Flagship 押的是：三者合并，再加上细胞在基因被关闭或加入化合物后如何反应的数据，能分辨哪些靶点真正导致疾病，从而在试验前判断哪些药会在病人身上起效。Reynolds 把要解决的问题说成约一半进入二期的药物会失败。
证据与边界：没有宣布新融资。新闻稿称其用 1.5 亿个细胞训练的基础模型为业内最大，另有 30 多个预测模型，这些都是公司的描述，没有展示任何结果。
发生了什么：ALLOX 完成 1050 万美元（940 万欧元）种子轮，由 Asabys 通过 Sabadell Asabys II 基金领投，西班牙创新署 CDTI（经 Innvierte）和加泰罗尼亚金融局参投。公司出自巴塞罗那基因组调控中心，CEO Júlia Domingo 与 André Faure、Pablo Baeza、Ben Lehner 共同创办。Orbis Medicines 首席商务官 Morten Graugaard 出任独立董事长，Asabys 联合创始人 Clara Campàs 进入董事会。资金用于突变图谱平台、自有 AI 模型、药物发现团队和小分子项目。
为什么重要：很多致病蛋白，比如转录因子和靠抓住其他蛋白起作用的蛋白，没有可供药物结合的口袋。ALLOX 一次测量上千个突变的效果，寻找蛋白上其他仍能改变其功能的位置。Faure、Domingo 和 Lehner 2022 年在 Nature 发表了这一方法：用神经网络拟合这些测量结果，绘出了两个常见人类蛋白结构域上的这类位点。这轮资金用于开发 AI 模型，从公司自己的数据中预测这些位点。
证据与边界：这是一笔融资，不是结果：新闻稿没有给出靶点或新数据，公司网站只提到一款临床前抑制剂 ALX-001，没有公布数据。2022 年的论文在实验室里测绘的是两个小的蛋白结构域；目前没有公开证据显示有药物针对这样找到的位点做出来。
发生了什么：台湾大学、上海交大、SLAC 和华盛顿大学等机构的物理学家，用 5 亿个模拟事件预训练了一个处理整次对撞的模型，再微调用于四项分析。在模拟的新重粒子搜寻和奇异希格斯衰变搜寻中，它胜过 XGBoost、TabPFN 和 SPANet，数据越少优势越明显；在模拟中测量顶夸克纠缠时，精度比已发表的基准高 37%。在真实的 2016 年 CMS 数据中，它以 7.6σ 找到已知的 ϒ 介子，已发表方法为 6.4σ。
为什么重要：如今对撞机物理学家每做一项分析，都要单独训练一个模型。EVENET 检验的是一个预训练模型能否服务许多分析：在 NERSC 用 512 块 GPU 做一次大规模预训练，之后每个新问题只需低成本微调。收益最大的是稀有信号搜寻，因为每个新粒子假设往往只有几千个模拟信号事件。预训练数据和四个下游数据集中的三个，都以 MIT 许可公开在 Hugging Face 上。
证据与边界：只有一项测试用了真实对撞数据，找到的是一个已知粒子；其余三项都在模拟事件上完成。作者说，模型还没有把探测器和理论的不确定性传递进去，决定性的检验是用于一项正在进行的 LHC 分析。
发生了什么：加州伯克利新加坡中心、南洋理工大学、新加坡国立大学、莫纳什大学和劳伦斯伯克利国家实验室的 Fanxu Meng、Kedar Hippalgaonkar 等人做了 SKIER：AI 模型调用研究者写好的分析步骤，计算交给普通代码。在课题组已发表的铂上甲醇氧化研究的 49 条记录上，有共享步骤时 11 种 AI 配置都处理完了数据，没有时一个都没有。模型再提出三种机理和区分它们的实验，团队都做了。
为什么重要：越来越多人让 AI 模型解读实验、提出机理，但它们的结论常常很难追溯到背后的测量。SKIER 把工作拆开：每种测量怎么分析由研究者定死，模型负责选择和推理，每个结论都能指回自己的数据。案例里这个回路走完了一次：同位素标记、停留时间和氧交换实验不支持三种机理中的两种，把 C-O 键断裂定在甲酸生成之前。
证据与边界：只有一个反应体系，来自作者自己此前的研究。GPT-5.6-sol 拿到 100% 的那 100 道单选题，由专家设计，论文没说是谁出的。作者也说，低于检测限的中间体和他们没考虑到的路径都没有排除。预印本。
发生了什么：FutureHouse 分拆出的 Edison Scientific（CEO 为 Sam Rodriques）宣布与 Pfizer 达成协议，在 Pfizer 的研发中部署 Edison AI 平台和 Kosmos。Kosmos 将使用 Pfizer 在肿瘤、内科、免疫等领域的数据，Edison 派驻的科学家和工程师会与 Pfizer 研究团队一起，把它接进具体的工作流程。
为什么重要：这是 Edison 今年宣布的第三个 Kosmos 部署，此前是 5 月的 Incyte 和 6 月的 Population Health Partners。这一次，AI 科学家读的是一家大药企的内部记录，包括没有成功的项目，而这类结果很少写进已发表的论文。Rodriques 说，目标是让每个项目学到的东西用到其他项目上。
证据与边界：只有 Edison 一方宣布：未找到 Pfizer 的新闻稿，也没有 Pfizer 的人出面表态。没有披露金额、期限和范围。这是一次部署，不说明 Kosmos 改善了 Pfizer 的决策。
发生了什么：Mistral 开源了 Mistral Large 4（代号 Le Chonk）的权重：万亿参数、激活 520 亿，采用改良 MIT 许可，可自由商用，但做模型即服务（MaaS）的企业除外。它报告在一个编码智能体指数上与领先的开源模型 GLM-5.3 打平（48%），且少用 47% 的 token；对恶意网络请求的拒绝率 96.6%，是它所测开源模型中最高。它还表示，在实时流量中看到该模型可能为发动真实攻击带来能力提升，正在相应修改护栏。
为什么重要：Mistral 的卖点是开放的前沿：一个研究者和企业可以下载、在自己机器上运行的模型，在欧洲训练，它称之为主权 AI。开放权重是与开放科学工具相关的那一半。值得记下的是它自陈的发现：一家实验室在开源一个有能力的模型权重的同时，承认同一个模型可能帮助攻击实时系统，却仍然照常发布，护栏还在边改。
证据与边界：每个基准数字都来自 Mistral 自己，它也说完整技术报告还没出。能力提升的说法是 Mistral 自己从实时流量中观察到的，没有附带数字。
发生了什么：纽约开放式台式实验机器人公司 Opentrons Labworks 完成 4000 万美元 E 轮融资，医疗投资机构 Avego 领投，BroadOak Capital Partners 参投，SoftBank Vision Fund 和 Khosla Ventures 是现有股东。公司称已在 80 多个国家装机 1.1 万多台。CEO James Atwood 说资金用于机器人、软件和数据工具、由 AI 执行实验和开拓新市场；Avego 管理合伙人 James Flexner 说，AI 得出的每个发现仍要在真实实验室里检验。
为什么重要：公司的说法是，模型提出实验的速度已经快过实验室执行的速度，负责移液的机器人就是排队堵住的地方。Opentrons 装机量大、编程接口开放，所以已有外部团队用 Claude 操控它的 Flex（Tetsuwan Scientific），用 GPT-5.6 Terra 操控它的 OT-2（杜克大学的 PEARL）。这轮融资押注的是：这类易用、开放的机器人会成为 AI 模型接触湿实验室的常用途径。
证据与边界：这是一笔融资，不是成果。装机量是公司自己的数字；新闻稿没有给出估值和累计融资额，也没有说明目前机器人上的工作有多少由 AI 执行。
发生了什么：Cascade 将用细胞因子、趋化因子和药物，单独或组合处理 12 位健康供者的血液免疫细胞，并在多个时间点测量：Parse 的 GigaLab 产出 1 亿条单细胞 RNA 图谱，Nomic 的 Omni 1000 产出 11,000 多份分泌蛋白图谱，每份测 1,000 多种蛋白，共 15 万多个扰动测量。GSK、辉瑞、赛诺菲、Graph Therapeutics 和 Turbine 是首批合作方。数据生产已经开始，数据集将以授权方式提供。
为什么重要：预测细胞对药物如何反应的模型，也就是虚拟细胞，缺的是能跟踪反应随时间变化、而且不止测 RNA 的数据。Cascade 在同一批样品、同一时间点上，既测每个细胞里的 RNA，也测细胞分泌出的蛋白，所以可以检验模型能否从细胞的反应预测分泌出的蛋白，也可以留出没见过的供者和扰动来评估模型。数据还没发布，GSK、辉瑞和赛诺菲就已承诺参与，可见药企对这类数据的需求。
证据与边界：这是一项宣布：数据还没有发布，公司没有给出时间、价格或合作条款。数据集是授权使用的，不公开。
发生了什么：威斯康星大学麦迪逊分校的 Lingxin Cheng、Jack Shireman、Christina Kendziorski 等人搭建了 SMART：约 20 个 Claude 智能体读一篇已发表的单细胞 RNA 研究，列出其中的发现，再写代码在另一套数据里逐条检验。它对六种癌症的 121 篇研究写出 726 份报告：跨癌种的报告有 46% 判定可迁移，同种癌症内为 75% 到 88%。人工核查 10 例，92% 到 97% 的输出正确；喂给它每条发现都反写的假摘要，15 份全被评为低或中低。
为什么重要：一项已发表的发现很少在它出处以外的场景里被检验，因为检验就得重读论文、重做分析。SMART 把这种检验变成常规工作，并指出哪些值得跟进。ORACLE 是一个 23 个基因的肺癌风险特征，被 161 篇研究引用，没有一篇在别的癌症里检验过它；SMART 标出它之后，作者在公开的肝癌（风险比 1.92）、胰腺癌（1.73）和间皮瘤（3.04）队列里发现，高分与更短的生存期相关。
证据与边界：所有检验都用现成的公开数据，没有做新实验。ORACLE 在卵巢癌、脑癌和结直肠癌里与生存期未见显著关联。系统由团队自己核查，预印本未经同行评审。
发生了什么：两轮由清松资本领投，同杨基金及多家药企跟投。它在做 AlphaCell：一个用来预测基因或药物扰动细胞后、细胞基因表达如何变化的模型，已发布 10 亿参数的版本，称可裁剪到 3 亿、扩展到 500 亿。创始人兼 CEO 啜国晖博士毕业于首席科学家刘琦领导的同济大学数字生命智能体实验室。公司计划提供端侧服务订阅、私有化部署，并与药企共建研发管线。
为什么重要：如果一个模型能预测敲掉一个基因或加入一种药物后细胞的反应，实验室就能在电脑上试远多于培养皿里能试的干预；这正是西湖大学 ProteinTalks 等虚拟细胞模型的目标。这轮融资让出自同济刘琦实验室的团队带着自己的模型进入这个方向，投资方里有药企，而且是在最早期的融资阶段。
证据与边界：金额只写了数千万元，没有估值，也没有点名跟投的药企。2026 年 3 月的 AlphaCell 预印本称模型能预测从未见过的细胞类型的反应，报道也没有展示用模型找到的靶点或分子。
发生了什么：Edison Scientific 与 MIT CSAIL 的 Conor Igoe、Siddharth Narayanan 等人，用药物响应 RNA 数据、CRISPR 基因依赖筛选和 GWAS 结果构建了 9.6 万个题目。模型读一串相关结果，给出一条未展示的结果支持某假设的概率。GPT-5.6-sol 和 Claude Opus 5 能把真假设排在假假设前面（AUROC 0.737 和 0.752），但信心偏低，Brier 分数不比一律猜 50% 好。用评分规则后训练的 Qwen3-30B 称为 Ibis0，其分类器版本 Brier 达到 0.177，AUROC 0.820。
为什么重要：替人挑实验的智能体需要知道一个结果该让它的判断变动多少，而不只是哪个答案更可能。这个基准衡量的正是这一点，训练能改善它。在模拟的挑选下一个实验任务中，Ibis0 与论文的信息增益估计方法配合时，第一次挑选获得的信息约为最好的提示式前沿模型的 2.5 倍；单靠提示则没有更好。代码、数据和模型都已公开。
证据与边界：题目是已发表数据的结构化摘要，假设只有是或否，正反各占一半；挑选实验是在模拟器里测的，不是在实验室。挑选实验的增益只在三个领域中的两个出现。只训练了一个模型系列的一个规模，用的是公司自己的基准。
发生了什么：林雪平大学、塔林理工大学和阿尔托大学的 Ali Saffar Shamshirgar、Johanna Rosen 等人训练了一个分类器，用来识别 MXene（金属碳化物、氮化物薄片）的层状结构，再拿它扫一遍 Materials Project 和 OQMD 两个数据库。再结合数据库标注和文献核对，筛出 33 种早已合成、却没被当作 MXene 候选的化合物。团队随后用一种自持燃烧反应做出 7 种 MXene，不用持续加热，几分钟完成；又做出 11 种新的，金属是 7 种稀土。
为什么重要：大多数 MXene 至今仍要用氢氟酸这类危险的酸刻蚀出来，步骤多、耗时长。这里模型的任务不是发明新材料，而是在文献里找出以别的名字记录过的材料；这些发现把团队引向带卤素表面的稀土碳化物，此前这一片几乎没有做出过 MXene。燃烧合成路线则可能用来大规模制备它们。
证据与边界：分类器只是给数据库里已有的结构分类，这 33 种是否都真像 MXene 那样表现，没有检验。新做出的是多层粉末，不是剥离出的单层片；带隙有测量，磁性状态则来自计算。只是一个团队的工作。
发生了什么：德累斯顿工业大学的 Prerana Chandratre、Lutz Brusch、Simon Syga 等人把 OpenAI 的大模型智能体和他们课题组开发的开源多细胞模拟器 Morpheus 接在一起，让智能体在无人参与时为 15 项已发表研究搭建、运行并修改虚拟组织模型。用 GPT-6.1 Sol 时，能运行模拟器的配置平均达成 83-86% 的隐藏评分标准，每个模型约 105 到 110 分钟、3.74 美元。5 项研究原本没有计算模型，智能体自己提出的机制得分相当。
为什么重要：搭虚拟组织模型，就是把对细胞的观察变成能复现这些观察的模拟，需要同时懂生物、数学和编程，是缓慢的专门工作。这里起决定作用的是让智能体自己运行模拟：不能运行时，大模型得分降到 0.55，小模型降到 0.11。大模型每次运行的花费是小模型的 10.8 倍，得分 0.85 对 0.66，这是采用这类智能体的团队要做的价格与质量取舍。智能体只写模型文件、由模拟器来运行，建模者可以直接检查它搭了什么。
证据与边界：打分的也是大模型，而且是智能体用的两个模型之一；在评测的早期版本上，它与三位作者的人工打分相关系数为 0.93。费用按 OpenAI 标价折算。评分标准由作者设定，模型复现的是已发表的现象，没有预测新实验；完整的运行记录没有公开。
发生了什么：老股东上海生物医药基金与达晨财智追加，国开科创、瑞力投资、国方创投跟投。这家北京公司由 Mila 与蒙特利尔高等商学院的唐建创立，没有披露本轮金额，只说包括 6 月那轮数亿元融资在内的 A 轮系列已超 1 亿美元。资金用于分子模型 GeoFlow、预测细胞对扰动如何反应的 GeoCell、扩建自动化实验室，以及推进自研管线。
为什么重要：这轮钱投的是从「设计一个分子」走到「决定它用在哪」：GeoCell 要回答一个设计适合哪个靶点、哪种病、哪些病人，自动化实验室把结果回传给两个模型。共同领投过 6 月那轮的上海生物医药基金，其合伙人郭秋杉说，公司已把模型能力从分子贯通到细胞。公司唯一给出时间的收入来自合成生物学，而不是药物：公司说生物合成的天然冰片比植物提取便宜 80%，2027 年将产生规模化收入。
证据与边界：1 亿美元是 A 轮系列合计，不是本轮金额。2027 年多条双抗进入 IND、冰片的降本幅度，以及 6 月所称在 20 多个抗体靶点上近 20% 的命中率，都是公司说法，没有展示数据。
发生了什么：这家纽约公司从其他药企买入或授权引进一期、二期药物，由自己推进开发。新设的 Drug Development Accelerator Fund 获研究基金会、捐赠基金、医院和慈善机构承诺出资 6 亿美元；Formation Bio 通过子公司任普通合伙人，也投入自有资金。每个药物单独放在一家公司里。CEO 兼联合创始人 Ben Liu、首席商务官 David Steinberg 和首席科学官 Michael Ehlers 在新闻稿中发言。
为什么重要：这是 AI 公司为药物开发筹钱的另一种做法：Formation Bio 按单个药物募资，投资人买的是药，不是平台。Liu 说，这开辟了不必出售母公司的变现途径，长期看还能降低资金成本。要检验的说法是：一个共享的、由 AI 支撑的开发团队，能在买入后 2 到 4 年内，更便宜地把每个药推到临床结果。
证据与边界：这是为药物项目设的基金，不是 Formation Bio 的股权融资。没有点名任何有限合伙人或基金要买的药，新闻稿也没有展示平台缩短过哪个项目的例子。
发生了什么：Anthropic 在 AI for Science 项目的一次扩展中公布了 20 家合作机构，其中 18 家分三组获得免费 Claude 额度。六家资助方和学会，包括 Sloan 和 Simons 基金会、Schmidt Sciences、美国国家科学基金会（NSF），把额度分给研究者。六家机构，包括 Wellcome Sanger 研究所、Francis Crick 研究所、EMBL 和太空望远镜科学研究所，在内部使用。六个项目直接获得额度：FlyWire、哥伦比亚大学的 LEAP 气候中心、Broad 研究所的 gnomAD 和 Tau Ceti 的 Lean 数学库。
为什么重要：这个项目最初是把额度发给单个科学家。改由资助方和研究机构分发后，谁来用 Claude 就交给了本来就决定哪些研究拿钱、或者运营 gnomAD 和 EMBL 数据库这类共享资源的机构来定。Anthropic 说，其中许多项目会产出开放的数据集、软件和标准。
证据与边界：公告没有给出额度金额和申请条件，并说多数合作还处在早期。
发生了什么：Google DeepMind 发布 Gemini 4 Carbon，称之为其最强模型，由 Koray Kavukcuoglu（Google DeepMind SVP）署名发布。它报告 Carbon 在 Artificial Analysis 智能指数 5.0 版上以 59 分排第一，并在它引用的三个网络安全基准上领先：找软件漏洞（SEC-bench Pro，88.2%）、利用漏洞（ExploitGym，54.8%）和打补丁（CWE-bench，71.0%）。在一项间接提示注入测试上，它挡住了每一次攻击（0.0%），此前的 Argon 为 0.7%。定价与 Argon 相同，每百万输入、输出 token 分别 2 美元和 10 美元。
为什么重要：Carbon 延续了本记录一直跟踪的 Gemini 4 系列，但 Argon 当初发布时附带了科学案例和给科学家的免费计划，Carbon 的定位则是网络安全和长链路智能体任务。Google 对它分级放开：先通过 Fairwind 计划给网络防御者，开发者和消费者以后再说、没有日期，并说它正在美国政府的自愿发布前测试流程中。这套放开方式和政府测试，是这类模型获得攻防安全能力时值得关注的治理环节。
证据与边界：每个基准数字都来自 Google 自己，没有独立核验，也没有引用技术报告。内部的编码和安全代码提升是在它自己的团队和测试上得到的。访问受限，受审合作方之外的人无法检验这些说法。
发生了什么：Anthropic 公布 AI for Science 计划的合作方，这个计划为科研免费提供 Claude 额度。六家资助机构和学会将把额度转发给研究者：Sloan 基金会、Simons 基金会、Schmidt Sciences、Renaissance Philanthropy 的开源科学基金、美国国家科学基金会和美国化学会旗下的化学文摘社 CAS。太空望远镜科学研究所、维康桑格研究所、克里克研究所、EMBL 等六家研究所自用；FlyWire、gnomAD、Lean 数学库 Tau Ceti 等六个项目直接获得额度。
为什么重要：这个计划起初直接支持个人科学家。现在由美国国家科学基金会、私人基金会等资助方挑选哪些研究者能用上前沿模型，就像它们本来挑选谁拿经费一样。好几家受助方维护许多实验室依赖的资源，比如汇集 80 多万人数据的 gnomAD 人类遗传变异参考库和 EMBL-EBI 的数据库，用额度做出的工作可能进入这些共享工具。
证据与边界：公告没有给出额度金额、遴选规则或时间表，Anthropic 也说多数合作还在早期；目前没有受助方公布用这些额度做了什么。
发生了什么：MIT 的 Eunbi Rha、Mingda Li 等人做了 QUANTA：智能体参考文献和以往记录，在 PPMS 测量系统上规划输运测量，随数据修改计划，另有一层规则把每条指令对照硬性上限检查。在 Weyl 半金属 TaP 上，它从放大器过载中恢复，选出通过信噪比检验的电流，否掉更快的采集设置，但没有设置完全通过。在 Co2MnGa 上，它分四步检验一个非线性霍尔信号的来源。
为什么重要：测量一种量子材料要做很多小决定：用多大电流、平均多久、一个奇怪的信号来自样品还是来自装置。这些经验大多在人的脑子里。这里由一个智能体在真实仪器、真实样品上做这些决定，每一步的理由都有记录。它也在数据到头的地方停下：Co2MnGa 信号的来源是电子的还是热的，拟合分不出来，它就没有下结论。
证据与边界：一台仪器、两个样品，由开发智能体的团队自己运行，没有和研究者亲手做同样测量的情况对比。装样品、改接线仍要人来做，高风险操作也要人批准。智能体用的是 OpenAI 的 Astra Ultra 模型。过载是靠放宽放大器输入量程解决的，原因没有查明。两次测量都没有得出新的物理发现。预印本。
发生了什么：多伦多大学的 Juan B. Pérez-Sánchez、Varinia Bernales、Alán Aspuru-Guzik 等人（另有智利和西班牙的合作者）让 El Agente Quntur（一组基于 OpenAI GPT-5.6 模型的智能体）为 31 个分子的 32 个激发态选择活性空间，也就是多参考计算要完整处理的那一小组轨道。对照已发表的 CASPT2 数值，智能体给出的能量平均偏差 0.239 eV，六种固定的 Active Space Finder 流程中最好的一种是 0.459 eV。
为什么重要：选活性空间是这类计算里至今仍要靠专家的一步，也是一些化学家说这些方法算不上规范模型化学的原因。这里的智能体不只是挑轨道：它们会检查计算实际落到了哪个激发态，发现优化过程中丢掉的轨道，然后改变做法。提示、智能体轨迹和计算文件都放在公开的复现数据集里，这些决定可以审查。
证据与边界：参考值本身也是计算结果（早先论文的 CASPT2），不是实测光谱。有四个案例，智能体算的激发态和参考值不是同一个，平均误差没有为此扣分；逐个案例比，智能体和最好的固定流程各胜 16 个。32 个案例共用了 7.64 亿个 token（含检索），同一提示重复运行，走的路线也不一样。
发生了什么：燕山大学的 Ke-Xin Pang、Yan Gao 和中国人民大学的 Ze-Feng Gao、Zhong-Yi Lu 从 Alexandria、Materials Project、JARVIS、OQMD 和 NIMS HeuslerDB 中取出低能晶体，去掉重复，并为部分结构补上镜像结构，再用机器学习原子间势 EquFlashV2 逐个弛豫并计算声子。在覆盖 89 种元素的 2,649,640 个结构中，1,793,353 个（67.68%）判为动力学稳定：没有哪种振动会让晶格自己发生畸变。数据放在 Zenodo，代码采用 MIT 许可。
为什么重要：大多数晶体数据库只告诉你一个结构能量低不低，不告诉你原子振动时它会不会自己变形，因为声子计算比能量计算贵得多。用这些数据库训练的生成模型也继承了这个缺口。Crystoria 把两种标签放在同样的几百万个结构上，模型可以用同时通过两项检验的候选来训练或打分。
证据与边界：所有标签都是算出来的。在相同的固定结构上对照 9,958 个非磁性半导体的 DFT 声子，这个势判断稳定与否的准确率为 95.11%（平衡准确率 91.22%）；这项检验不包括它自己弛豫一步带来的误差，覆盖的也只是一类材料。检验用的是简谐近似，也没有哪个结构在实验室里做出来。
发生了什么：Edison Scientific 的 Reinforced Adversarial Learning 同时训练两个模型：一个负责写，一个当评判，评判只看最终文本，估计它是否来自一组真实样例，这个估计就是写作模型的唯一奖励。给定基金标题，训练后的模型写出的 NIH 摘要，在一真一假的成对比较中有 55% 被生物医学博士或在读博士认作真的；训练前为 44%，前沿模型为 21% 到 37%。
为什么重要：训练模型做一件事通常需要一条打分规则，而好的科学写作没有专家能写得出来的规则。这个方法只靠好样例学习，而 Edison 卖的 Kosmos 产品正是起草法规文件的。这个结果也关系到评审：受过训练的读者有一半以上的时候分不出哪份摘要是机器写的。
证据与边界：这是公司自己的预印本。只写摘要，不是完整申请书，也没有检验内容是否成立、能否获批。五个语言模型评判被骗的比例约 35%，低于人类读者。
发生了什么：Creandum 领投种子轮，其合伙人 Katharina Wilhelm 加入董事会。公司同时公布了此前一轮 250 万美元的种子前轮，由 First Momentum Ventures 和 LEA Partners 领投，合计 1250 万美元。公司由 Simon Romanski（CEO）和 Sebastian Bayer（CTO，曾在 Google 领导语言模型研究）于 2024 年创办。它的模型用约 200 万份人体组织 RNA 读数训练，预测虚拟队列里每个病人对一种疗法的反应。资金用于招聘、验证平台和拓展药企客户。
为什么重要：II 期是多数药物失败的地方，也是研发方弄清一个分子适合哪种疾病、哪些病人的地方。Atlas 想在试验之前回答这个问题：让同一批虚拟病人分别接受几种疗法、对应几种疾病，这是真实试验做不到的比较。两天内这是第二家拿到融资的计算机模拟试验公司，前一家是给心脏器械做虚拟病人的 adsilico；Atlas 面向药物，先做免疫领域。Wilhelm 把临床开发称为 AI 进入药物研发的第二波，第一波是药物设计。
证据与边界：公司网站上的案例，包括一次预测 II 期会失败、随后被试验证实的案例，都是公司自己发布的，方法和队列只在保密协议下给合作方看。一家巴塞尔客户凭它的模拟结果省掉动物实验，是公司的说法，客户没有具名。
发生了什么：BigHat Biosciences 与 Anthropic 在 BigHat 的 Milliner 平台上做了两次先导分子优化，共七轮（一个分子四轮，另一个三轮）、约 1010 个设计，Claude 参与其中。他们去读仪器的原始曲线，发现每个分子上都有一项热学指标并没有测它名字所说的东西：纳米抗体上是聚集起始温度。于是给曲线拟合物理模型、换指标、改实验方案。两个先导分子在结合力、耐热性和聚集上都好过起始分子。
为什么重要：闭环实验室优化的是给它的那个数字，所以一个替代得很差的指标，换更好的模型或更多数据都救不回来。这里的改进来自人和模型去读仪器信号、并改动实验，而不是多跑几轮搜索。已发表的闭环工作大多把仪器报出的数值当作正确标签，这次优化没有这样做。
证据与边界：这是两家公司自己的技术报告，未经同行评审，全部测量都在 BigHat 自己的实验室：一个平台上的两个分子。报告写明每个先导分子的数值只有一到两次重复，下一步先做确认实验；新指标也是在产出它的那次优化里选定的。先导分子是抗体片段，不是药，没有动物或人体检验。
发生了什么：公司与 AI 智能体经过三轮设计和测量，做出一段 45 个氨基酸的 CAR 胞内信号段，长度不到已获批疗法所用 4-1BB-CD3zeta 段的三分之一。与那一段相比，它提高了细胞表面的受体量和抗原引发的 IFN-gamma 释放，而没有抗原时检测不到释放；用 mRNA 递送后杀伤维持更久，一份 mRNA 剂量可带四个受体，用慢病毒和脂质纳米颗粒递送后在供者血细胞中清除了更多 B 细胞。
为什么重要：把信号段缩短，本来预计会损失功能，因为激活基序越多一直被读作信号越强。这段短的信号段让每单位 mRNA 产出更多受体，团队因此才能把四个受体放进一份剂量；报告还提出短信号段有可能降低在体内制造 CAR T 细胞所需的剂量。它同时是智能体引导设计的一个实例：智能体提出设计，并随测量结果不断修改。
证据与边界：这是公司自己的技术报告，未经同行评审，而且全部在细胞层面：少数几位供者的人血细胞，没有动物实验。报告写明短信号段在活体动物里表现如何、有多少细胞同时带上全部四个受体，都还不知道；没有测耗竭；智能体引导的设计是否强过专家设计、是否需要更少轮数，也还没有在对等基线下检验过。
发生了什么：Enveda 测试了自建的 CDP：基于 Claude 的药品生产批记录审核系统。测试对象是同一个临床批次计划下的四份已执行批记录，共 1061 页，多为手写。人工审核员提出 11 个需处理的问题：CDP 有 9 个直接对上，另 2 个经裁定算作对上，且都是多次运行合计，不是一次跑完。Claude Opus 4.7 的单次运行还多提 7 条人工没提的意见。拿着 CDP 的意见再审一遍，用时是无辅助的 1/9.4。
为什么重要：每批药放行前都必须做批记录审核；Anthropic 的文章说，Enveda 的生产化学家此前有多达 75% 的时间花在文书上。这是药物研发中受监管的文书那一端，几乎没有人去量它，而这里的尺子是人工审核员在真实记录上查出了什么，不是某个基准上的分数。
证据与边界：这是公司自己的报告，未经同行评审：一个批次计划下的四份记录，对照的是审核员的意见，而四组审核中有两组是外部顾问。CDP 没有一条意见引用记录里不存在的内容，但每次运行都按“重大”级别报错一条，人工审核员也能查阅 CDP 没拿到的上游工序记录。那多出的 7 条是否重要，由 Enveda 判断。用时那个数字，来自事先拿到 CDP 意见的那次审核。
发生了什么：Anthropic 在自己的 Science 页面上说，公司已收购 Mithril Medicine。这家公司此前在研发两种罕见儿童先天性肌营养不良的疗法，创始人 Cody Tranbarger 已加入 Anthropic，继续这项工作并启动更多项目。同一篇文章还列出与六家机构的研究合作：BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate:Biomedicines 和 The Column Group，后者正在组建一家叫 Pleiades 的公司，用 Claude 来跑药物项目。
为什么重要：一个卖模型的公司变成了做药的公司。合作让 Anthropic 自己的科学家进入别人的项目，收购则让它有了自己的项目：风险由它承担，结果也归它。文章还说，Anthropic 打算把这部分工作大幅扩大。
证据与边界：收购没有披露条款。Anthropic 说，如果候选分子继续站得住，它预计最早在 2028 年底会有一个药可以开始人体试验，这是它自己的预期；背后的小鼠结果出自公司自己发布的技术报告，未经同行评审，报告里研究的是两个工具分子的初步实验，不是候选药。Pleiades 目前还没有公开任何项目。
发生了什么：食物过敏唯一获批的生物药 omalizumab 中和游离 IgE，对结合在 FcεRI 上的那部分拿不太掉。在自家研究团队引导下，Claude 执行 22 个阶段，目标是能把它撬下来的双臂抗体。单一浓度下筛了 91 个拆解臂，20 个快过所有阴性对照；其中八个纯化后做剂量滴定，三个在 25 至 400 nM 之间清除得比 omalizumab 更多。57 个锚定臂设计里 3 个结合 IgE，表观亲和力 3.4 至 235 nM。
为什么重要：把结合上去的 IgE 从受体上拉下来需要精确的几何关系，而展示库和免疫途径都无法指定它，所以在这里，从结构出发做设计是要点本身，不是图方便。改到距母本八个替换之远，功能仍然保留；命中来自这场设计试过的每一个改写范围和每一种方法。Divergence 说这两条臂是以周计拿到的，而筛选通常要几个月。
证据与边界：这是 Divergence 自己的报告，未经同行评审，全部是传感芯片上的生物物理测量：没有细胞，没有动物，双臂分子还没做出来。报告写明，剂量滴定里这些变体看起来并未强过母本 sdAb026，最好的那个在多数浓度下与它相当；Anthropic 概述这项工作的文章没有提到母本。锚定臂亲和力可能被亲合效应混淆；方法还需先有已知拆解分子的序列和解出的结构。
发生了什么：模型把视频与音乐、环境声和可交互对话一起生成，DeepMind 称这是它第一个原生生成音频的实时世界模型；模拟进行中还能用自然语言改天气、移镜头或加一个人。它建立在 Gemini 系列之上，由 Gemini Omni 锚定真实外观与行为，所有输出都将带上 SynthID 水印。
为什么重要：DeepMind 自己给出的用途包括为机器人与智能体开发训练环境，以及在把 AI 系统带到真实世界之前先测试它们。有一段的提示词是「Universal Robots UR5 拿着移液器往实验板里加液，溅出细小电火花」，这是帖子里唯一的实验室场景，而帖子点出的测试者来自创意、新闻、教育、游戏和工程。
证据与边界：发布里没有基准、没有分数，也没有与 Genie 3 的对比：只有片段、说明文字和一次没给结果的内部安全评测。媒体报道的两分钟一致性数字两篇帖子里都没有；没给时长，只说模拟跑得越久，物体恒常性越可能漂移。只开放给受信任的测试者，没有公开访问。
发生了什么：这家旧金山公司参加了斯坦福 StartX 2026 夏季营，把药企自己的临床试验、RNA 测序、变异等数据与已发表研究放在一起，按科学家用日常语言提出的问题跑分析并写成报告，先服务于根据已完成试验规划下一项试验的团队。CEO 兼联合创始人 Elena Cassidy、Bright Ventures 创始人 Lenore Champagne Beirne 和科学顾问 Michael Snyder 在新闻稿中发言。资金用于平台开发，以及招聘科学与工程人员。
为什么重要：它押的是：临床开发慢在分析，不在数据。药企手里已有能解释谁对药物有反应的临床和基因组结果，只是散在不同研究和系统里。Omabit 卖的是把它们接起来并做分析，包括用公司自己的数据建预测模型，而不是新数据。
证据与边界：网站称分析从三个月缩短到一天，这是公司的说法，没有展示案例。没有点名任何客户。
发生了什么：伦敦作物 AI 初创公司 Biographica 的 Paride Antinucci、Dominic Hall 等人在 bioRxiv 预印本中，把基因的 DNA 和某种组织或条件下转录因子（开启基因的蛋白）的实测水平一起输入模型。在六种植物的留出数据上，它在不同情境间的每基因相关系数中位数为 0.831，去掉这项输入的同一模型为 0.486，比三个完整微调的基因组基础模型高 57% 到 246%。随后它为大豆和番茄设计了最多改 20 个碱基的编辑。
为什么重要：许多作物基因影响不止一个性状，一个在某种组织或条件下有利的编辑，可能在别处带来不想要的变化。能按情境预测表达的模型，让育种者在编辑任何植物之前，就按目标位置想要的变化和其他位置的变化给候选编辑排序。Biographica 向种子公司提供基因编辑靶点。
证据与边界：这些编辑只是预测，还没有一个在植物中做出来并测量。测试数据来自公开的 PlantExp 数据集，由公司自己的团队评分，预印本也未经同行评审。
发生了什么：新加坡副总理 Gan Kim Yong 在 SWITCH 2026 上宣布 MARVEL-AI：由 A*STAR 牵头，政府首期投入 1.5 亿新元，AI 模型挑选候选材料、设计实验，自动化实验室负责合成和测试。平台设在 A*STAR 材料研究与工程研究院（IMRE），该院执行院长 Xian Jun Loh 同时领导 MARVEL-AI。公布的合作方包括材料一侧的 ST Engineering、Heraeus Electronics 和 Foxconn Industrial Internet，以及 AI 一侧的 CuspAI 和 Google Cloud。
为什么重要：演讲点明了它要补的缺口：Google 的 GNoME、微软的 MatterGen 这类模型能提出材料，但一种材料还要做出来、测过、能量产，产业才用得上。MARVEL-AI 把模型和实验室放进同一个国家项目，并把设备、测试和研究人员向企业开放，包括初创公司和中小企业。用 AI 设计材料的 CuspAI 将把自己的系统接到平台的自动化实验室上。
证据与边界：这是一项宣布：演讲和报道都没有给出 1.5 亿新元的分配、时间表，也还没有任何材料成果。每天最多 470 个合金样品、是常规通量 400 多倍的数字，是新加坡企业发展局引用的一个现有实验流程，不是 MARVEL-AI 的成果。
发生了什么：纽约大学和 Flatiron 研究所的 Adam Lahouari、Jutta Rogal 等人研究了吖啶，一种至少有八种晶型的小分子。熔体实验首次解出了晶型 VIII 的结构。他们的 CrystalMath 方法不计算任何能量，从生成的 341,683 个结构中留下 15 个，其中包含全部 7 个结构已知的晶型，晶型 VIII 也在内。针对吖啶微调的 MACE 势加上完整的自由能计算，复现了实验中随温度升高、稳定性从晶型 II 转到晶型 III 的切换。
为什么重要：同一种分子可以结晶成几种表现不同的晶型，这对药物、有机电子和农化都很重要；领域希望用晶体结构预测加机器学习势，在合成之前就给晶型排好序。这里排序这一步需要微调：四个现成的基础势都把顺序排错了，简化的自由能近似也没算出观察到的相变交叉。研究还在 18 种添加剂下从熔体中生长吖啶，发现效果最强的两种与计算出的缺陷能一致。
证据与边界：只有一种分子。预测的两个最稳定晶型的交叉温度约 290 K，实测约 318 K；有些观察到的相变与自由能曲线不符，晶型 IV 也没有纳入计算。添加剂的关联只建立在 18 种中的两种上。预印本。
发生了什么：伦敦大学学院、AbbVie 和科罗拉多大学博尔德分校的 Edgar Olehnovics、Matteo Salvalaglio 等人训练了一个归一化流，把晶体的分子动力学快照映射到一个简单的参考态，直接得到自由能，不需要爱因斯坦晶体法那样的一串中间模拟。在琥珀酸和两个药物分子 Veliparib、Mivebresib 上，结果与该方法一致，晶体最大约 3000 个自由度；所有体系平均下来，计算时间约少 2.5 倍。
为什么重要：晶体结构预测可以为一个药物分子给出几百种可能的堆积方式，要按室温下的稳定性给它们排序，就需要自由能。标准方法准确，但慢到没法铺满整个晶型景观。每个晶型只需一段普通模拟的方法，让这种排序便宜到可以自动化；又因为需要的能量计算更少，适合配合更慢、更准的力场。
证据与边界：对照的是另一种计算方法，不是实验。排序取决于力场：对 Veliparib，通用力场和专门拟合的力场结论不同。提速也不均匀：琥珀酸只在最小的晶胞里更快，作者也没有记录精确的运行时间。
发生了什么：浙江大学和北京大学的 Huifeng Zhao、侯廷军（Tingjun Hou）、Yu Kang 等人做了 GlycoWeave：预测与蛋白结合的糖链构象时，调整的是键的扭转角，而不是自由移动原子，这样糖的化学结构能保持完整。在 698 个较新的蛋白-糖复合物上，71.9% 在它排前 25 的构象里有高质量结果，AlphaFold 3 为 19.2%，对接工具 Vina-Carb 为 16.9%。每个构象耗时 0.34 秒。
为什么重要：蛋白上的糖影响免疫识别、感染以及部分药物的作用方式，但糖很柔性，实验结构里覆盖稀少，通用结构预测模型处理得不好。这里 AlphaFold 3 排第一的预测只有 41.0% 通过结构有效性检验，GlycoWeave 则 698 个全部通过（对接工具 Vina-Carb 为 99.7%）。一个为某类难办配体专门做的模型，量出了通用共折叠模型在与训练数据不同的分子上会损失多少准确度。
证据与边界：对照的是已知实验结构，不是新的湿实验。标题比较的是排前 25 的构象；论文没有说明 AlphaFold 3 自己的采样数是否也取到 25。蛋白口袋是作为输入给定的，所以不是盲对接。预印本。
发生了什么：Amaç Herdağdelen、Hailey Joren 和 Alex Tamkin 请 50 位受过因果推断训练的分析师，用 Claude Code 评估一个虚构的农场项目。四个各有两种合理答案的选择（比如生产率怎么量）上，智能体倾向哪边由抛硬币决定，分析师不知情。他们 86% 的时候与倾向一致，若无影响应为 50%。事后 77% 至少在一处用智能体的论证解释自己的选择，只有 15% 提到它。
为什么重要：当智能体接过分析中的具体操作，留给研究者的选择（量什么、怎么比）就是判断进入的地方。这项试验量的是这份判断有多少转到了智能体手里：只凭抛硬币的结果，就能预测 82% 的最终建议，而总猜最常见的建议只有 61%。这关系到每个用智能体分析实验的实验室，也关系到审查：和智能体一起工作的审稿人，只有在判断是自己做出时才算独立核查。
证据与边界：任务是虚构的，智能体又被要求为自己的倾向辩护，所以现实中的智能体影响可能更小。不用智能体的 11 人犯了更多严重错误，但人数少、经验也少，这个对比很弱。研究由 Anthropic 自己完成。
发生了什么：做沉积和刻蚀设备的 Lam Research，在与比利时芯片研究中心 imec 的合作中新增两个项目。一个让 3D 集成能量产：厚绝缘膜、应力补偿、等离子切割，以及堆叠存储用的电荷俘获材料和低电阻互连。另一个在 imec 的高数值孔径 EUV 研究平台上测试 Lam 的 Aether 干法光刻胶，提高分辨率、减少随机缺陷。双方此前已一次曝光印出 20 纳米间距的钌线，粘连测试良率 100%。
为什么重要：芯片堆叠和下一代光刻，各自带来必须在量产前解决的材料问题：应力受控的薄膜、堆叠存储里俘获电荷的材料，以及印出 20 纳米间距线条而不出随机缺陷的光刻胶。一家设备厂商和一家研究中心把这些问题点了名，并投入联合研发，这说明材料与工艺研究接下来会被要求在哪些地方出力。
证据与边界：这是 Lam 自己的博客文章，没有预算、时间表或新结果；良率数字来自双方此前的合作。文章没有提到使用 AI。
发生了什么：PXN Ventures 领投，老股东 Northern Gritstone（出资 500 万英镑）和 Parkwalk 跟投。adsilico 于 2024 年由 CEO Sheena Macpherson 与 Nishant Ravikumar、Zeike Taylor 创办。其 Virtual Chimera 平台用生成式 AI 从匿名影像生成虚拟心脏和血管，再对器械在每个个体里的表现做物理仿真。资金用于心脏模型、神经血管器械，以及把团队从 14 人扩到 34 人。
为什么重要：一项器械试验只招几百名患者，很多体型根本没被测过。adsilico 的做法是把解剖结构的生成模型和物理仿真结合起来，做计算机模拟试验：先在成千上万个虚拟身体上测，再上真人；而在这个领域，什么证据算数由监管机构决定。
证据与边界：公司说已与心脏瓣膜和神经血管器械厂商完成项目，但未点名客户，也没有引用虚拟患者与真实结果对照的验证。PXN 领投出自 Tech.eu；Northern Gritstone 自己的公告列了投资方，但没说谁领投。
发生了什么：10 月 26 日递交的 S-1 显示，2026 上半年营收 163 亿美元，2025 全年为 46 亿美元；运营亏损从 21 亿美元收窄到 6.93 亿美元。807 亿美元的净亏损几乎全部是一笔 724 亿美元的非现金重估，对象是可转债、衍生负债和 SAFE。算力承诺包括对谷歌至少 1,145 亿美元、对亚马逊 1,100 亿美元、对微软 449 亿美元，都与用量无关。
为什么重要：从科学的角度看，申报文件写明前沿 AI「可能」扩展到机器人和科学研究，包括药物发现和材料科学，并称 Claude 借助 Model Hardware Standard「现在」已能操作显微镜、液体处理设备和机械臂。它对「强大 AI」的设想还包括持续数周的自主任务，以及「把数十年的科学进展压缩到几年」。但在账目里，公司只有一个分部，生命科学实验室出现在风险因素中。
证据与边界：6 月的数字是未经审计的中期数据。三家云厂商的承诺只是七项已列明安排中的三项，表外另有估计 1,250 亿至 1,500 亿美元的 TPU 算力，承诺总额一栏还空着。前五大客户约占营收四分之一。Founder LLC 新设的股类持有 50.1% 的投票权，长期利益信托则通过自己的股类选出董事会多数。
发生了什么：印第安纳大学 Jared Lewis 的团队与 David Baker 合作，试验了 96 条设计，其中 63 条成功表达；一个名为 DE3 的骨架以 94% 的对映体过量结合铱光催化剂的一种镜像。但刚设计出来时，它在催化上选择性很低。经过突变筛选，对映体比达到 3:97，空气中周转数超过 5 万，蛋白还能回收重复使用三轮。
为什么重要：生成式设计给出的是一个口袋，能容纳自然界没有对应蛋白的辅因子，这正是以往从已有折叠里拿不到的。在这个反应上，对映选择性来自之后的突变筛选；而第二轮设计后来在另一个反应上未经任何进化就做到了 90:10。金属多吡啶光催化剂此前在这两条路上都没能走通。
证据与边界：做下去的只有一个骨架，而测试结合的有五种折叠。口袋是围绕一个钌辅因子设计的，最后只结合铱的类似物，也没有拿到结合辅因子后的结构。底物范围里的另一些反应只有中等选择性。设计和评测出自同一批团队。属于加速预览版。
发生了什么：资金来自 Roku 创始人 Anthony Wood 与 Susan Wood 的慈善机构 WoodNext 基金会，用于在该校材料科学与工程系建设 Aggie AI Foundry。用物理模型和以往合金研究训练的 AI 提出成分，机械臂负责配料、熔炼和测试，温度可达 3000 °C。项目由系主任 Ibrahim Karaman 与 Raymundo Arróyave 牵头，学校说可把合金研发从数月缩短到一周以内。
为什么重要：学校说，现有的自动驾驶实验室处理的是容易合成和加工的材料，而新合金必须在极高温度下熔炼和测试；Arróyave 补充说，还没有任何计算工具能预测一种合金的表现。一座能为金属跑完整个闭环的实验室，检验的是由 AI 主导、机器人执行的发现能否延伸到能源、航空航天和医疗所用的结构材料。
证据与边界：这是建实验室的资助，不是一座已在运转的实验室：没有给出启用时间、通量或任何结果。“学术界首个此类实验室”和“从数月缩短到一周”都是学校自己的说法。
发生了什么：OpenAI 的手稿标注 10 月 17 日、25 日修订，26 日连同 Lean 形式化一起放进公开仓库，给出一个在亚指数时间内计数定宽 CNF 可满足赋值的确定性算法。Anthropic 的 49 页论文标注 10 月 26 日、27 日推上仓库，结论相同，署名 Claude, Anthropic，并称模型是 10 月 16 日找到的。
为什么重要：这个假设撑起了几十年的下界工作：Anthropic 的论文说，Claude 的文献检索找到 800 多篇论文，结果只在它或更强假设下成立。只要有一边成立，这些条件性结论就得重读；而参与组织核验的 Ryan Williams 说，若成立，该让每位计算机科学家把 P=NP 的可能性加重。
证据与边界：两家公司之外，没有人验证过任何一份证明。Lean 检查的是证明能否从形式化陈述推出，而不是这个陈述是否就是论文所说的那件事，这一点 Anthropic 自己写明了，还说截至成稿没有已知的人检查过它的 Lean。OpenAI 形式化的界比手稿更弱，只针对规范编码输入，但仍是亚指数的。Anthropic 说它纯属渐近。
发生了什么：OpenAI 发布前先告知三位复杂性学者，请他们组织检验。Russell Impagliazzo、Ramamohan Paturi 与 Ryan Williams 当天写信给同行：「我们的参与不应被视为对该主张的认证。」他另在账号上说，小组没签保密协议、不收钱，OpenAI 答应公开原始材料并资助会议。
为什么重要：机器的结果由谁认证，是这六周争的事；这一次，实验室在发布前先点了检验者的名。那封信就是被点名的人拒绍这个角色，同时守住筹码：Williams 说他们要了原始材料和一场 OpenAI 资助的会议，对方答应了；信里写明，这项工作不该把所有权交给任何公司或少数被选中的人，包括他们自己。
证据与边界：OpenAI 自己的文章证实了 Williams 说的条件：不签保密协议、不收报酬、公开原始材料、由它资助会议。文章还点名了第二个小组，由 David Gross 牵头，暂不公开一项物理成果的材料，这项成果目前没有任何公开内容。那封信本身没有日期。
发生了什么：OpenAI 的 59 页论文署名 OpenAI，标注 10 月 25 日，次日放进公开仓库，证明了 Sogge 猜想在空间维数不低于二的每一种情形，Sobolev 损失可取任意小，p=2 时为零。论文由此推出 Bochner-Riesz 猜想、Stein 平方函数的锐界，以及 Kakeya 与 Nikodym 极大猜想。OpenAI 说，它直接发布的是模型的输出。
为什么重要：已发表的结果里，平面的情形来自 Larry Guth、Hong Wang 与 Ruixiang Zhang，三维的 Kakeya 是 Hong Wang 与 Joshua Zahl 去年做的；这篇一次给出所有维度，并引了 OpenAI 九月的两份预印本，表明它取代了那两份。与同一天发布的复杂性结果不同，这里的 Lean 覆盖了头条主张：所有维度的局部平滑界，以及「在每个方向上都含一条单位线段的集合具有满 Hausdorff 维数」。
证据与边界：OpenAI 之外没有人核验过，而 OpenAI 自己的仓库把这批手稿称作原始研究数据，不是打磨好的论文。球面、抛物面与锥的限制估计只在猜想范围的内部成立，所以限制猜想并没有在这里被解决。同一个仓库在 10 月 7 日因为一个符号错误撤回过三份手稿。
发生了什么：罗氏 Prescient Design 与大分子研究部的团队用语言模型流水线，从 10110 份美国专利抽出 89074 条抗体-抗原记录，再构建 11247 对：一边是专利声明能结合、且无已解析结构的抗体，另一边是序列相近的诱饵。考察六个结构预测模型能否把两者分开。Protenix-v2 最好：全部配对 72%，最有把握的一半 87%，从 50 个候选里挑中真的那个占 29%。最好的模型只在 62.8% 的情况下碰到已标注的表位残基。
为什么重要：筛选设计抗体的团队，习惯把模型的折叠置信度当作结合的替代指标。这给出了它值多少：远好于随机挑选，但远不足以指定一个候选去合成。而且能把结合的与诱饵分开，并不意味着姿势是对的，所以用这些模型读表位是另一个主张，这些数字并不支持。
证据与边界：这里没有任何实验测量：结合的一方来自专利的声明，不结合的一方是假定不结合的抗体库序列，所以这些准确率是对着构造出来的阴性集算的，不是测出来的亲和力。结构不在模型的训练数据里，专利文本则可能在。预印本本身按 CC BY 发布，并称数据集已公开，但没有说明数据集的许可。未经同行评审，全文未读。
发生了什么：帝国理工学院的 Junkil Park 和 Aron Walsh 给一个只看化学组成的可合成性模型加了第二项任务：按每种已知材料在 ICSD 晶体数据库里首次报道的年份排序。在约 1 万个留出的已报道材料上，它找回 52.4%，它所扩展的原模型为 47.0%，打乱年份后为 48.4%，三者阈值相同，随机为 8.1%。只用截至 2018 年报道的材料训练时，它排在前 100 的组成里有 7 个后来被报道，基线为 3 个。
为什么重要：生成模型提出候选材料的速度已远快于实验室能尝试的速度，问题变成先做哪个。可合成性模型通常把每个已报道材料当作同等的样本。这个模型把报道顺序当作额外的免费监督信号，作者的理解是：这个顺序记录了哪些前驱体、方法和应用让每种材料变得可以做出来。打乱年份的对照，把大部分收益落在顺序本身，而不是多加的那项任务上。
证据与边界：所有检验都在已有数据库上完成。作者说，从历史中学习可能偏向已被研究过的化学体系，给尚未探索的家族打低分。模型只看组成。作者说，差距最大的是较晚截止年份的前 100 名，统计不确定性也更大。预印本。
发生了什么：这家初创公司发布了它所说的第一个完整的有限单群分类计算机可检查证明；该定理已发表的证明分散在 500 多篇论文里，约 1.5 万页。在公司数学家和工程师指挥下，几十个智能体写出约 4310 万行 Lean，依照第一代证明，并复用 Qiuzhen-CFSG 项目的 120 万行。群论学家 Richard Lyons 和 Ronald Solomon 担任顾问。证明以 Apache 2.0 许可公开。
为什么重要：代数、数论和组合学里许多结果只用一句话引用这个定理；现在它底下的每一步都能由机器检查。这项工作还发现已发表证明中有 34 处需要修补。最大的一处在 John Walter 1986 年关于“不平衡群定理”的论证里，公司的证明器借助 Solomon 1976 年的工作走了另一条路，证出一个新定理，团队把它写成了论文。9 月 Claude 形式化费马大定理用了 1300 万行。
证据与边界：数字和修补清单都来自 Axiom 自己，项目之外还没有群论学家报告核查过结果；形式化的定理陈述是否就是分类定理本身，仍要靠人去读。编译整个证明需要将近一天，还依赖尚未并入上游的 Lean 构建工具改动。
发生了什么：OpenAI 称，其模型 9 月 9 日给出纯 Yang-Mills 理论存在性的自然语言证明，9 月 18 日给出量子色动力学的证明，方法沿 Balaban 的路线；10 月 16 日完成了 Yang-Mills 部分的 Lean 形式化。证明还涵盖包含标准模型规范场和费米子的最简大统一理论。由 David Gross 牵头，Michael Douglas、Arthur Jaffe、Igor Klebanov、Nikita Nekrasov 参加的小组负责检验。
为什么重要：纯 Yang-Mills 理论的存在性是克雷千禧年难题的一部分；结果若成立，描述强相互作用的理论就有了严格的数学基础。这也是对实验室如何发布 AI 成果的一次检验：这一次由外部小组决定，它选择先自己把工作写出来，再公开 AI 生成的材料。
证据与边界：目前没有任何公开内容：证明和 Lean 文件在 Gross 小组手里，由他们自己撰写成文，小组以外没有人核对过。OpenAI 只说 Yang-Mills 部分完成了 Lean 形式化，量子色动力学部分没有。以上全是 OpenAI 自己的说法。
发生了什么：波鸿鲁尔大学 ICAMS 的 Sarath Menon、Braulio Sánchez Ortega 和 Ralf Drautz 在基础原子间势 GRACE 之上加了一层线性修正，用模拟中算出的自由能来拟合，让相变温度落到 SGTE 评估值上。11 种金属、14 个相变，修正后全部落在设定的容差内：熔化 15 K，固固相变 50 K。偏差最大的是金：GRACE 算出的熔点是 844 K，修正后 1346 K。钛的整个流程用了约 55 个 H100 GPU 小时。
为什么重要：基础原子间势从 DFT 数据中学习，相稳定性上每个原子几个 meV 的误差，就能让熔点偏出几百 K。这层修正只调整各相之间的平衡，不碰基础模型：它只需要模型算出的能量和结构，不需要参数或训练数据，所以原则上任何势都能加，开源的、闭源的都行。铜的熔化曲线只在零压下拟合，修正后到 4 GPa 都与实测相差不到 15 K。
证据与边界：修正后的温度是按 SGTE 值拟合出来的，作者自己说，命中这些值是校准，不是预测。这层修正只能重新平衡基础模型已经描述的相，补不了缺失的物理，比如磁性。修正幅度大时也会带动别的性质，多数更接近实验：液态金和银的密度高了 3% 到 6%，但钒和铝的空位能离实验值更远。
发生了什么：在 2026 年 ESMO 大会上，宾大 Abramson 癌症中心的 Melina Marmarelis 报告了 ISM6331 的首批人体数据。这款口服药由英矽智能用 Chemistry42 生成式平台设计，阻断 Hippo 生长通路末端的 TEAD 蛋白。到 8 月 14 日截点，36 人每天服用 15 到 130 毫克。30 毫克及以上、可评估的 22 名间皮瘤患者中 4 人部分缓解，疾病控制率 68%；130 毫克组 5 人中 2 人缓解。未见剂量限制性毒性，8.3% 出现药物相关 3 级不良事件。
为什么重要：TEAD 长期以来很难用小分子阻断，而间皮瘤在一线治疗失败后可选的药很少。一款英矽智能称由其生成式模型设计的药，如今在此前接受过多达六种治疗的患者身上让肿瘤缩小；血液中 CCN2（一种由 TEAD 开启的蛋白）水平持续下降，提示药物在患者体内作用到了靶点。视后续数据，英矽智能计划做一项随机 2a 期试验来选定剂量。
证据与边界：这是一项仍在剂量递增、没有对照组的单臂 1 期试验，公开的只有公司对这场报告的概述。标题里的 40% 是 5 人中的 2 人。新闻稿除了点名 Chemistry42，没有说明模型具体做了什么；1 期缓解率也不能证明能延长生命。
发生了什么：字节跳动 Seed 与北大的 Ruichen Li、Ji Chen、Weiluo Ren 等人把实空间波函数拆成两半：空间部分由神经网络（LapNet）计算，自旋部分按构造只有一个确定的总自旋。此前的神经网络方法是在训练中加自旋惩罚项，波函数可能卡在自旋混杂态。它算出的双自由基分子单重态与三重态能隙与实验相符，精度与惩罚法相当；还给出了 [Fe2S2] 的反铁磁自旋阶梯和一个 [Fe4S4] 簇的自旋能隙。
为什么重要：铁硫簇是生物固氮的关键，它有许多能量几乎相同的自旋态，DFT 等常规方法、甚至 CCSD(T)，在这里都可能出错。自旋按构造写进去，计算就不会漂到错误的自旋态；化学家自己的概念（核心与活性轨道、对自旋如何耦合的初始猜测）也能写进网络。只用 10 个活性轨道，它就重现了 DMRG 要用 32 个轨道才得到的 [Fe2S2(SCH3)4] 局域自旋趋势。
证据与边界：全部是计算结果。铁硫簇没有实验参照，只和其他计算（FCIQMC、DMRG）比较；对 [Fe4S4]，作者说三种方法能隙的高低不能归因于任何单一因素。2025 年 11 月的预印本称这个能隙「更准确」，正式发表版删去了这一说法。只有双自由基的能隙对照了实验。
发生了什么：英国内阁办公室宣布成立 AI 生物安全实验室，一家独立非营利机构，官方称其为全球首个专做 AI 生物安全的组织，目标是更早发现生物威胁、加快疫苗等应对手段的开发。OpenAI 通过 Rosalind Biodefense 项目投入 1 亿英镑的算力与模型额度，Anthropic 提供最多 1 亿英镑的额度、模型访问和技术支持。谷歌 DeepMind 和 Basecamp Research 以研究伙伴身份加入，不出资。
为什么重要：3 亿英镑这个数字里，公共资金是 1 亿；其余是额度和模型访问权，不是现金，两家研究伙伴出模型，不出钱。它还把前沿实验室放进了国家职能里：国家 AI 生物安全计划把它与英国卫生安全局、动植物卫生局和国防科技实验室放在一起，并与药品和保健品监管局合作，为 AI 设计药物的监管提供依据。
证据与边界：没有预算细目、时间表和人员名单，科学顾问委员会也尚未公布。Anthropic 的 1 亿是「最多」，页面也没说额度要在多长时间内用完。
发生了什么：多伦多大学、美国国家标准与技术研究院和阿卜杜拉国王科技大学的团队，把深度集成与损失景观给出的不确定性做了对比：带隙和形成能用 ALIGNN，溶解度用多层感知机。校准方法从域内到域外的泛化时好时坏，而校准后的不确定性在分布外的主动学习中，总体上没能减少所需的数据量。同样任务上的随机森林和 XGBoost 也呈现同样差的不确定性质量。
为什么重要：主动学习按不确定性挑下一个样本，而一场瞄准新化学空间的实验，按定义就在分布之外。树模型上出现了和神经网络一样的失败：作者说这至少部分源于数据，而不只是模型容量。
证据与边界：全部是计算结果，基于三个公开的性质任务。结论针对的是这些架构、这些校准方法和这些数据集，不是证明任何校准都不可能奏效。已经过同行评审。
发生了什么：百时美施贵宝（BMS）领投；公司称投后估值约 30 亿美元，2025 年 5 月 3.65 亿美元 D 轮时为 16 亿美元。Pathos 总部在纽约，2022 年由 Eric Lefkofsky 和 Ryan Fukushima 联合创办，现任 CEO 为 Iker Huerga。它从别的公司引进药物，用名为 Foundry 的智能体平台挑选患者、调整试验。BMS 获得 Foundry 的非独家使用权和神经科学领域三年独家权；Tempus 将建一个神经疾病患者数据集，Pathos 以五年 5500 万美元获得授权。
为什么重要：Pathos 把 AI 用在决定试验成败的那些选择上：选哪一个现成药物去做试验、给哪些患者用、什么时候改试验方案。它不设计分子。一家药企领投并取得平台使用权，说明至少有一家大药企愿意为这种 AI 用法出钱；这笔交易还把方法从肿瘤带到阿尔茨海默病，一个试验周期长、失败多的领域。BMS 数据与定量科学负责人 Simon Davies 在公告中代表 BMS 发言。
证据与边界：这轮融资、估值和合作条款都来自公司 10 月 23 日的两份新闻稿；两份都没有点名其他投资方，也没说 BMS 除入股外是否为平台使用权另外付费。Foundry 找到了从康宁杰瑞（Alphamab）引进的抗体偶联药物 JSKN016、提高了试验成功率，都是公司自己的说法：按它的方法做的试验，还没有公布任何结果。
发生了什么：Bo Wang、Ci Chu 等人在 X-Scientist 的配套文章里介绍 X-Automate：一只市售六自由度机械臂，装上相机、自制夹指和自写的控制软件，由同一套智能体系统指挥。第一个目标是安捷伦的 HPLC：没有电动门，托盘几乎没有容错余量，抽屉一碰就移位。公司自家实验室里连跑七天，一台移动机器人和这只机械臂装载并分析了 18 块板，HPLC 占用率 97.2%，公司对工作日白天排班的建模为 53.6%。
为什么重要：蛋白设计团队现在每周能做出上千个候选，而告诉他们哪些成了的那一步测量，要等人来开一扇门。Xaira 的做法是把视觉放在机械臂上，而不是预先示教位置，这样一只臂才能在本来没打算自动化的仪器之间换着用，也绕开了仪器厂商的付费接口。公司说现在把这只臂适配到另一台仪器需要几周，而不是几个月。
证据与边界：公司博客文章，没有论文，由公司自己报告自己的演示，并把这一周称作技术概念验证。只有一台仪器、一周时间，而 80% 的对照是公司建模出来的排班，不是实际跑过的。上游存板环节有四次中断需要人工恢复，公司说没有由机械臂或智能体造成的差错。板子都做了分析，但没有报告科学结论。
发生了什么：复旦向红军与龚新高的团队，做了一个等变图网络，同时预测电荷密度和投影缀加波的增强占据数。此前的通用模型只给赝电荷密度，无法一致地重建电子结构。可训练的径向基加上处理电荷转移的 Δ-learning，使它比此前的电荷密度模型快 50 到 150 倍；在 1,000 个未见材料上，能带能量误差中位数为 0.045 eV。
为什么重要：电荷密度正是密度泛函理论要解的量，所以一个能在真实计算所用精度上复现它的模型，可以替掉昂贵的自洽步骤，而不只是预测某一个性质。让这件事成立的，是那组增强占据数。
证据与边界：全部是作者自己的计算结果。通用模型覆盖的是非磁性结构。速度是在一块 GPU 上对照另两个机器学习模型和平面波 DFT 测出来的。已经过同行评审。
发生了什么：香港科技大学团队把 55 个数据库的晶体按结构跨库匹配，合成一个 1460 万条晶体、1.318 亿条属性值的集合，其中只有 4.5% 的晶体-属性对真有数值。各给 100 次验证预算，以 400 GPa 为条件的 MatterGen 给出 100 个高刚度命中，正向筛选给出 55 个；但生成的命中全部含锇，82 个重复了已记录的成分，而筛选的最佳命中更硬：433.8 GPa 对 375.4 GPa。
为什么重要：新颖率衡量的是参照集，和衡量生成器一样多，而通常的参照只有 Materials Project 一家。对照全部 55 个来源，GNoME 的匹配数从 1 条变成 18,234 条，新颖率从 100% 降到 96.7%。正向筛选还找出 53,813 个没有体模量记录的超难压缩候选；其中 62 个已被做出，ReN2 的实测体模量为 428 GPa。
证据与边界：全部是计算结果，外加一次文献审查：ReN2 的 428 GPa 是已发表的测量值，不是这里做的新实验，而筛选给它的预测是 349 GPa，比实测低 18%。那两次 MatterGen 运行是作者自己用公开权重跑的。预印本。
发生了什么：洛桑联邦理工与弗里堡大学的团队，把 PET-MAD 势在 r2SCAN 数据上微调，对 Li6PS5Cl 做大规模分子动力学，按链长和覆盖度筛选羧酸、磺酸与膦酸涂层。模拟给出的结论是：锂化头基吸附更强，长链锂化羧酸形成致密的刷状疏水层，保护效应在 8 Å 左右起效。随后做了红外、阻抗和 H2S 实验。
为什么重要：闭环只合上一半：模拟定出链长，H2S 实测与之同向，更长的羧酸链确实更能抑制它。它也把矛盾摆了出来，而不是藏起来：涂层越厚越挡锂离子传输，所以最优解是中等链长。
证据与边界：只有一种电解质 Li6PS5Cl，势也是作者自己微调的。40% 到 55% 是加工后剩下的比例，不是提升。实验本身无法给头基排序，论文自己写明了这点。预印本。
发生了什么：海德堡大学的 Tetsuya Yamada 与 Henrik Kaessmann，以及马普演化人类学研究所的 Svante Pääbo，预测了人类谱系上每一个特有单碋基替换在 305 种组织和细胞类型中的调控效应。71,345 处增强里，大多数并不在演化研究者此前标记为快速变化的区域内；而且它们更多来自一个调控元件被挪到新组织里复用，而不是新元件的出现。
为什么重要：哪些非编码改变让人成为人，这个问题一直卡在拿不到的数据上：类人猿的组织样本本就稀少，而对已灭绝的古人类根本无法做功能测量。序列模型绕开了这一点，因为它给重建出的祖先等位基因打分，和给活人的一样容易。这里真正的收获是与古人类的比较：如今在人类中固定下来的增强，几乎每一处在分离之前就已存在，所以现代人特有的那些数量很少，论文也点出了其中哪些对基因表达影响最大。
证据与边界：这张图谱是预测，不是测量。在能核对的地方，也就是四种类人猿细胞系里实测的开放性上，AlphaGenome 胜过 Enformer 和 ChromBPNet，最强的那批判断有 82.7% 与实测一致，对照组为 31.1%；但按阈值不同，它只能召回实测人类特有改变的四分之一到二分之一，而且漏掉成簇增强的概率高于孤立的。预印本。
发生了什么：北京大学 Jihan Zhou 团队在重构之后加了一个两段式网络：先用 ResUNet-3D 的变体修正整个体数据的几何畸变，再用集合 Transformer 读取每个原子周围电子密度的形状，判断它是哪种元素。在 17,340 个模拟样本上训练、42,588 个上评测，典型噪声下坐标误差中位数从 0.244 Å 降到 0.100 Å，原子恢复率从约 93% 升到 99%，元素判对率 99.5%。
为什么重要：剂量是把原子级断层术限制在耐束材料上的原因，而这把人们真正想测的大部分材料都挡在外面。这里的收益在后处理，不在显微镜，所以已经存下来的倾转序列可以重读一遍：把一套已发表的 Pd@Pt 序列减到六分之一剂量，在峰形锐度和重复性上追平全剂量的常规重构。
证据与边界：这篇论文没有采集新的实验数据：唯一一次演示用的是已发表的倾转序列，事后减薄，投影数也减半。其余数字全部来自模拟；至于能否用到钙钛矿这类对束敏感的材料上，依据也只是模拟。已经过同行评审。
发生了什么：KAUST 与卡罗林斯卡的团队，把基于图像、基于转录本和多模态的分割方法（从 Watershed 到 Cellpose、Baysor，以及 Segment Anything 的三个版本）跑在 5 个平台、12 种人和小鼠组织的 15 套数据上。按他们的综合分，Segment Anything 以 0.58 领先，Watershed 以 0.27 垫底；但把各方法找到的细胞数算进去，领先的就换成 SCS，换一套数据排名也会变：细胞形态分明时 SAM 占优，形态相近时 SCS 更好。
为什么重要：分割是所有空间组学结果的立足点，因为它决定哪个转录本属于哪个细胞。这项横评显示，这个选择一路影响到细胞类型比例、相邻细胞之间信号的渗漏程度，以及推断出的配体与受体配对。也就是说，一项已发表的空间学发现，依赖的是一个没有标准的步骤；文中发布的流程就是想让这种比较可重复。
证据与边界：没有真实的细胞边界可供对照，所以这些指标都是生物学代理：表达纯度、标记基因、与参照比对的细胞类型比例。作者自己说，平台设计、图像质量和基因 panel 的影响无法与算法完全分开，而他们的基因集敏感性测试只在一套数据上做过。11 种里有两种（Swin-S 与 Cascade Mask R-CNN）未计入打分比较。已经过同行评审。
发生了什么：在 2026 年 ESMO 大会上，Iambic 公布了 IAM1363 的 1/1b 期最新数据，这是它用自家模型设计的 HER2 抑制剂。到 8 月 31 日数据截点，已有 122 人用药。在每天 960 毫克及以上、带可成药 HER2 变异的 53 人中，36% 出现部分缓解，38% 疾病稳定；在 22 名肿瘤已到脑部的患者中，9 人缓解、12 人稳定。用选定剂量每天 960 毫克的 68 人里，5.9% 出现与药物相关的 3 级不良事件，无人出现 4 级或 5 级。
为什么重要：一家公司称由自家模型设计、并从项目启动到进入临床只用了约两年的药，如今已进入人体试验的第二年。这些患者此前治疗很多：转移阶段中位用过三种方案，其中 61% 用过 T-DXd、36% 用过 tucatinib，缓解率必须放在这个背景下读；脑部的那组数字之所以要紧，是因为这些患者可选的办法很少。Iambic 的招股书把净募资 1.35 亿美元中的约 7500 万投向这个药。
证据与边界：这是一项没有对照组的单臂 1/1b 期试验，公开的只有公司对一张会议壁报的概述：没有缓解持续时间的中位数，公司强调的持续性是点名的个别患者。缓解率来自公司选定的子集：122 人中的 53 人，脑部肿瘤为 22 人；两种既往药物都用过、仍有颅内缓解的是 3 个人。公告没有说明模型做了什么；1 期的缓解率也不能证明这个药能延长生命。
发生了什么：Benchling 与 DNAForge 搭建了 BenchBench-Cloning：50 道题取自 Benchling 上真实的实验记录，要求模型从最多 8 个起始质粒出发，为指定质粒写出实验步骤，再由模拟器执行；15 道取自已发表研究，要求判断一个科学目标需要构建哪些质粒。8 个模型中，GPT-6 Astra 得 30.6%，GPT-6.1 Sol 22.2%，Claude Opus 5.5 20.5%。允许试 10 次时，Astra 为 50 道中的 36 道写出了能跑通的步骤。
为什么重要：科学家已经把克隆的单个步骤交给模型；这套题要完整方案，而文中展示的失败正是人要在实验台上做几天甚至几周才发现的那种：漏掉一个对照，或两条无法在同一反应里配合的引物。作者写道，失败的方案读来完整又自信，最易误导最信任它的用户，所以模型写的实验步骤仍需专家把关。Benchling 卖的正是这些实验记录所在的软件，10 月 15 日推出 Science Foundries：智能体执行实验流程的各步，关键决定由科学家批准。
证据与边界：题目由 Benchling 与 DNAForge 搭建、打分并发表。实验步骤只在模拟器里执行，没有上实验台，作者也说模拟器反映不了试剂、操作和细胞生长上的差异。每道题只有一轮，模型不能追问，也没有反馈。15 道构建设计题中有 10 道部分由模型评分，评分模型正是得分最高的 GPT-6 Astra；论文公开了这 15 道，没说另外 50 道是否公开。
发生了什么：Lightspeed 领投，Premji Invest、Mayfield、IVP、Lux、Conviction、Menlo Ventures 等 18 家参投，天使投资人里有 OpenAI 首席研究官 Mark Chen 和首席财务官 Sarah Friar。公司在南旧金山，是一家合同研究机构（CRO）：由化学家主导，为找药的团队合成先导分子的各种类似物。联合创始人是 CEO Kevin Weil、首席科学官 Sol Reisberg（曾在 Terremoto Biosciences 负责药物化学）、CTO Manohar Paluri（前 Meta 超级智能实验室副总裁、FAIR 创始成员）和 COO DJ Patil（美国白宫首任首席数据科学家）。
为什么重要：Weil 的理由是：AI 让软件和数学快了很多，化学却没有，因为化学只有在有人真把化合物做出来、测过之后才往前走。一家替药企做这类工作的实验室，同时也在产出训练更好模型所需的实验数据；Warp 说自己不做自有药物。另一半理由是地点：新闻稿提到 2025 年底签署的《生物安全法案》（BIOSECURE Act），它为限制涉及指定生物技术公司的联邦采购和资助建立了框架；Warp 说，它让客户更能决定研究和知识产权放在哪里。
证据与边界：这轮融资来自公司自己的公告，公告没写是哪一轮。8.65 亿美元的投后估值出自媒体报道，引述的是公司和 Weil，不在新闻稿里。公开记录里还没有任何自动化成果：新闻稿说的是正在建的实验室和由化学家主导的第一项服务，官网也没有点名客户，只说目前与少数「设计伙伴」合作。
发生了什么：谷歌 DeepMind 与谷歌研究院联合世界资源研究所和国际应用系统分析研究所，发布 Forest Typology 2020，把全球每个 10 米地块分为六类，从原始林到速生林场、树木作物和其他土地。它基于 AlphaEarth Foundations 嵌入，在 8,190 个专家标注样点上总体判对 90.2%，已在 Earth Engine 开放。
为什么重要：欧盟法规看的是一块地 2020 年是什么，而不只是有没有树；只看林冠的地图分不出自然林和被伐后改种的林场。这张图把两者分开了。
证据与边界：90.2% 主要由面积最大的「其他土地」撑起；分类看，F1 从原始林的 82.9% 降到人工林的 58.2%。精度是在共同开发方国际应用系统分析研究所的 Geo-Wiki 平台上评定的。
发生了什么：微软 AI 的 Harsha Nori、Eric Horvitz 等人搭了一个基准：每个病例只给一段简短的主诉，诊断者要先问诊、开检查（每项都计费），再下诊断。其编排系统 MAI-DxO 让多个语言模型智能体扮演会诊小组。在《新英格兰医学杂志》临床病理讨论病例上正确率 83.2%，在 MIMIC-IV 急诊入院病例上 80.3%；全科医生分别为 36.1% 和 46.8%。论文作者之一、微软 AI 首席执行官 Mustafa Suleyman 称这是迈向「医学超级智能」的一步。
为什么重要：这个基准 2025 年 6 月先以预印本发布，如今经过同行评审。它按医生的工作方式考诊断：不是读完完整病历后选答案，而是决定问什么、哪些检查值得花钱。把费用和准确率一起打分，就能评判一个系统是否少开了检查，而不只看它答没答对。《科学》版本增加了急诊病例和更新的模型。
证据与边界：病例是已发表的记录，在模拟中运行，没有看任何真实病人。医生是单独作答，而这类病例通常由专科医生处理，专科医生没有参与对比。据 TechCrunch 报道，提升很大一部分来自底层模型：GPT-5 单独在疑难病例上就有 78.9%，在急诊病例上编排系统几乎没有加分。
发生了什么：Carbon-X 由 Hugging Face 与中关村学院、那不勒斯的 TIGEM 合作开发，以 Qwen3-14B 为起点，再训练 3020 亿个 token（其中 55% 是原始 DNA），然后调成能回答聊天中粘贴的序列的问题。在五项 DNA 基准上平均 66.7%，GPT-6.1 Sol 为 67.5%，Opus 5.5 为 60.9%；在编码区变异效应（74.9%）和下一碱基预测上胜过所测的所有模型。权重以 Apache 2.0 开源，一张 80GB GPU 即可运行。
为什么重要：DNA 模型通常输出要科学家自己解读的分数，而聊天模型也许能讲清一个基因做什么，却难以判断它序列里的一处改变。Carbon-X 把两者放进一个实验室能在自己硬件上运行的开源模型里，未发表的序列或患者序列不必发给外部 API。团队估算，用 Carbon-X 给 ClinVar 中 240 万个意义未明的变异打分约需 300 美元，用所测的前沿模型要 3.2 万到 400 万美元，这个区间之所以这么宽，是模型和推理强度的差别。
证据与边界：所有分数都是团队自己测的，五项基准中有两项是团队自建的。没有任何实验室或临床测量，团队也说明模型未经临床验证。在插入缺失、长序列中的单碱基变异和序列特征问答上，前沿模型仍然领先；Carbon-X 在长序列里会数错碱基。成本也不是同一口径：Carbon-X 按每小时 5 美元的 H200 实测吞吐算，前沿模型按 API 挂牌价算。
发生了什么：这家纽约公司由 Yuge Ji 创办。Yuge Ji 曾在 Flagship Pioneering 旗下的 Cellarity 做药物发现模型，这个模型是读博期间在 Fabian Theis 课题组开发的。它不像 AlphaFold、Boltz 这类结构工具那样预测分子如何与蛋白结合，而是预测细胞里会发生什么：化合物能否杀死癌细胞、是否有毒。新闻稿点名一家合作方 KiraGen Bio，后者用这个模型给胶质母细胞瘤细胞疗法的基因编辑组合排序；没有宣布融资。
为什么重要：多数 AI 药物设计给分子与单个蛋白的契合打分，而让候选药失败的问题，比如脱靶效应和毒性，要到细胞和动物实验才显现。一个用数百万次既往细胞实验训练的模型，想在合成之前就把这些问题标出来，并让表型筛选（按化合物对细胞的实际作用找药）便宜到可以广泛使用；公司说，资金、时间和实验室产能是它一直没能规模化的原因。
证据与边界：没有披露融资轮次、投资方或估值。新闻稿说的 80% 命中率是五个受试化合物中的四个，出自创始人自己的预印本；称前 20 大药企用过该平台，也没有点名任何一家。
发生了什么：公司的研究笔记和预印本给出一个四步循环：训练各有所长的小专家模型；把回答拆成可检验的要求，只有在专家优于当前答案时才接受其贡献；把接受的部分写入目标模型；再从这个模型重新专长化。在 4B 和 8B 设置下，它在所比较的方法中于五个科学基准上均列第一，科学推理 55.0%，GRPO 为 53.0%。以 8B 专家、27B 为目标时，七个基准全部提高，均值从 87.3% 升到 94.0%。
为什么重要：多数科学模型训练一次之后就停在那里，实验室想要一项新能力，就再训练一个新模型。这里的主张是小模型的长处可以搬进更大的模型，8B 到 27B 那组实验就是对它的检验；而起作用的是筛选：去掉验证这一步，同样的监督把科学推理从 55.0% 降到 50.6%，把同量反馈随机打散则再降 6.3 和 12.1 个百分点。开放的 80 亿参数检查点，让公司以外的人可以检验这套做法产出了什么。
证据与边界：只有基准分数，全部出自公司自己，由其内部评测，未经同行评审。研究笔记自己写明：这份报告尚未证明反复循环能持续累积收益；27B 那组实验同时换了模型代次，因此单独报告。模型卡说开放的检查点是对一个已有检查点的改名与再发布，不是一次新的训练。所谓第一，是在所比较的方法之中，不是对整个领域。
发生了什么：洛桑联邦理工 Michele Ceriotti 的团队，把放弃显式 O(3) 代数、改用边-边注意力的 Point-Edge Transformer，用在分子偶极与极化率、NMR 化学屏蔽张量和电子密度的辅助基展开上。骨干网络越大，精度和等变误差同时改善。它以更低的推理成本追平或超过已发布的模型；电子密度要换一个更合适的训练目标才行。
为什么重要：严格等变的网络，为这项保证付出的代价是张量积的开销随角动量阶数陡增，而且一旦截断就可能表达不了目标。屏蔽张量和基展开这类目标正是受影响最重的地方。改成把对称性学出来，就绕开了这个取舍，前提是近似的等变性够用。
证据与边界：全部是作者自己的计算结果。这里的等变性是近似的，不是保证的；作者只说它对多数可观测量影响很小，没有说对所有。电子密度是最弱的一项：它的等变误差随角动量阶数增大，二阶以上随骨干网络增大的下降速度也不比对称化误差更快。预印本。
发生了什么：杨百翰大学的 Gus Hart 与美国能源部堪萨斯城国家安全园区的 Jacob Pursley，用 14 个通用机器学习势在 145 万个有序金属间化合物上对照 AFLOW 测试，这个数据库没有一个模型训练过。一半的结构上，AFLOW、Alexandria 和 OQMD 之间相差不到 6 到 8 meV/原子，但少数结构差得多，把平均值拉到 16 到 30。重新对齐参考后，最好的势与 AFLOW 的一致程度和 Alexandria 与 AFLOW 的一致程度相当。
为什么重要：排行榜用对照单一数据库的形成能误差给这些势排名，仿佛那个数据库就是真值。独立数据库之间的分歧给这类数字设了下限，而顶尖模型现在就贴在这个下限上。剔除错误的单质参考后，能量排名与稳定性排名几乎处处一致；在同一几何结构上打分，领先模型 7 meV/原子 的优势缩到 0.4。
证据与边界：全部是计算结果：比的是数据库与模型，没有新的测量。只覆盖金属间化合物，作者选它是因为 DFT 在这类体系上相对准确。预印本。
发生了什么：卡尔斯鲁厄和马堡的统计学家，在同一套实验设计下把 Pangu-Weather、GraphCast 和 Aurora 与欧洲中期天气预报中心的 HRES 放在一起比。只对真实发生过的极端事件打分时，HRES 胜出；改用加权评分函数时，AI 模型胜出。列联表给出了原因：AI 模型预报极端事件的次数少于其实际发生次数，所以漏报支配了它们的分数；HRES 比 AI 模型预报得更频繁，所以虚报支配了它的分数。
为什么重要：已发表的研究对 AI 模型在极端事件上的表现各说各话，而这篇说，分歧主要出在评估协议上，不在模型本身。分数差异的分解把原因归到校准，而不是区分能力：各模型分辨极端日与普通日的能力大致相当（Pangu-Weather 最弱），而列联表显示 AI 模型只是在开口说出来时过于保守。这是个可以修的问题，与「看不见这个事件」是两回事。
证据与边界：全部是计算结果，对照的是四个模型的初始化分析场（作者说这反而略微有利于 HRES），不是台站观测。只有一个物理模式和三个 AI 模型，而且限于这里选定的变量和预报时效。这是 NeurIPS 2026 的工作坊论文，篇幅和评审都比期刊论文轻。
发生了什么：Chengming Zhang 与陈洛南，以及东京大学的 Kazuyuki Aihara，把一个分层模型的隐空间拆成因果因子和虚假因子两部分，只对因果那一半施加 do-calculus，再递归地重建各层调控关系。在合成数据、干细胞分化、CRISPR 激活筛选的 31 个单因子和 26 个双因子条件（部分留出）、2 型糖尿病多组学和肠道微生物组数据上，多数设定下它识别因果触发因子好于所比较的方法。
为什么重要：从单细胞数据里读出的调控网络大多建立在相关性上，于是一个随状态改变而变化的基因，与一个驱动这种改变的基因无法区分；而这正是「值得去扰动的靶点」和「不值得花实验时间的靶点」之间的差别。把干预本身而不是关联编码进模型，是换一条路解决这个问题，产出是一份待验证的候选名单。
证据与边界：全部基于公开数据计算，没有新实验。作者自己说，推断出的触发因子里可能仍混有虚假的生物学信号；所谓的计算机内扰动只是对方向的定性读取，不是对幅度的预测；而且在他们自己一部分扰动基准上，简单的加性基线依然表现不错。结果还依赖所假定的调控层级。已经过同行评审。
发生了什么：南京大学、香港中文大学与新加坡国立大学的团队把问题拆成两步：先在预训练的结构隐空间里生成 RNA 构象，再预测把它摆到蛋白上的接触关系，而不是把构象和位姿一起生成。在按时间留出的 124 个蛋白-RNA 复合物上，它在复合物复原指标上领先 ODesign、RFDpoly、RNAFlow 和 NACraft，DockQ 为 0.131，次优为 0.116。124 个目标里有 20 个 DockQ 达到 0.23。
为什么重要：能结合指定蛋白的 RNA，既是试剂的路径也是药物的路径；与蛋白结合体设计不同，它一直难以企及，原因之一是已解析的蛋白-RNA 结构太少。这篇论文钉住的是：不给结合位点时，技术现状到了哪里：五个方法，最好的那个在六个目标里只有一个复原出天然位姿。
证据与边界：全部是计算结果，没有合成，也没有结合测量；作者自己说，结构复原既不能证明亲和力，也不能证明活性。头部排名是在生成之后用天然界面从模型自己的候选口袋里挑选，所以不是盲测。RiboBridge 的原子碰撞也多于两个基线方法，序列复原率亦非最高。预印本。
发生了什么：INTerpath-001 将 1,137 名已切除的 IIB-IV 期黑色素瘤患者按 2:1 随机分组：一组用 intismeran（一种 mRNA，编码从每位患者肿瘤测序中挑出的最多 34 个新抗原）加 KEYTRUDA，另一组用安慰剂加 KEYTRUDA。中位随访 24.6 个月后，两年无复发生存率为 82.2% 对 70.0%（HR 0.58），远处转移或死亡风险降低 38%（HR 0.62）。数据将在 ESMO 2026 主席专场报告，论文已被 NEJM 接收。
为什么重要：此前只公布了顶线结果。两组要到六个月后才拉开，也就是最多九剂疫苗打完之后：前六个月 HR 为 0.99，之后在预设的敏感性分析中为 0.42。如果获益来自疫苗针对每位患者所选新抗原建立的免疫反应，正应出现这样的时间规律。默沙东说已在与监管机构沟通。
证据与边界：这些数字由默沙东和 Moderna 在大会报告和论文发表之前公布。总生存期尚不成熟，新闻稿只说「有利趋势」，没有给数字。试验检验的是整个产品，无法说明新抗原的挑选方法比别的选法多贡献多少。3-5 级治疗相关不良事件为 14.2% 对 13.4%。
发生了什么：RFD4-Proteina 来自华盛顿大学蛋白设计研究所与英伟达（David Baker 为通讯作者），在一个共享潜空间里设计蛋白质、DNA、RNA 和酶，用推理和引导搜索，而不是每类任务各用一个专用模型。对经 AlphaFold3 回折的设计，蛋白结合体通过率 10.6%，BindCraft 为 5.9%，通量是其 42 倍；在小分子、酶支架和 DNA 结合任务上也都高于所测的每一种方法。实验室里，188 个设计的 TrkA 结合体有 158 个结合低于一微摩尔。
为什么重要：蛋白设计一直是每种活各用一个专用工具：骨架、结合体、酶、DNA。RFD4-Proteina 把它们合进一个模型，还能处理修饰氨基酸、糖和核酸，并在这四类上都更强。真正要紧的是湿实验：多类靶标上的设计都被做了出来并测量，其中一个设计的酶把 HIV 药物来那卡帕韦合成中的一个中间体转化了 79%。一个从头设计的催化剂做了药物化学里真实的一步，比以往从头设计的酶走得更远。
证据与边界：预印本，未经同行评审，且所有湿实验都是作者自己做的，目前没有任何独立验证。在算法层面，“通过”指 AlphaFold3 回折与目标相符（用一个模型检验另一个模型），而通过率的绝对值并不高（DNA 结合体仅 3.5%）。结合体和酶的成功是作者自己检测里的计数，不是外部实验室的；酶的结果只是单个概念验证。
发生了什么：谷歌研究院的 A. Ali Heydari、Daniel McDuff、Xuhai Orson Xu 等人在 Gemini 2 上搭了一个编排器，调度三个智能体：一个对 Fitbit 和血检数据写代码做分析，一个对照资料核对健康知识，一个做健康教练。数据来自 1,165 人参加的 WEAR-ME 研究。11 项任务、1,350 小时的评估中，45 名用户有 46.7% 的次数把它排第一；三名健康专家给它的总体质量打 72.8%，三个智能体各自作答为 64.3%，单一智能体为 54.4%。
为什么重要：问自己的可穿戴数据，需要写代码、做统计；做健康教练，又需要另一种说话方式；作者发现单个模型难以兼顾。把活拆开，每一部分就能单独检验：数据分析智能体的分析方案得分 75.6%，普通 Gemini 为 53.7%；它写的代码首次通过专家单元测试的比例为 75.5%，普通 Gemini 为 58.4%。框架和基准都以 Apache 2.0 开源，其他团队可以换上自己的模型。
证据与边界：所有结果都是对话评分，不是健康上的测量：参与实测的用户扮演研究中的人物，而不是问自己的数据，也没有检验行为是否改变。数据只来自 Fitbit，部分评分由模型打分；每轮回答平均 205 秒、调用模型 6.5 次，单一智能体为 36 秒。作者称它是研究原型，不是诊断工具。
发生了什么：Mirendil 报告，一名研究员从空代码库起步做出 Mirendil-Base：智能体写了 99% 以上的代码，跑实验、查故障，研究员决定试什么、信什么。模型只学公开的代码、网页和数据集，没有蒸馏，花费包括全部算力和智能体用掉的 token。在训练结束后才发布的七个代码库上，它得到每字节 0.222 比特（越低越好），落后于 Kimi-K3 的 0.193，领先 GLM-5.3、DeepSeek-V4-Pro-Base 和 Nemotron-550B-Base。
为什么重要：预训练一个有竞争力的基础模型，过去要一支分管架构、数据和芯片的专家团队。如果一个人指挥智能体就能做到，稀缺的就变成算力和判断，专长在自己学科的团队（比如机器人实验室或医院）也可能用自己的数据训练模型。这是 Mirendil 的第一个成果，它融资时的说法正是：用 AI 做生物、化学的实验室不必自己变成 AI 实验室。
证据与边界：所有数字都是 Mirendil 自己的，出自一篇博客，没有论文、没有公开权重，也没有说出那位研究员是谁。唯一的分数衡量模型预测没见过的代码的能力，不是它能否完成编码任务；Mirendil 也指出 Kimi-K3 和 GLM-5.3 是后训练过的模型，这项损失通常会因此略高。更大的两个模型仍在训练中。
发生了什么：Jeonghyeon Kim 与 Philip A. Romero 通过 PEARL 把 GPT-5.6 Terra 接到一台标准 Opentrons OT-2 移液机器人和一个摄像头上，五个模型角色共用一份实验记录。只给目标，它十次全部拒绝执行做不到的指令；从颜色推断出有人中途把孔板转了 180 度；十次中有七次先稀释染料看清颜色再用。让它表征一个酶活测定，它自己选浓度和取样时间，剔除被加料的那一孔，并重做早期读数丢失的实验。
为什么重要：实验室自动化只会执行给定的流程，孔板被挪动或读数饱和就会卡住，除非事先写好了对应的检查。论文自己的对照说明这些行为出自哪里：在普通工具循环里，80 次执行全部没通过；让单个智能体保有一份持续的实验记录，通过率 60%；五角色版本 80 次全部通过。也就是说判断主要来自通用模型，脚手架买到的是稳定性，而这正是让一个只有普通移液工作站的实验室可以试一试、而不必自己造平台的条件。
证据与边界：八个场景都在一张实验台上由作者完成：配色，以及一个辣根过氧化物酶测定，其动力学常数与作者自己做的人工参照、以及已报告的文献数值相符，而不是外部实验室的结果。规划、适应、执行的评分由他们按自己的标准给出，扰动也由他们施加，因此没有检验真实实验室里不期而至的故障。颜色由一个对酶标仪校准过的摄像头读出。预印本。
发生了什么：AlphaVariant 把一个在同源天然蛋白上训练的序列生成器，与每轮实验数据后重新训练的活性预测模型配在一起。对洗涤剂用蛋白酶 savinase，两轮设计的文库中受测变体分别有 75.4% 和 83.8% 超过野生型，可改动位点从 25 个扩到 67 个；最好的变体在合成底物上活性为野生型 7.1 倍。第三轮还把耐热性和与专利的距离一并打分，32 个变体中有 3 个胜过商用蛋白酶 Uno 100 L。
为什么重要：定向进化的改进基本是一个位点一个位点取得的，因为组合数爆炸，实测数据又太稀疏，拟合不出覆盖它们的模型。这里有用的变体一次带着 8 到 16 个位点的改动，而最后一轮只用了 32 次实测：到这个量级，一种设计方法才值得占用企业的筛选预算，而不只是基准表上的一行。把与专利的距离放进奖励函数是少见的做法：可销售的自由度与性能被一起优化，而这是任何一种酶都得满足的约束。
证据与边界：所有测定和洗涤测试都由作者与产业合作方百斯杰完成，百斯杰已就这些变体提交专利申请；没有外部实验室检验过。洗涤测试用的是中国标准方法和一种污布，不是产品试验。7.1 倍来自以多肽为底物的动力学拟合，第三轮改用酪蛋白。在六个公开图谱上，明显占优的是其中三个，而它们的适应度由一个学出来的替代模型给出。预印本，CC BY-NC-ND。
发生了什么：Bo Wang、Ci Chu 等人在公司博客介绍 X-Scientist：主智能体规划并检验下属智能体的工作，后者调用生物信息学工具和公司自有模型。它提出 381 个基因扰动，用于逆转 TGF-beta 对 HepG2 肝细胞的作用；公司同时测试了科学家挑的 321 个和随机抽的 433 个，全部用 Perturb-seq 测量，回移达三个标准差才算命中。提出候选用了 20 分钟，人工挑选要三个多小时。
为什么重要：TGF-beta 是慢性肝病里纤维化的驱动因素，而该扰动哪些基因，正是生物学家要花上一个上午来定的事。这里测的是模型挑出的候选，而不是模型自己给出的分数：每个候选都被做成扰动、在细胞里读出结果。它有三个不在已知 TGF-beta 通路上的命中，效果超过通路内命中基因的中位数，也不在科学家的名单里，这才是这个闭环的意义：已知通路上的基因名单，科学家本来就有。
证据与边界：公司博客文章，没有论文，未经同行评审，比较的设置和打分都由 Xaira 自己完成。只有一种细胞系，报告的也只是它跑过的十二种处理中的一种；7.1% 与 6.9% 之差，远在 381 个和 321 个扰动能分辨的范围之内。并列的基准分数比的是同一批模型下的不同框架，不是生物学。目前还没有结果回流到模型里。
发生了什么：斯科尔科沃科技学院 Alexander Shapeev 的团队，用低秩适配在一小批共享同一晶体对称性的化合物上微调 MatterSim 1M 势，再解玻尔兹曼输运方程算晶格热导率。在 half-Heusler、225 号空间群和尖晶石上，微调后的势与参考值的差距比未微调的小两到三倍，与逐化合物微调持平，而在实际跑的 28 个化合物上把微调时间缩短到约二分之一到三分之二。
为什么重要：通用势会软化势能面，而热导率依赖的正是势能面的导数，所以大家只好逐化合物微调，代价很高。把适配器绑定到空间群，这笔开销就摊给了所有共享该对称性的化合物。
证据与边界：全部是计算结果。参考值来自另外的势，即矩张量势和 polyMLP，不是实测。五到七倍是从 28 个化合物外推的，论文结论自己写的是五到六倍。只有三个空间群，论文也没有证明跨对称类的迁移。预印本。
发生了什么：AI Proteins 将针对安斯泰来选定的多个靶点，从头设计并优化微型蛋白。安斯泰来通过关联公司 Astellas Innovation Management 获得所有候选药物的全球独家许可，并负责开发、注册和销售。首付与里程碑合计超过 4 亿美元，另有销售分成。这家波士顿公司的创始人兼 CEO Chris Bahl 和安斯泰来创新实验室的 Morten Sogaard 代表双方发言。
为什么重要：这是 AI Proteins 的第二笔大药企交易，第一笔是 2024 年底百时美施贵宝的合作，也是最高 4 亿美元。微型蛋白是从零设计、而不是取自自然的小蛋白。百时美施贵宝拿到的是许可的选择权；安斯泰来则直接拿下独家许可，这次设计从一开始就是被当作未来的药物买下的。
证据与边界：新闻稿没有单列首付金额，也没说涉及几个靶点，更没有展示这项合作产出的任何分子。有一家行业媒体把 4 亿美元写成首付；新闻稿说的是首付与里程碑合计。
发生了什么：西湖大学的 Fengyuan Dai、Fajie Yuan 等人用 17 亿对蛋白-文本数据训练了一个 160 亿参数的模型：输入一段想要什么功能的描述，输出序列，手写的结构约束比以往少。做了四件任务：荧光蛋白、PET 水解酶、醇脱氢酶和代谢 H 蛋白，四个都测到预期功能，两个酶都测到催化活性。在一个体外重组的固碳反应里，设计出的 H 蛋白把产物产量提到天然大肠杆菌蛋白的 1.7 倍。
为什么重要：蛋白设计通常要么从一个天然蛋白出发做优化，要么要求设计者先把目标改写成模型能接受的几何与序列约束。这里目标就是一句话，而生成出来的东西不只是折叠成预测的样子，是真的催化了反应。更锋利的是那个 H 蛋白：在一个体外重组的固碳反应里，设计出的载体蛋白盖过了天然的那个，中间没有任何一轮实验优化。
证据与边界：各项任务的数字在扩展数据里，都不大：PET 水解酶从 2416 个筛后设计里检测 94 个，得到 1 个命中；醇脱氢酶测 8 个，成 5 个；H 蛋白从约 1000 个里选 20 个，5 个有活性。湿实验全部由作者自己完成。推理代码按 Apache 2.0 公开，权重仓库未声明许可；完整训练语料出于生物安全未公开，只提供给审稿人。
发生了什么：西湖大学原发杰团队与港科大（广州）、深圳先进院合成所及智峪生科，训练出 160 亿参数的 Pinal，数据是 17 亿对由机器写出的「蛋白质—描述」。它先按文字画出结构，再排出配得上的序列。荧光蛋白、降解 PET 的酶、醇脱氢酶和 H 蛋白四类设计都测到了所要求的功能；在一条固定 CO2 的通路里，设计的 H 蛋白产物量是大肠杆菌自身的 1.7 倍，中间没做实验优化。
为什么重要：设计模型通常要么从一个天然蛋白出发去改，要么需要人先把目标翻译成结构和序列上的约束。Pinal 接受的是一句话，这是另一种接口：生物学家说出蛋白该做什么，拿到可以拿去测的候选。模型权重放在 Hugging Face，代码是 Apache-2.0，这个主张谁都可以自己去试。
证据与边界：每个成功都出自标题看不见的漏斗：四类合计约 151 个设计进了实验，来自生成的数千个，降解 PET 的酶测了 94 个才留下一个。测量都由作者自己完成；训练语料出于两用风险没有放出。原发杰对《科技日报》说，基于语言描述的蛋白质设计仍处在概念验证阶段，更精细的指令，比如指定荧光蛋白的发射波段，是整个领域尚未解决的问题。
发生了什么：Flint 是一个混合专家模型，总参数 400 亿，每个 token 激活 25 亿，以 Apache 2.0 许可在 Hugging Face 发布。Recursive 称它在 500 亿参数以下的同类模型中，在 SWE-Bench Pro v2、Terminal-Bench 2.1 等智能体编程基准上领先，在 M4 Pro MacBook Pro 上每秒生成超过 125 个 token。公司说，一个小团队借助它的 Eureka Machine 不到四个月从零做出了它。
为什么重要：Recursive 把 Flint 称为其自动化研究系统的一次实战检验：Eureka Machine 搜索了模型结构，找出了量化方案，并写了硬件内核。这把这个系统的工作从基准搬到了一个人们能下载使用的模型上。它对科学的意义是间接的：这个系统到目前为止的对象都是 AI 自己的技术栈。
证据与边界：基准和速度数字都来自 Recursive 自己。Eureka Machine 与团队各做了多少，是公司自己的说法，没有给出拆分。
发生了什么：a16z 和 F-Prime 领投；种子轮投资方 Obvious Ventures 和 E14 Fund 继续跟投，另有 MFV Partners、Bison Ventures、Glasswing Ventures、Samsung Next 和几家未具名的财富 500 强战略投资方。TechCrunch 报道投后估值 14.5 亿美元。Pulkit Agrawal 领导 MIT CSAIL 的 Improbable AI 实验室；Tuomas Haarnoja 是 Soft Actor-Critic 算法的共同作者，曾在 Google DeepMind 训练人形机器人的动作。Eka 的视觉-力-动作模型在仿真里用强化学习训练。
为什么重要：它的模型除了看摄像头，还用夹爪接触时感到的力来调整：抓滑了、零件插不进去时会自己修正。实验室机器人要处理没见过的试管、移液器和样品，需要的正是这种能力。不过 Eka 自己的定位是通用操作，从包装农产品到组装服务器机柜，并不针对实验室。
证据与边界：每小时 1500 次抓取（人约 600 次）以及从仿真迁移到新物体的效果，都是公司和 a16z 自己的说法，没有外部测试；估值是 TechCrunch 的报道，不是公司公布的。
发生了什么：Arda 由 OpenAI 前首席研究官 Bob McGrew 于 2025 年创办，10 月 20 日公开亮相。McGrew 宣布完成 1.6 亿美元 A 轮，估值 15 亿美元；CNBC 援引公司说法称累计融资 2.3 亿美元，由 Altimeter Capital、Accel 和 Khosla Ventures 领投。Adept 联合创始人 Augustus Odena 任联合创始人兼首席 AI 官。Anduril 已作为设计合作方合作一年。
为什么重要：它的软件读取 CAD 文件、PDF 和产品需求，生成人工装配产线的装配方案和作业指导，设计一改就跟着更新；下一步是能像工人一样快速重新配置的自动化产线。这是工程而不是科学发现，但它自动化的正是自主实验室也要解决的一步：把设计变成实际操作。
证据与边界：1.6 亿美元和 15 亿美元是 McGrew 本人公布的数字；CNBC 的 2.3 亿美元如何分到此前各轮、其他投资方是谁，本站未读到原文。除公司自称已在一家美国大型制造商的多条产线上运行外，没有公开的客户结果。
发生了什么：Metis Reasoning 10 月 20 日结束隐身，团队 12 人。创始人为 Thore Graepel、Piers Ingram、Michael Warren 和 David Berman；白皮书署名 Graepel、Berman、Warren、Ingram，并把公司署为伦敦、新加坡和洛杉矶三地。《The Age of Reasoning》提出一种受 AlphaGo 启发的系统：显式记录自己知道什么，只有证据足够时才接受一个结论。Ingram 对 Tech.eu 说公司迄今资金充足，但不评论所传的融资。
为什么重要：9 月时记录里只有 Bloomberg 关于融资洽谈的报道。现在公司公布了创始团队，并用自己的话讲清路线：以科学方法为模型的推理、可审计的推理过程，目标是科学、工程和机器人这些答案必须能核查的领域。
证据与边界：这是立场论文和公司亮相，不是结果：没有公开模型、基准或客户，Ingram 提到的“令人鼓舞”的推理结果也未展示。融资仍未确认，投资方未披露。
发生了什么：OpenAI 称已收购 Orchestra Bio，一个统筹药物研发的平台，并把它的团队和技术并入 Rosalind。OpenAI 自己举的例子是：一个批次生产失败，可能拖慢临床试验的启动；Orchestra 的智能体会算出这会影响哪些活动和时间节点，收集相关信息，比较几种应对方式，然后由科学家和项目负责人决定。同一页面把诺和诺德和 Moderna 列为 Rosalind 的合作方。
为什么重要：Rosalind 此前是一个模型加一个工作台；这次补上的是追踪项目欠什么、什么时候交的那一层。OpenAI 用自己的数字来论证：在美国，从靶点发现到获批平均大约 10 到 15 年，期间团队要在内部各部门和外部合作方之间统筹，而系统彼此不通。所以这里卖的是统筹，不是预测，而且分工写得很明白：智能体负责盯和追，人来决定。
证据与边界：没有价格，OpenAI 的页面也没有点名 Orchestra 的任何人。约 2000 万美元的融资总额，是经 Decrypt 引用 Caplight 得来的，不是公司自己给的，种子轮规模也没说。两家公司都没有讲 Orchestra 有多少客户、现有合同怎么办，也没说智能体什么时候进 Rosalind。Orchestra Bio 不是纳斯达克上市的医疗器械公司 Orchestra BioMed。
发生了什么：Aniketh Iyengar、Benjamin Siranosian 等人在公司博客上报告。Omnii-1 重写了 gp17 的 DNA，T7 噬菌体用这个尾丝蛋白识别大肠杆菌。在与天然蛋白相差 11 到 15 个氨基酸处，69.9% 的设计在组装后被回收到，随机对照为 4.8%；有活性读数的 6694 个变体中，2161 个的富集高于天然噬菌体。一份含这些设计的制剂在体外清除了某位患者的耐药菌株，随后给这位患者使用。
为什么重要：一个模型的设计进入了对人的治疗，而不只是停在实验室：公司称这是 AI 生成噬菌体的首次临床使用，走的是经批准、由医生主导的同情用药途径。模型写的是已知 T7 基因组里的一段区域，不是一个基因组。它还会排序该拿哪些设计去试某一个菌株（在库里三个菌株中最难的那个上，它排名前 100 的候选有 24% 超过活性阈值，整个库只有 4.5%），而要为一名患者配出治疗，必须做对的正是这一步。
证据与边界：公司博客文章，没有论文，也未经同行评审，所有测量都出自公司自己。只有一名患者：公司以隐私为由不披露病程与结果，并说单例无法确立安全性或有效性，因此这里没有任何东西检验了治疗是否有效。文章没有提到 Tabula，《纽约时报》后来报道，实验室工作很大一部分由它完成，制剂中一部分噬菌体也由它提供。
发生了什么：靶点由团队选定：五种毒素蛋白。一个内部研究模型在一个初始指令和四次追加指令下大体自主工作 64 小时，挑出要瞄准的位点，生成 318,484 个候选，其中 211 个被合成。Adaptyv Bio 测了全部的结合，Twist Bioscience 测了 210 个、针对四种毒素。17 个达到 Anthropic 的标准，其中 15 个在两家实验室都命中。最强的一个针对墨西哥蝎毒蛋白 Cn2，为个位数纳摩尔。211 个设计及数据全部公开。
为什么重要：这是该公司早前的结合蛋白工作，推向一个没人有钱去做的靶点（一种被忽视疾病的抗毒血清），而值得看的是这个闭环：模型自己定质量门槛，自己决定多依赖指令里给出的哪个设计工具，还把序列发给供应商，人只在四个节点上介入。针对单一毒素的设计里，60 个中有 11 个结合，与一般蛋白设计项目的水平相当，所以这条主张讲的是谁跑完了这个项目，而不是方法更好。
证据与边界：测的只有结合，用的是实验室表达的毒素蛋白，不是从毒液提取的；没有任何设计在细胞或动物身上检验过，Anthropic 自己也说没有做出抗毒血清。针对多种毒素的 151 个设计，没有一个在一种以上毒素上达标。判定标准是看到数据之后才定的；没有跑设计基线，模型自身的贡献与所用工具的贡献无法分开。
发生了什么：佐治亚理工、大阪大学与南加州大学的 Yazhuo Liu、Ting Zhu 等人做了 GBClaw：一个协调器加五个智能体，接到两个 GPT-5.6 模型，在 LAMMPS 里搭建并分析原子尺度剪切模拟。镍的 14 个非对称倾斜晶界，开始滑移的强度从 14 兆帕到 9.3 吉帕。其中四个改建成带二次失配位错阵列的模型（真实晶界本就有这类缺陷）：一个从 1,074 兆帕降到 530，两个降了四个数量级，一个反而升高。
为什么重要：真实金属内部的大多数界面正是这种失配的晶界，它们一直研究得少，因为其结构在实验和模拟里都难以确定。这一轮扫描说的是模型本身，不是智能体：如果预测强度会因为晶胞里有没有晶界自身的缺陷结构而差这么多，那么在简化晶胞上筛晶界（用第一性原理或机器学习势，花着真金白银），读到的与其说是材料，不如说是晶胞。
证据与边界：全部是模拟，用一种经验的镍势函数：没有东西被做出来或测量，作者把这些数字称作所建晶胞的无热失稳阈值，而不是普适的强度上限。晶胞小且周期，压住了宽晶界本会有的长程缺陷相互作用，能量路径计算也不含温度。{111}/{110} 晶界的异常，是研究者指定后续计算之后才追出来的。
发生了什么：新加坡国立大学与南方科技大学的团队把晶体的完整描述写进一条序列，交给单个自回归模型：先空间群，再是哪种元素占哪个对称位点，再晶胞，最后坐标。每个坐标由粗到细选定，反复把该位点可落的区域对半切。给定组分与空间群，单次猜测在 MP-20 上复原 62.92% 的结构（CrystalFormer 29.62%，OMatG 63.75%），在结构更大的 MPTS-52 上 25.25%，坐标误差也是各模型中最低。
为什么重要：显式写出对称位点的生成模型能探索新的结构模板，但在生成稳定、准确的晶体上一直落后。这里一个模型兼顾两者，消融也说明了结构为何有效：按对称性约束由粗到细选坐标，有效结构占 90.12%；普通坐标分箱只有 68.16%，连续坐标 41.64%。这种表示方法其他晶体生成模型也能拿去用。
证据与边界：全部是作者自己的计算结果。结构预测测试中，CrystalAR 除了组分还拿到空间群，而 DiffCSP、FlowMM 等通用基线只拿到组分，论文附录自己写明了这一点。给 20 次猜测时它落后于 CrystalFlow（74.55% 对 78.34%）。稳定的新晶体依然稀少：预弛豫后只占生成结构的 0.9%。
发生了什么：波鸿鲁尔大学 Miguel Marques 与 Silvana Botti 的团队用两个机器学习模型加一条拟合公式，给 Alexandria 数据库里约 280 万种近稳定化合物排序，留下约 1,200 种，并入已算过的约 12,800 种，再从中缩到 52 种做完整的电子-声子输运计算。在单质金属上检验，这套计算多数落在实测值的 30% 以内。排名最高的 Be2IrPt、H3NaNi、LuIr 和 LiBePt2 算出约 3,400 万到 3,800 万 S/m，接近铝的实测值 3,659 万。
为什么重要：芯片布线和输电都需要导电好的金属，而电导率是材料数据库很少计算的性质，因为完整计算很贵。这项工作给出一条可行路线：先廉价地给几百万种化合物排序，再把完整计算花在几十种上。它还解释了银、铜、金为何难以超越，并指出一种机制：轻元素提供的电子能把化合物中散射强的 d 态压到费米能级以下，LiBePt2 就是一例。
证据与边界：与实验吻合的是单质金属，不是这些新化合物；它们都没有被合成或测量。即便在单质里，钙的计算值是 798 万 S/m，实测却是 2,899 万。计算忽略了自旋轨道耦合，加上后 Be2IrPt 和 LiBePt2 分别下降 8% 和 9%。排名靠前的候选有好几种含铂、铱或铑。
发生了什么：悉尼、哥伦比亚、智源与清华的团队，在 ProteinGym 的 217 个实验、247 万个变体上重评 95 个预测器，评的是同等预算下各自能发现什么，分两个目标：找最优变体和给景观排序。在校准过的 20 个打分函数之间，事先排序的好坏只解释了实际找到多少的差异的不到五分之一（r = 0.44）。实测单点突变搭的加性模型随后反超：找最优变体在 50 到 100 个单点突变后，排序约在 500 个。
为什么重要：这改变了蛋白模型排行榜的用途。一轮实验真正要回答的是下一批测哪些变体，而论文表明回答它的量并不是基准报告的那个：把景观排得好的打分函数，不一定能把预算花得好。实际的读法是，模型先验的价值集中在最初的几十次测量，此后实验室自己的数据更强；闭环设计应当按给定预算下的发现率来评，而不是只看固定数据集上的相关性。
证据与边界：全部是回溯性分析，重评已有数据，没做新实验，也没真跑闭环。只覆盖点突变景观；作者说插入、缺失和从头设计需另设对照并明确测量成本。交叉点说的是用实测单点突变预测双突变；在三个以上突变的变体上反而是模型更强。它们出自深度突变扫描，每个变体都已测过，和实验室手上的候选池不是一回事。预印本。
发生了什么：Electric Plant 由创办网上植物店 Bloomscape 的 Justin Mast 与神经科学家 Lee von Kraus 创立。据 TechCrunch 报道，这轮种子轮由 Onto Ventures 与 Climactic 领投，Ponderosa、Endeavor Catalyst、Ludlow、Michigan Rise、The Fund、Schox VC 和 Dug Song 参与。它的传感器用螺钉固定在茎或树干上，把植物的电信号传给公司的模型 Bombadil，由模型读出早期的胁迫迹象和植物的需要，比如缺不缺水。Mast 对 TechCrunch 说，一个传感器只要几十美元。
为什么重要：种植者判断植物需要什么，靠的是土壤探头、手持叶片测量仪或卫星图像。Electric Plant 想直接读植物本身，用便宜的传感器连续地读，并已在上百个物种的这种信号上训练了模型。这轮融资投的是为植物而不是人的生理电信号建模型，面向农业、林业和植物养护。
证据与边界：融资信息来自 TechCrunch 的报道，Mast 接受了采访；公司在 Business Wire 发布的新闻稿未能打开，也没有披露估值。Mast 说这套系统能把用水减少 20% 以上，这是他自己的说法，没有公布田间数据，他也没有透露客户。
发生了什么：Matthew Carter 等人在公司博客上发布这些数字。在 AlphaGenome 自己的测试集上（21948 个测试案例，每个案例把一个 DNA 变异与一个基因、一个组织配对，一半是统计方法判定为原因的，一半是被排除的），Omnii-1 得 0.810，Borzoi 为 0.705，AlphaGenome 论文自报 0.713。在 14458 个案例的剪接测试集上，它得 0.814，Pangolin 为 0.721。它还能逐位点预测甲基化（DNA 上的一种化学标记），与实测值的一致性为 0.879。
为什么重要：与疾病相关的 DNA 变异大多不在编码蛋白的序列里，难点在于判断其中哪些真的起作用。此前的模型只读 DNA 序列，这个模型还读实验测量：DNA 在某个组织里如何被包装、如何被使用，而且这些测量可以作为输入，不只是预测目标。变异离基因越远，它对 Borzoi 的领先越大：500 个碱基以内是 0.05，5 万个碱基以外是 0.19。
证据与边界：所有分数都出自公司自己，发在博客上，没有论文，也未经同行评审。公司称自己无法运行 AlphaGenome，因此那组数字是从已发表论文里摘的，不是并排跑出来的；AlphaGenome 在同一测试集上更高的有监督分数 0.799，不是这里拿来比较的那个。标注来自群体数据的统计推断，不是经实验检验过的变异；模型本身需要申请才能使用。
发生了什么：Max Highsmith 等人在公司博客上报告。这一轮工作起点是此前流程产出的 1620 个设计，其中 150 个有实测结合数据。自 9 月中起，Omnii-1 在其中较好的序列上改写位点、给自己的提案排序，Aptamino 做出并测量选出的一批，如此三轮。这些设计把实测的取舍前沿往外推了：单域抗体结合的紧密程度，和细胞能表达出多少；第三轮有两个设计的结合强度低于检测下限。
为什么重要：这是一个闭环：模型自己的排序决定做什么，每一轮的测量再回到模型里。抗体序列不是这个基因组模型最初预训练的数据门类，是之后才加进来的：公开抗体库，以及合作方有实测数据的设计。被检验的是，一个通用生物模型能不能被转到某个合作方很窄的设计问题上。在同样 327 个有实测数据的设计上，模型学到的表示对表达量和效价的预测略好于专门的蛋白模型，而序列的简单 one-hot 编码在效价上紧随其后。
证据与边界：公司博客文章，没有论文，未经同行评审，报告的也是双方自己的工作。只有一个靶点、单域抗体、三轮，靶点身份和部分实测性质由合作方保留未公开。两个设计“超出检测下限”是检测本身的限制，不是测到的结合强度；抗体那篇文章没有给出这个下限的数值，0.2 nM 来自发布文章。相对其他模型的优势，置信区间互相重叠。
发生了什么：Armin Thomas、Gautam Machiraju、Benjamin Siranosian 和 Christine Parthemore 在公司博客上报告。利弗莫尔用其今年建立的平板检测，测量了 609 个天然蛋白在 15 种稀土金属之间如何分配结合。给定其中两种金属，Omnii-1 对未见过的蛋白按偏好哪一种排序，在全部 105 个元素对上的排序一致性中位数为 0.340；最强的公开模型 ESM-C 6B 为 0.318，三种基于序列相似性的方法中最好的为 0.254。
为什么重要：把这些金属分开是精炼环节的问题：按国际能源署的统计，2024 年全球精炼量的 91% 在中国；这些元素之间的尺寸差异极小，相邻元素只差 0.013 埃，常规路线因此需要强酸和大量能耗。蛋白能把它们区分开，问题是模型能否在做出来之前就说出哪个蛋白能做到。这个模型的训练数据里没有稀土结合数据，现在这家国家实验室正在测试模型生成并排序出来的候选物。
证据与边界：只到预测这一步：模型设计的蛋白在利弗莫尔等待测试，尚未报告任何结果。这是公司自己的文章、自己的评估，没有论文，未经同行评审。在尺寸最接近的 17 个元素对上，也就是最难的情形，公司给出它与 ESM-3 相差 0.006、配对误差 0.005，并表示不据此排名。AlphaFold2 在这里得 0.191，低于最简单的序列相似性基线 0.198。
发生了什么：ScionxBio 是英国剑桥的 Eleven Therapeutics 拆分后使用的名称，它与赛诺菲签下全球合作与授权协议。它的 TERA 平台大规模筛选化学合成的 mRNA 调控元件组合库，用深度学习分析筛选结果，设计更不易降解、更久产生蛋白的分子。ScionxBio 把赛诺菲选定的候选药物优化到动物实验阶段，之后的开发和销售归赛诺菲。首席执行官 Adi Gilboa-Geffen 和董事长、联合创始人 Yaniv Erlich 宣布了这笔交易。
为什么重要：新闻稿把这个平台指向蛋白缺乏症和慢性病，这类用途要求药物持续产生蛋白，而稳定性较差的普通 mRNA 维持不了多久。一家大药企把自己的候选药物交给一个用筛选数据训练的模型去重新设计，而不是从这家公司自己的分子起步。从 Eleven 拆分出来的 Undecimal Bio 已在 10 月 13 日以 1800 万美元种子轮亮相。
证据与边界：首付、里程碑和疾病领域都未披露，新闻稿也没有展示它的设计能持续多久的数据。
发生了什么：英矽智能称，与施维雅合作的两个肿瘤项目中，第一个达到事先约定的早期发现阶段标准，触发一笔金额未披露的里程碑付款。两个项目的靶点未点名，自 2026 年初宣布合作（总额最高 8.88 亿美元，首付和近期付款 3200 万美元）以来均已完成靶点提名。英矽智能用 AI 平台设计分子，施维雅分担费用并接手临床。创始人兼 CEO Alex Zhavoronkov 代表公司发言。
为什么重要：里程碑付款是合作方因为项目达到了双方事先约定的条件而付钱，比交易的总额更能说明进展。对一家主要收入来自这类合作的公司，这是施维雅第一笔与达到某个阶段挂钩、而不是与签约挂钩的钱。
证据与边界：公告没有给出靶点、分子或达标条件，也没有付款金额。AI 缩短了研发时间的说法是英矽智能自己的。
发生了什么：Ligo Biosciences 在自己实验室里测了四批 Artios 的设计，每批最多一块 96 孔板：针对短链酯的 88 个设计里 17 个有活性，最好的酰化效率为每摩尔每秒 291；另一批针对八碳酯的 88 个设计只命中 1 个，即纯化出的 ArCut1，约为每摩尔每秒 1,800。荧光素酶是 85 个里 7 个，更新版本后是 45 个里 9 个。骨架由全原子扩散模型围绕催化原子生成，序列由 Potts 模型写出。
为什么重要：定向进化只能改良已经存在的酶，所以一个在自然界没有起点的反应，根本无从改起。此前从零设计的荧光素酶都靠大规模筛选：论文提到 LuxSit 是 7,648 个设计里 3 个命中之一。Artios 报告的命中来自一块板：算力约一天，期间生成最多一百万个骨架，订 DNA 约一周，实验约两天。把最好那个荧光素酶的两个催化残基分别换成丙氨酸，发光都降到无酶对照的水平，说明活性来自设计出的位点。
证据与边界：实验全部由 Ligo 自己设计、执行和评判，没有外部实验室复现。论文说自己最主要的局限在挑选设计：这一步靠 AlphaFold2 和 Protenix，而它们判断不了催化。筛选时每个设计只读一个孔，以高出无酶对照三个标准差为阈值。这些活性远低于天然酶，也低于实验室里优化过的设计酶，而且还没有任何一个设计做出实验结构。
发生了什么：元材新界今年 9 月在上海成立，10 月 19 日宣布完成种子轮：君联资本领投，小苗朗程跟投。创始人是新加坡南洋理工大学材料科学与工程讲席教授刘政；CEO 汤碧珺是他的学生；同校的校长讲席教授安波负责训练材料大模型；CTO 是肖玉善。公司称其模型对商业复合材料强度的预测误差为 ±1.2%。
为什么重要：课题组在新加坡，公司落在上海，瞄准的是工程材料而不是新分子：先做航空航天用复合材料，再做半导体和红外材料。它的卖点是来自改造过的实验设备的数据（给炉子装传感器、在显微镜下看生长过程）再回流到同一个模型。计划 18 个月内推出可部署的模型，并在 3 到 5 个行业试点。
证据与边界：±1.2%、红外材料授权和客户数都是公司自述，没有引用论文或外部测试；客户数各家说法不一（接近 20 家对近 10 家）。金额只有“数千万元”，估值未披露。
发生了什么：Protege DataLab 与 Heimdall Bio 的 Matt Turk、James Golden 等人对四个前沿模型跑了 4249 次，另在 26 个模型上跑了 4486 次。Claude Opus 5（0.816）、GPT-5.6-sol（0.812）和 Grok 4.5（0.785）的置信区间分不开；Gemini 3.1 Pro Preview 为 0.707，与另三者的差距都不含零。Opus 5 在元数据查询上均分 0.907，在数值计算上 0.716。数值任务占 131 项中的 28 项，却占了四个模型全败的那 12 项中的 6 项。
为什么重要：要挑一个智能体去量结构里的距离和角度，该看的是数值计算那一栏，不是总分：Opus 5 这两个数差 0.19。这篇还显示排行榜有多少是模型之外的配置：在八次跑满的那 99 项任务上，每题只跑一次而不是八次，23.9% 的重采样会换出另一个第一；把参考 harness 换成各厂商自己的命令行智能体，分数变动在 -0.071 到 +0.086 之间。
证据与边界：四组实验用的任务子集不同，因此模型、harness、联网权限和题目构成之间无法互相排序，而 harness 对比只能分辨约 0.12 到 0.20 的差异。四个模型全败的题目并不等于无解。131 项任务偏向生物物理，分数描述的是附录所列采集时间窗内的那些模型端点。预印本，未经同行评审。
发生了什么：Yuki Wakabayashi 与 Yui Ogawa 把 GPT-5.6 Sol 套在那段原封不动的 Python 脚本外面（该脚本从透射光谱中提取光学质量指标 Urbach 能量），在 NTT 自己溅射生长氧化镓薄膜实验中存下的 203 条光谱上运行。脚本原本对 183 条给出了数值，20 条失败。智能体保留了全部 183 条，在规定范围内移动拟合窗口或放宽拟合质量阈值，救回 20 条中的 16 条，对另外 4 条光谱撑不起可靠 Urbach 尾的返回 NaN。
为什么重要：闭环里拟合脚本失败时，总得有人判断这次测量还能不能出一个数，而正是这个判断让循环停下来等人。这里智能体不碰数据也不碰物理，只动脚本本身已经暴露的参数，数值仍由脚本算出。不报数被当成正确答案而不是失败，这正是一个拿到什么数就照着优化的循环做不到的。
证据与边界：没有新的生长或测量，也没有一个独立数值可以用来检验智能体的判断：修复或放弃是否正确，靠的是作者自己对光谱的解读。每条光谱都过了智能体，但需要它出手的只有脚本已经报错的那些，因此它在“顺利算完但算出一个物理上错误的数”这种情形下没有被检验过。一个指标、一次实验、一个实验室。预印本，未经同行评审。
发生了什么：Manuel Gallone、Shyam Ravidath 和 Srihith Madireddy 先搭了一个分布外评测框架：两个数据集、六种划分组合，scVI、CPA 和 Ridge 基线，三种不确定性方法；再补上它原本没有的空基线。框架把测试细胞本身喂给模型，又按能否复现这个细胞打分，于是原样返回输入的恒等预测器，在六个划分上全部拿到 1.0 的扰动效应相关性。对比恒定训练均值预测器，scVI 在 Norman 上赢 99.7% 的细胞，Replogle 上只有 0.2%。
为什么重要：扰动预测是本站追得最紧的方向之一，而这次审计说的是：那里的指标名称，可能和指标真正度量的东西对不上。六种失效模式都是机制性的，不是统计性的（把重建当成预测来打分、留出的是测序批次而不是扰动、把没见过的扰动悄悄换成对照），每一种都配了诊断和检测流程，都不需要重新训练，别的框架基本上用已有的东西就能自查。唯一没有拿到目标细胞的模型，那个线性基线，是唯一一个在真正的反事实预测上赢过自己空基线的。
证据与边界：这是作者自己搭的流程，不是已发表的基准；PerturBench 只是被引用，没有审计。审计本身不需要重新训练，但模型确实按反事实的方式重跑过；全部结论都在两个数据集上算出来，没有做新实验。有一条结论挺过了审计：覆盖率在分布内是 0.900，跨细胞类型降到 0.847；而在 Norman 上，同样标称 0.900 的区间只覆盖 0.271 到 0.342 的差异表达基因。
发生了什么：Joseph Hart、Samuel G. H. Brookes、Fabian L. Thiemann 和 Christoph Schran 先用密度泛函的能量、受力和结合曲线筛六个模型，再把其中四个放进熔融-淬火-退火动力学，跑七个密度、每个五次。纯碳的模拟全部跑完；加入氧和氢之后差别就出来了：MACE-MH-1 把 35 次全部跑完，ORB-v3 完成 33 次，MACE-MP-0b3 25 次，MACE-OMAT-0 18 次。UMA 根本没走到这一步：它的碳二聚体曲线上有两个虚假极小值，尽管它在平面碳环境上的误差很低。
为什么重要：基础势的卖点是能迁移到没训练过的体系，而通常拿来证明这一点的，是一张能量与受力误差表。可是误差说不出哪个模型会垮：UMA 在平面碳上分数不错，却因一条任何势都不该出现的二聚体曲线被淘汰；共用一套训练数据的模型，架构不同，环统计也几乎一样。跑完动力学的四个都复现了纳米多孔碳的主要实验峰位，所以问题是它们在哪里失效，而不是能不能用。
证据与边界：只覆盖一类元素体系和一条工作流。稳定性在 216 原子的盒子里打分；与实验对照的结构更大、只有一个密度，比对的还是别的样品的已发表测量。第一作者既是表现最好那个模型的论文合作者，也是误差表所用评分框架的合作者，而论文声明无利益冲突。六个模型有两个没进到动力学，其中一个只因算力成本。这是 workshop 论文。
发生了什么：剂泰科技 10 月 19 日宣布与礼来达成战略合作，研究只送到特定组织而非全身的脂质纳米粒递送。剂泰科技用自己的 AiLNP 平台设计纳米粒里的可电离脂质，礼来提供药物发现、开发与商业化的能力。剂泰科技将收到逾千万美元首付款，有资格获得最高约 11 亿美元的开发、监管及商业里程碑款，以及按净销售额计个位数百分比的分级特许权使用费。
为什么重要：记录里已有剂泰科技的港股上市、肝癌 mRNA 药物的小鼠数据和一个三期制剂结果。这笔交易针对的是平台，而不是某一个药物资产：礼来为设计这一步付钱，而剂泰科技说自己的 AI 正是用在这一步。纳米粒最终去到体内哪里，决定了 mRNA 或基因治疗能治什么病，而这件事目前主要还是靠试错找出来的。
证据与边界：这是一笔交易，不是结果：没有公开靶点、项目数量和时间表，也没有公开数据说明 AiLNP 选脂质的效果。首付款之外的钱都取决于项目能否推进，首付款本身也只给了区间。
发生了什么：浙江大学团队对来自六个数据库的 45,909 个框架做了 DFT 计算，约 100 万 CPU 核时，把得到的场压缩约 26 倍并转成点云。读场的模型在 13 项性质中的 12 项上胜过只读结构的模型，所有吸附与分离性质都在其中；带隙仍是结构模型更好。两者结合后，每一项都更好。从结构预测电子密度的平均误差为 0.51%，用预测密度启动 DFT 平均省下 13.59% 的时间。
为什么重要：MOF 模型大多只从原子位置学习，而气体吸附取决于客体分子感受到的框架电荷分布。这种规模、一一对齐的电子场数据此前稀缺，因为计算和存储都贵；作者称论文正式发表时将公开数据集。结果表明，场里有只读结构的模型没用上的信息，在吸附和分离上最明显。
证据与边界：全部是作者自己的计算结果。结构基线只有一个模型，即 2018 年的 CGCNN，所以“场胜过结构”只是相对它而言。静电势的重建远不如电子密度，误差 8.42%，晶胞越大越差。13.59% 的节省没有计入预测电子密度本身的耗时，而且是平均值，部分框架反而更慢。
发生了什么：James Kirk、Lee von Kraus 等人用无标签的方式训练了一个 Transformer，数据是插在 100 个物种、1,400 多株植物上的电极录下的 400 多万小时信号，来自实验室、温室、果园和森林。再用 41,000 多次手持仪器的叶片读数训练第二部分，估计七项胁迫指标，比如叶片光合作用的效率、叶温高出气温多少。在六个物种的留出植株上做干旱处理，估计值随实测读数变化，相关系数为 0.27 到 0.71。
为什么重要：此前的植物电信号模型，每个都只为一个任务训练，通常只用一个物种。一个能跨物种使用的模型，可以让种植者读懂没人标注过的作物。对训练中没有出现的物种，估计值仍随读数变化，只是贴合得差一些；对受盐或除草剂胁迫的植物（模型从没见过这类标注），估计值的变化方向与文献预期一致。
证据与边界：数据、传感器和评估全是公司自己的，论文是预印本。相关系数衡量的是同一株植物随时间的变化；约一半误差是每个传感器固定的偏差，按误差指标，七项里有三项的估计比直接猜每个物种的平均值还差。六个密集标注的物种里有一个相关系数在零或零以下，也还没有种植者据此行动的结果。
发生了什么：两个接口分别返回带相关性分和权威等级的网页结果，以及转成 Markdown 的网页正文。DeepSeek 称自研引擎长期支撑其网页端和 API 的搜索，每天处理数亿次请求，索引千亿级网页，并过滤 SEO 作弊、GEO 操纵和低质 AIGC。在 DeepSeek Harness、Claude Code 和 Codex 里经服务端工具发出的调用，10 月 31 日前免费。
为什么重要：做文献智能体需要一个能用程序调用的搜索后端，而现有的几乎都架在 Bing 或 Google 的索引上。这是少数不靠它们的，来自 DeepSeek，许多 AI4S 团队已在用它的开源模型，按次计价而不是按套餐。它的索引对期刊、预印本服务器和中文来源的覆盖够不够做科研，要由用它的人自己去试。
证据与边界：请求量和索引规模都是 DeepSeek 自己的数字，无人核验；英文发布说明给了日请求量，中文版给了索引规模。没有发布与其他搜索引擎的覆盖率或时效性对比，这里也没有实际调用。
发生了什么：模型卡称这是 9 月 V4.1-Flash 的小版本更新：Humanity's Last Exam 无工具 42.6（原 36.8），Terminal-Bench 4.0 为 42.3（31.2），DeepSWE v1.1 为 77.0（74.2），Apex Bench v1.1 为 72.1（64.6），任务运行时间和输出都更短。网页端、App 和 API 的 deepseek-flash 已同步换成新模型。底座是 9 月发布的 552B 参数混合专家模型，因果编码器-解码器结构，预填充每个 token 激活 8B 参数、解码激活 16B；Hugging Face 上的检查点共 763B 参数。
为什么重要：Humanity's Last Exam 的题目由各学科专家出，覆盖自然科学和数学，价格不变而得分提高近六分，意味着这个成本的开源权重模型能答的题变多了。权重按 MIT 许可开放，课题组可以在自己的机器上跑，用那些不能发给托管模型的数据。
证据与边界：所有分数都是 DeepSeek 自己跑的，测试框架也由它选定，到 10 月 17 日没有独立评测。除了考题之外没有任何科研任务的测试；9 月的技术报告没有读。
发生了什么：Zachary Cutts、Pooja Rao、Annalisa Pawlosky 等人给基于 Gemini 的智能体配上文献检索、折叠工具和 Python 环境，让它们每轮针对两种蛋白设计 1000 条单链 DNA 核酸适配体。每批都被合成、用磁珠拉下、测序，智能体读完计数再设计下一批。扣除磁珠背景后，新设计的命中率对 α-凝血酶为 0%、26%、42%，只算不含已发表母核的设计则为 37%；对肌红蛋白为 10%、4%、34%，每条候选成本约 3 美元。
为什么重要：此前关于推理智能体做分子设计的研究，都是最后做一次实验验证。这里测量数据回传了三次，智能体拿它做了什么都留在记录里：反向筛选显示 97% 的交叉反应序列是 G-四链体（这类结构不管靶点是什么，都会黏在带电表面上），它们就把肌红蛋白的设计转向假结和发夹，那边的特异性从 19% 回到 72%。作者选核酸适配体，是因为设计出的序列本身就是那个分子，一轮只要 10 天，而蛋白要 3 到 6 周。
证据与边界：结合由作者自己的混合池检测测得。单克隆滴定只做了 8 条凝血酶设计，未达饱和，作者称这些亲和力数据只是初步：智能体改造文献母核的为纳摩尔级，纯从头设计的高于微摩尔。凝血酶第一轮的 0% 源于构建体本身的问题，之后被智能体修掉，harness 也随之更换；作者还说，要把这个上升记在闭环头上，需要无反馈的对照组。预印本，未经同行评审。
发生了什么：东京科学大学与东京大学的 Tatsuki Hori、Yoshitaka Moriwaki、Ryuichiro Ishitani 发布 RGI-Toolkit：在反向扩散的每一步用可微约束损失修正去噪器输出，是一个不依赖具体后端的库，适配 Boltz-2、Protenix-v2、AlphaFold3、Chai-1、OpenFold3 和 ESMFold2 六个预测器。在 209 个蛋白-配体复合物上，构象约束把手性一致率从约 50% 提到 100%、顺反从 70%-80% 提到 100%，六个模型全都如此，键长键角误差也更低。不需要重训。按 MIT 许可开源。
为什么重要：化学上不合法的配体几何是 AlphaFold3 这类模型公认的弱点，而这个工具从模型外部、在推理阶段把它修好，不需要动权重。它不改变配体落在哪里：作者说预测的结合位姿既没变好也没变差，所以这是一个干净的立体化学补丁，不是更准的结合预测。几何约束和自定义约束还能把采样推向选定的构象状态。
证据与边界：手性和顺反的数字是对照每个配体理想构象算出的一致率，基于 209 个复合物、每个一个随机种子，不是物理测量。约束的效果取决于参考构象：RDKit 嵌入出错就会把约束带偏。此前两篇 RGI 论文（本工作的基础）用的是 Boltz，这篇是把它扩展到六个预测器并打包。预印本，未经同行评审。
发生了什么：斯克里普斯研究所、OpenAI 与 PerturbAI 给一张活体全脑 CRISPR Perturb-seq 图谱里的 1,946 个扰动各配一个智能体，源论文被扣下，且发表于模型声明的知识截止之后。在仅凭表达数据就能得出的 55 条结论中，智能体吻合或细化了 48 条。它们对照文献裁定了 1,519 条高置信度发现，读了 39,185 篇论文、保留 16,445 条引用。整个分析用时 32 分钟。
为什么重要：这里押的是用大量并行智能体换覆盖面，而不是靠一个更强的智能体，论文也直接量了这一点：在 893 个扰动上，单个智能体引了 11 篇文献，而分布式方案保留的文献是它的 711 倍。盲评专家更认可分布式给出的解读。这是关于解读吞吐量的主张，而解读正是当前限制一张大规模筛选能产出多少东西的环节；它不是在说智能体发现了新生物学。
证据与边界：全部是计算结果，数据是同一批人产出的一张图谱；三位通讯作者都有利害关系：一位在 OpenAI，被评测的正是其模型，两位是数据托管方 PerturbAI 的联合创始人。回收率由源研究自己的作者评定，71 条里有 14 条没有覆盖。留出扰动的预测平衡准确率 0.705：无响应的判对 82%，真有响应的只判对 59%。专家偏好比的是解读优劣，不检验对错。预印本，未经同行评审。
发生了什么：Anthropic STEM Fellow Andi Gu 与 Anthropic 的 Alek Kemeny、哈佛的 Susanne Yelin 和 Mikhail Lukin 合作，让 Claude Mythos 5 用 Python 写电路，由评估程序逐个检查打分。有六项任务，电路的 Toffoli 门数和量子比特数都低于已发表的最优设计；第七项此前没有已发表的可逆设计可比。第八项得到一种新的可逆模逆运算，关键一步已在 Lean 中形式化，其中一个设计比此前最小的设计门数少 17 倍，量子比特多 12%。
为什么重要：实用量子化学所需资源的估计之所以大幅下降，主要靠重新设计电路，而不是硬件：FeMoco 的估计在八年的人力工作中降了约 15 万倍。让模型把电路写成代码、由程序逐一校验，能加快这种重新设计：Anthropic 拿一次 53 小时运行得出的椭圆曲线设计，对比整个领域八年的工作。同样的方法还把 DQI 优化算法中最贵的一步，即解码器，降低了约 12 倍。
证据与边界：全部是计算结果：这些电路没有在任何量子计算机上运行，门数和比特数来自团队自己的评估程序，arXiv 预印本也未经同行评审。任务说明由人编写，过程中有人不时提示 Claude 扩大搜索。
发生了什么：只有在可预见、迫近的风险超过十亿美元损失，或致死致重伤超过五十人，且来自生物武器、模型逃脱开发者控制或网络攻击时，模型才能被叫停。由商务部请华盛顿的联邦法官下令，其他机构都无权叫停。评估方须在商务部注册，可由实验室付费，但报酬不得取决于结论，并须在完成评估后 72 小时内上报迫近风险。部分州的 AI 法律将被优先取代。
为什么重要：一家前沿实验室写出了将要约束自己的条文。Politico 指出其门槛措辞与加州 SB 53 一致，Anthropic 则称这份草案就是它六月以来一直在推的 Advanced AI Framework。对科学而言，要紧的是生物武器这一类：它是能叫停一个模型的三条理由之一，评估方向商务部的报告会是走向法院命令的第一步。
证据与边界：草案是机密的，Politico 也没有公开，所以这里的每一条都出自 Politico 对它拿到的文本的转述；递送草案一事，消息来自三位知情人士。文章没有点名哪些议员收到了草案。Anthropic 一位未具名发言人表示这份草案就是公司的框架，但没有公开文本。
发生了什么：Google DeepMind 用自建的能力指数 GCI v1 拟合了 123 个模型在 92 个基准上的成绩。公开发布的 Gemini 模型每月约提升 0.1 分：2026 年 4 月 1 日前为 0.091，之后为 0.118，差异在统计上不显著。大部分生产代码已有 75% 以上由 AI 写成，但完全交给 AI 的代码合并请求只从 4 月的 7.5% 升到 9 月的 11.9%，约 88% 仍需人多轮引导或亲自写代码。
为什么重要：“AI 是否在加速自己的研发”有了一家前沿实验室的内部计量作为答案，与 9 月 Geoffrey Hinton、Yoshua Bengio 和 OpenAI 首席科学家联署的工作论文形成对照：那篇论文估计研发完全自动化后进展可能快十倍。对 12 位资深研究员的调研显示，自动化程度在定义清楚、可验证的任务上最高，在开放式的科学构想和研究品味上最低。Argon 高于趋势线，报告认为可能是算力和组织投入增加所致。
证据与边界：指数由 DeepMind 自建、建立在基准之上，斜率稳定说明测得的能力匀速增长，不等于研发中没有任何环节变快；报告自己也说该指数反映不出子环节的加速。4 月后的斜率只基于少数模型（95% 区间 0.053 至 0.171），同样不能排除加速。调研和由 Gemini Flash 3.8 评判的智能体使用样本都是内部数据，而这一结论恰好支持报告“风险较低”的判断。
发生了什么：澳门理工大学、南京农业大学和智峪生科的 Ran Xu、Liangzhen Zheng、Dongyang Liu、Jingjing Guo 等人，用嗜热微生物的蛋白结构和基因序列训练模型，再针对大肠杆菌微调。从结构反推序列时，它的残基恢复率为 55.54%，相对 ProteinMPNN 高 17.4%。对纤维素酶 cel5E，候选先经稳定性计算和保守性筛选，实测 13 个：N291D 把熔解温度从 63.16 提到 69.58 °C，活性约高 35%；D259E 达 72.35 °C，活性高 17%。
为什么重要：多数蛋白设计只做到氨基酸序列，这个模型还写出宿主细胞要读的 DNA；实验同时要求耐热和活性两个性质，而两者常常此消彼长。双突变体 D218E/S262I 就是例子：它最耐热，78.12 °C，但只剩约三分之一的活性。
证据与边界：只有一种酶、13 个变体，没有和其他方法或随机挑选的变体对比，命中率无从判断；候选还经过了能量和保守性筛选，模型本身贡献多少不清楚。DNA 设计只在软件里打分。论文是未经同行评审的预印本。
发生了什么：宾夕法尼亚州立大学与布法罗大学的 Vinay Saji Mathew 等人，把 AlphaFold 3 和 Boltz-2 的扩散模块（把预测出的整体布局落成原子坐标的那一步）蒸馏成 8 步的学生模型。在约 2,300 个 Boltz-2 基准靶标上，AlphaFold 3 学生的复合物 lDDT 为 0.8635，教师为 0.8615；配体通过 PoseBusters 有效性检查的比例从 45.0% 降到 43.0%。Boltz-2 的代价更大：配体有效率从 60.9% 降到 52.0%，带任何几何违规的结构从 30.3% 升到 41.9%。
为什么重要：蛋白质设计和筛选流程要调用结构预测器成千上万次，采样这一步的成本会累积起来。论文还认为，这类提速主张此前评得太松：已有的少步采样器用关闭化学检查的相似度分数来评，分数仍然很高，键长、键角和原子碰撞却出了错。Blitz 把两者都报出来，所有对比方法用同一套评测流程，并显示一步采样器打开检查后 lDDT 掉了约 32 分。
证据与边界：作者在公开基准上的计算结果。只有采样这一步变快：论文自己说，采样之前运行的主干网络没有改动，仍然很耗算力，所以 8 步并不等于整个预测快 25 倍。论文没有报告端到端耗时。
发生了什么：套索肽是一类短肽，尾巴从自身的环里穿过，因此很稳定，也很难预测。澳门理工大学 Hongliang Duan 团队让 AlphaFold 3 认识环上那个特殊的化学键，并从一个轻度扰动的套索构象开始采样。在 52 个实验结构上，它每次都穿对，全肽主链平均误差 2.375 Å。原版 AlphaFold 3 只穿对 67.3%，误差 2.72 Å；专用工具 LassoPred 全部穿对，但误差 3.50 Å。
为什么重要：套索肽可以做多肽药物的骨架，其中的 lariocidin 是一种广谱抗菌化合物，在小鼠实验中有效；改造它们要从三维结构入手。通用预测器常常给出正确的化学键，尾巴却没穿过环，实际上是另一种分子。把已知的拓扑放进起点，既解决了这个问题，又保留了 AlphaFold 3 的精度。
证据与边界：作者自己的计算结果。起点那个已穿好的构象由 LassoPred 生成，所以 100% 说明的是方法能保住交给它的穿环，而不是自己找出穿环，而且它依赖被比较的那个工具。52 个测试结构中有 50 个来自 LassoPred 的基准。相对 LassoPred 误差从 3.50 Å 降到 2.375 Å，相对 AlphaFold 3 约三分之一埃。
发生了什么：Jiaru Bai、Alán Aspuru-Guzik 等多伦多大学研究者描述了一组智能体：从现有设备出发，把它重建成仿真孪生，先在仿真中反复试错学会缺少的机器人技能，并写出实验流程。在唯一一次实体测试中，人批准方案后，系统写出 236 条指令的移液协议，让机械臂把孔板送进封板机，再放进酶标仪；8 小时的硫化镉量子点筛选找到了能形成发光量子点的配体用量和 pH 范围。
为什么重要：如今的自驱动实验室只能运行建造时设定的流程，加一个新流程要专门的工程投入。如果智能体能自己补齐缺的部分，实验室能尝试什么就取决于设备而不是代码，研究者只需设定目标，不必给机器人编程。作者还把每个已解决的技能转成不需要语言模型就能运行的脚本，因为智能体循环对这类化学实验来说太慢。
证据与边界：只有一个实体流程，化学是已知的，由作者自己完成；多台机器人之间的协作只在仿真中展示。论文没有给出人工干预次数或节省的工程时间，并说仍要由人来解决智能体之间的分歧、补充仪器测不到的物理事实。这是预印本。
发生了什么：Sifted 10 月 15 日报道，Accel 将领投 Revolution Labs 的 6000 万美元融资。公司由 Nando de Freitas 创办，他在 DeepMind 工作约十年，之后在 Microsoft 任职。Dealroom 对这篇报道的摘要补充说，GV 和 NEA 据称也已加入。公司做扩散模型，要把它从图像、音频延伸到文本生成。9 月 Bloomberg 报道的是洽谈至少 1 亿美元的初始融资。
为什么重要：9 月的数字是洽谈中的目标，这次是第一次报道出具体规模和领投方。6000 万美元比当时所传的至少 1 亿美元少，不过 Bloomberg 当时也说融资可能分几批进行。这又是一位 DeepMind 出身的研究者，为一种不同于现有语言模型的模型路线融资。
证据与边界：仅为媒体报道，尚未完成：Sifted 标题说 Accel 将领投，其正文本站未能读到。GV 和 NEA 只见于 Dealroom 摘要。轮次、估值和公司表态均无；尚未发布任何模型。
发生了什么：insitro 将用其 Virtual Human 平台，找出这两种疾病中致病的生物学机制，并把阿斯利康提名的靶点从发现阶段推进到开发候选药物。合作为全球独家，阿斯利康负责临床开发、注册和销售。除 4000 万美元预付款外，insitro 还可获得最高约 14.6 亿美元的发现、开发和商业里程碑付款，以及个位数比例的销售分成。交易由 insitro 创始人兼 CEO Daphne Koller 宣布。
为什么重要：一家大药企付钱买的是 AI 公司在靶点阶段对疾病生物学的判断（这是药物研发里最早、风险最大的决定），而不只是分子设计：insitro 的平台先找出致病原因，再把阿斯利康选定的靶点推进到候选药物。insitro 此前已与百时美施贵宝、礼来和吉利德合作，阿斯利康是第四家。
证据与边界：14.6 亿美元是需要达成里程碑才能拿到的上限，确定的只有 4000 万美元。新闻稿没有说明靶点、项目数量和时间表，也没有给出平台的任何数据。
发生了什么：双方计划就科学基础模型建立长期合作，先从高能物理做起。目标是一个预训练的“大物理模型”，可用于重建对撞事例、识别粒子、标出意外信号和评估未来的探测器设计，这些工作目前分散在不同工具中，光是事例重建就要经过一串专用算法。CERN 首席信息官 Enrica Porcari 和 Mistral 工程 AI 副总裁 Johannes Brandstetter 代表双方发言。
为什么重要：粒子物理用机器学习已有多年，但通常是一个任务一个模型。这次的计划是让一家前沿模型公司的模型覆盖整条重建链，合作方是存有约 1 EB LHC 数据的实验室，时间点在 2030 年前后高亮度 LHC 让对撞数增加十倍之前。Brandstetter 是 Mistral 5 月收购的物理仿真公司 Emmi AI 的联合创始人，更早时在 CERN 工作过。
证据与边界：这是意向声明，不是合同：CERN 的公告没有给出预算、时间表、算力规模，也没有说明模型归谁、谁能使用。模型还没有开始训练，“首个对撞机物理基础模型”是公告自己的说法。
发生了什么：计划在都柏林欧洲 AI 科学峰会上启动，隶属欧盟 AI 科研计划 RAISE，征集公共经费之外的实物支持：前沿模型使用权、算力、软件许可、数据和培训。首批认捐方是诺和诺德基金会、英伟达、爱思唯尔、赛诺菲、Frontiers、Mistral 和 Google DeepMind。爱思唯尔自己的公告列出了它的份额：4000 个免费许可，其中 1000 个给它的科研助手 LeapSpace，另加每年约 100 万欧元的实物支持和资助。
为什么重要：这项计划属于欧盟 2025 年 10 月的《AI 科研战略》，向企业和基金会征集公共经费之外的支持。认捐必须体现认捐方直接商业利益之外的支持，委员会每年会在峰会上公布认捐及进展，所以承诺和兑现可以对照。委员会把 CERN 与 Mistral 合建物理基础模型的新合作算作这项计划的一部分。
证据与边界：委员会的公告没有给出总价值，七家里有六家的条件也没有公布；爱思唯尔说将在未来几周与委员会细化自己的细节。认捐是自愿的实物支持，其中一些（如爱思唯尔的许可）是免费使用认捐方自家的产品。
发生了什么：OpenAI 给出的条件：美国高校符合条件的实验室最多可获 30 个 ChatGPT Business Standard 席位，每人每月 0 美元，最长十二个月，这些账户上的研究数据默认不用于训练模型。席位本身并不解锁 GPT-Rosalind，那需要另走一道可信访问审核：核验实验室负责人的身份、任职与权限，研究用途，以及一位指定的机构安全联系人。只给订阅席位，不含 API；已有 Enterprise 协议的高校须由学校统一申请。
为什么重要：此前这个模型通过可信访问给机构使用，点名的合作方是 Amgen、Moderna、艾伦研究所和赛默飞。这是高校实验室第一次能自己申请的通道，也说明 OpenAI 接下来指望生命科学的需求从哪里来。没有 API，它就只是研究者打字去用的东西，而不是实验室能接进自己流水线的东西，这正是工具和基础设施的区别。
证据与边界：什么样的实验室算符合条件、可信访问审核要多久、会批准多少实验室、十二个月之后权限怎么办，这些都没有公布。网上流传的 GPT-Rosalind 基准分数只见于单一二手来源，OpenAI 自己的页面上没有，这里不收。
发生了什么：公司称，生成式设计在靶点 mRNA 上找到一段此前没人用过的区域，并同时确定 siRNA 序列和化学修饰。在它自己的测试中，候选分子在亚纳摩尔浓度下就能沉默靶点，IC50 比针对同一靶点的两个临床阶段分子低几十倍；在猴子身上，单次给药让靶蛋白被压低了数月。晶泰称毒理研究显示安全窗口宽，将推进候选分子走向临床。
为什么重要：10 月 6 日晶泰说这个项目 7 个月拿到了猴体数据；这一次是它当时承诺的下一步：选出进入开发的候选分子。这是晶泰在 siRNA 这一对它来说是新模态的领域提名的第一个候选药物，新闻稿还说模型对各设计的活性排序在动物身上得到了印证。对一家卖设计服务的平台公司来说，自己的候选分子是它自己拥有的资产。
证据与边界：所有数字都是晶泰自己的，出自一份没有数据、图表或论文的新闻稿；靶点和两个参照分子都没有点名。临床前候选药物还在 IND 申报前研究和任何人体给药之前。
发生了什么：Gideon Shaked 与 Siddharth Nagisetty（同属密歇根大学与 AfterQuery）把每项任务建成一张子任务有向无环图，基于真实生物数据，每个子任务作为对话中的一轮提出，由 58 个评分器对照标准答案打分，评分通过参考数据库匹配实体，不比字符串。12 个模型都在一套 harness 上跑，两个另跑了两套。无反馈时均分 0.43 到 0.57，允许对不合格答案重试时为 0.54 到 0.67；最慢的智能体平均每个任务 3.6 小时。
为什么重要：多数生信基准在一个提示里只问一个问题，看不出智能体能否把中间结果一路带过真实的分析链。而在这里，每一种组合过了第一轮就掉分，在依赖自己前序答案的子任务上再掉一次，反馈只能挽回一部分。这种失败的形状，恰恰是单次提示的分数看不见的。
证据与边界：分数衡量的是与标准答案的吻合，不是分析在生物学上是否站得住。作者说重试模式在设计上就可能被刷分，而其中有多少增益来自刷分并未量化。97 项任务里有 94 项是私有的，外部无法复现这些数字，harness 的影响也无法与模型的影响分开。失败标注来自 Opus 5，它本身就是被评测的模型之一。预印本，未经同行评审。
发生了什么：出资方是 Zone II 和 CC.VC，另有天使投资人：新闻稿说来自金融业，Fortune 说来自国防和金融业。据 Fortune，本轮全部为股权，估值 2.45 亿美元；Fortune 后来从自己的本轮投资方名单中删去 Fifth Wall，称公司发稿前披露有误，而新闻稿把它列为既有投资方。实验室是 2026 年买下的 Wildcat Discovery Technologies：18 年实验记录，循环测试过 50 多万个电芯。CEO 是 Mathias Ingvarsson，COO 是前特斯拉的 Steven Prast。
为什么重要：多数 AI for Science 公司先做模型，再去找数据喂它。Holyvolt 的顺序相反：先买下实验室和 18 年的电芯循环数据，在上面训练模型，再让模型决定实验室下一步做什么、测什么。时间点由采购决定：从 2027 年 10 月 1 日起，美国国防部不能再从宁德时代、比亚迪和另外四家被点名的中国厂商采购电池，而 Holyvolt 计划先把 DRX 正极卖进无人机。
证据与边界：这里没有任何结果。十倍的数字出自一个客户案例，闭环后的百倍是公司自己的说法。DRX 的数据只在学术会议上展示过，包括 2026 年 3 月的国际电池会议，供应商也未披露。2.45 亿美元估值来自 Fortune 未点名的一位人士。
发生了什么：Pengfei Tian、Maxwell L. Bileschi、Lucy J. Colwell 等人的博文，完整演示了一次在 Antigravity 里的搜索，他们称之为智能体式的科研工作台。智能体通过 ProtNLM 读 UniProt 条目，从 AlphaFold 数据库取结构，在 EMBL-EBI 跑 BLAST 和 Foldseek，并用产品里新嵌入的 3D 查看器展示结果。最后落到一个 97 个残基的细菌素 UniProt A0A0U0D591，出自假肺炎链球菌，预测活性针对引起呼吸道感染的病原体。
为什么重要：这是能力更新和流程演示，不是发现：它展示的是把多个数据库和服务收进生物学家可以自己走完的一次会话。博文自己也说，检验仍然在湿实验那边。它标出了 DeepMind 把一个通用编程智能体指向哪里，而文中点名的那个候选分子已经进了检测。
证据与边界：博文没有给出任何实验结果：没有生成了多少候选、测了多少、命中多少，也没有活性数据。点名的候选分子和同一流程的另外几个，文中说正在做湿实验验证，结果写成尚待揭晓。没有链接任何论文或预印本。展示的每一步都是团队自己对自家产品的演示。
发生了什么：东京大学的 Ibuki Okuda、Izumi Takahara 和 Teruyasu Mizoguchi 扩展微软的 MatterGen：一个网络同时去噪晶体结构和每个原子的 Bader 电荷（这个原子带多少电荷）或原子态密度（它的电子占据哪些能量）。每种设定生成 1024 个结构，只计其中稳定、唯一且新颖的：同时要求带隙 2 eV 和形成能 -4 eV/原子，基线有 1.1% 落在两个窗口内，态密度模型为 3.5%。单一目标的增益按百分点更大，按倍数更小。
为什么重要：让生成模型照着目标属性生成要以结构质量为代价，而那个电子量让代价变小：在上面那个双目标设定下，稳定、唯一、新颖的结构占比带描述符时从 33.3% 降到 21.8%，不带时从 33.6% 降到 15.4%。真正该带走的是对照实验。把电荷加噪，或挂上一个毫无含义的随机数，也同样抬高了唯一且新颖的占比，所以单看新颖度上升，只能说明多加了一个随机量；要把物理和噪声分开，得看稳定性、合规性和目标命中率。
证据与边界：全部是算出来的：结构由模型生成、由 DFT 打分，没有合成，也没有测量。命中指落在目标 ±0.5 eV 或 ±0.5 eV/原子之内。合规性筛选是作者自己提出的保留意见（他们训练集里约三成结构通不过其电荷中性检查），所以严格和宽松两套计数都报了。几个单属性增益只有几个百分点，在 1024 个样本下有的达不到显著。
发生了什么：同等贡献的 James Weber（雷丁大学）和 Makoto Kelp（犹他大学）用 UKCA 模型的结果微调微软的 Aurora，得到三个版本。第一个在 27 个受检场中有 23 个在对流层和平流层的 R² 达到 0.85 以上，臭氧、一氧化碳和温度的年均偏差低于 4%；模拟一年在单块 GPU 上要 5.5 分钟，UKCA 要 576 个 CPU 核算 9.5 小时。第二个在成对排放情景上训练，复现臭氧对 NO 和 CO 的响应。第三个用卫星臭氧数据训练。
为什么重要：化学是气候模型里最贵的部分，所以通常被简化或事先给定，而要试很多种排放情景，就得算得快。更值得看的是第三个版本：用 Aura MLS 卫星臭氧数据训练、在训练时留出的年份上测试，它把按纬度带平均的臭氧误差降低了 23%，从 0.37 ppm 降到 0.28 ppm，高度约在 10 到 25 公里。这个纠正保存在模型权重里，因此能带到没有观测的模拟中去：代理模型可以比它学的那个模型更准。
证据与边界：大部分测的是与 UKCA 的吻合程度，所以复现得好的场同时继承了 UKCA 自己的误差，而所预测的物种只是作者从 UKCA 一百多种里挑出的一部分。卫星带来的改善只在按纬度带平均时成立：同一个模型在单条反演剖面上反而差 9.6%。做排放响应的版本，风场和温度由对照模拟给定；50 年模拟重复同一年的强迫，排放变化下是否稳定并未检验。
发生了什么：Terray Therapeutics 与英伟达微调英伟达的 Nemotron 3 Nano Omni 和 Nemotron 3.5 Super-VL，把化学反应流程图（文献里那种带 Markush 母核和自由文本条件的路线图）转成结构化的反应。在 RxnCaption 自己的 15k 测试集上，报告 HybridMatch F1 为 63.4，此前最好为 59.8，并称在所测各数据集上都刷新了已发表数字；单跑一次 Super-VL 胜过对应的 Omni 模型。零样本下，前沿模型在同一测试集上低得多（HybridMatch：Claude Opus 5.5 为 28.9，Gemini 3.1 Pro 为 10.5）。
为什么重要：像 Terray 自己的 TerraSynth 这样的合成规划器，需要从化学家真正描述路线的方式里取训练数据，而这些大多以流程图的形式锁在论文里。一个能解析这些流程图的模型，把文献变成规划器可学的结构化反应数据，也让智能体能即时读一篇化学文档。相比此前最好只提升了约四个 F1 点，幅度不大，但这是在一个公开基准上、用原作者的评分代码得出的。
证据与边界：这是公司博客里的基准成绩，不是论文，且为自报：Terray 用 RxnCaption 作者的评分代码跑了公开基准，但没有外部核验。它测的是在一个 400 张流程图测试集上的解析准确率，而不是对合成规划或某个药物项目的下游改进。没有公开模型权重。
发生了什么：多伦多大学数学家、2026 年菲尔兹奖得主 Jacob Tsimerman 7 月曾说，将离校休假，去 OpenAI 做 AI 安全研究。10 月 15 日他写道，改为全职担任独立非营利机构数学 AI 安全研究所（MAISI）的创始科学主任，不再作为员工加入 OpenAI，但仍会与它合作。OpenAI 将向 MAISI 提供 1000 万美元 API 额度和最新模型的使用权，并参加 MAISI 明年组织的多家实验室 AI 安全研讨会。
为什么重要：一位菲尔兹奖得主把主要工作从数论转到 AI 安全的数学上，而且是在独立研究所而不是实验室里做。7 月他解释加入实验室的打算时，说的是自己缺机器学习背景。MAISI 定下的目标是为强大 AI 系统的安全建立数学基础，顾问包括 Timothy Gowers。它的主要资金是 Coefficient Giving 的 1000 万美元资助；OpenAI 提供的是额度和模型使用权。
证据与边界：计划的改变依据的是 Tsimerman 本人的帖子；没有找到 OpenAI 的声明。MAISI 公布的是目标和资金，还没有研究成果。
发生了什么：能源部发布了它所说的 ModCon 与 American Science Cloud 的第一批技术资源，属于 Genesis Mission。每个技能是一份 markdown 文件，Claude Code、Codex、Gemini CLI 等编程智能体遇到对得上的请求就会调用：在 Aurora、Frontier、Perlmutter 超算上跑作业，给数据集写说明，评测模型，做安全扫描，跑等离子体模拟程序，检索文献。PNNL 的 Court Corley（该计划临时技术主任）称它是该计划把研发变成可用能力的「一个早期例子」。
为什么重要：这是 Genesis Mission 里研究者今天就能装上手用的东西：在能源部超算上跑作业、描述数据、评测模型的实验室做法，写成研究者已在用的商业编程智能体能照着执行的形式。代码采用 BSD 许可，接受外部贡献。
证据与边界：这是一次发布，不是结果：能源部没有给出任何衡量，说明装了这些技能的智能体干得更好或更快。11 月 8 日读到的公开版本共有 37 个技能，其说明文件自己也提醒，部分技能依赖特定智能体的功能或外部工具。
发生了什么：赛诺菲对它与 Recursion 多项目研究合作中的第一个开发候选药行使了选择权：一款口服小分子，针对炎症疾病里一对未公布名称的靶点。赛诺菲已把它列入管线，出资并主导开发，预计 2027 年进入 1 期。行权触发 1000 万美元付款，赛诺菲累计支付的预付款和里程碑款达 1.44 亿美元。Recursion 在这个项目上还可获得超过 3 亿美元里程碑款和较低的两位数比例销售分成。
为什么重要：一家药企决定自己出钱做临床开发，是买方的决定，依据的是赛诺菲看过而外界没有看到的数据。这是这项合作里第一个被赛诺菲收进自家管线的分子，此前五个项目已达成五个进展里程碑。对向药企出售发现服务的 AI 药物设计公司来说，行权意味着合作方开始动用自己的开发预算。
证据与边界：靶点、候选药的数据和赛诺菲的理由都没有公开，这里依据的是 Recursion 的新闻稿，没有找到赛诺菲自己的声明。Recursion 说它在多轮预测、合成和实验中用了多种计算设计方法，并与赛诺菲的化学家和生物学家合作；新闻稿没有区分模型的贡献。被行权不能证明这个分子在人身上有效。
发生了什么：Recursion 以包销方式增发 6154 万股 A 类普通股，每股 3.25 美元，Leerink Partners、高盛、摩根士丹利和 Evercore 为承销商代表，募资总额约 2 亿美元；10 月 16 日完成交割，净得约 1.872 亿美元。公司点名的买方包括 Adage、ARK、Driehaus、Invus、Janus Henderson 和 Longaeva。9 月 30 日现金为 5.615 亿美元，加上这次增发约 7.487 亿美元，公司称足以支撑到 2029 年。
为什么重要：Recursion 是一家押注“AI 加自动化生物学能让药物发现可重复”的上市公司，它的钱能支撑试验多久，决定这个押注能不能被检验。它在公布 REC-1245 首批缓解、赛诺菲行权和 REC-4881 新数据的同一天完成融资。第三季度经营现金流出为 7740 万美元，去年同期为 1.174 亿美元；REC-617 和 REC-3565 两个项目将寻找合作方，不再由公司自己出资推进。
证据与边界：现金可用到 2029 年是公司自己的预测，前提是不再融资。现金余额里包括当季通过市价发行计划卖出约 2370 万股所得的约 8600 万美元。
发生了什么：Recursion 公布了 REC-1245 的 1 期剂量爬坡试验 DAHLIA 的首批疗效数据。这是一款降解剪接蛋白 RBM39 的口服药。在每天 45 毫克及以上、此前已多线治疗的 12 名患者中，3 人部分缓解：2 例已确认，为子宫内膜癌；1 例未确认，为肝癌；12 人中 11 人疾病得到控制。公司选定每天 45 毫克进入扩展队列；该剂量下的 10 人未出现剂量限制性毒性。数据截至 8 月 21 日。
为什么重要：Recursion 称平台贡献了这个项目的全部三个核心环节：靶点（降解 RBM39 的效果类似失去 CDK12）、分子，以及哪些患者可能受益的最初判断。首席执行官 Najat Khan 说，这是整套引擎在同一个项目里跑通的早期例子。对合作方和投资人来说，平台卖的正是这个说法，现在它背后有了少量患者的数据。子宫内膜癌扩展队列的数据预计在 2027 年下半年公布。
证据与边界：12 名患者，开放标签，没有对照组，公开的只有公司的新闻稿：没有缓解持续时间，3 例缓解中 1 例未确认。1 期试验里的疾病控制不能证明患者活得更久。10 月 15 日的新闻稿说这个分子是在只合成 204 个化合物后找到的，11 月 2 日的说是只筛选了 204 个。新闻稿没有展示模型在每一步具体做了什么。
发生了什么：华盛顿大学蛋白质设计研究所的 Hojae Choi、Samuel Pellock、David Baker，与苏黎世联邦理工学院的 Donald Hilvert 一起报告了一类酶：用活化的半胱氨酸按序列特异性水解多肽骨架。69 个设计里 13 个有效，相对无催化反应的速率提升最高 3x10^7 倍。折叠与天然蛋白酶很不一样（TM 分数低于 0.50），六个晶体结构与设计模型差距在 1.2 埃以内，设计还能在哺乳动物细胞内切开靶标。
为什么重要：中性水溶液里的肽键能存在几百年，而从零设计酶此前多半只做成了能垒低的反应。能按设计者指定的位置切开肽键，意味着蛋白质设计可以造出可编程的剪刀：给定序列，拿到切它的酶。这和结合蛋白是两类工具，而此前被设计出来的蛋白大多是结合蛋白。
证据与边界：活性仍比天然半胱氨酸蛋白酶差：优化后最好的设计催化效率 413 M⁻¹s⁻¹，而基序来源 Ulp1 是 350,000，论文把原因归在活性位点预组织和底物定位还不够好。细胞里切的是作者自己设计、一起转进去的底物，不是内源蛋白，实验也都出自设计者自己的实验室。
发生了什么：华泰金斯瑞基金与东方嘉富联合领投，国方创投、瑞力投资、楚昌基金参投，老股东兴华鼎立、西湖创新、广发信德继续追加。启峰资本为独家财务顾问。公告没有给本轮金额，只说这家杭州公司年内累计融资达数亿元，也未披露估值。资金用于 AI 靶点发现平台及对外合作、GW-01 的多中心 I 期临床研究，以及新管线的临床前研究。创始人李旭教授代表公司发言。
为什么重要：这是一轮关于靶点而不是分子的融资：公司的说法是，它的 GROOVY 模型挖掘蛋白互作数据，找到别人认为不可成药的靶点，而针对 Notch 通路激活型癌症的小分子 GW-01 是它第一个推进到临床试验的分子，已在多中心同时入组，按公司自己的说法，从靶点发现到进入临床不到三年。另外两个平台（找细胞表面邻近蛋白对的 ACUMEN 和找肿瘤新抗原的 NEXUS）是近期推出的。
证据与边界：关于平台的一切都出自公司自述：没有论文，没有靶点清单，GW-01 除了 I 期已启动入组之外没有任何数据；「抑制剂」出自投资界自己的解读栏，公告正文只说该药靶向 Notch 通路激活型癌症。本轮金额未披露，「数亿元」说的是年内各轮合计，不是这一轮。
发生了什么：同一个研究所、同一天发表的另一篇：Anqi Chen、Kejia Wu、David Baker，同样与苏黎世联邦理工学院的 Donald Hilvert 合作，用 RFdiffusion 把一个活化水分子的锌位点放在肽结合口袋旁边。135 个受测设计里 36% 切开了目标肽键；最好的一个比无催化反应快 10^8 倍以上，四个氨基酸替换后超过 10^10 倍。设计出的蛋白酶还能选择性切开致病蛋白 TDP-43、β 淀粉样蛋白和血清淀粉样蛋白 A，最高 10^9 倍。
为什么重要：关键在那几个致病蛋白：TDP-43 和 β 淀粉样蛋白是药企一直想清除的蛋白，而切开一个蛋白和结合住它，是两类不同的干预。和同日的半胱氨酸蛋白酶那篇放在一起看，这个实验室对同一个难反应给出了两套互不相同的化学方案，一套靠金属，一套不靠。
证据与边界：速率提升是与无催化反应相比，不是与天然蛋白酶相比：刚出计算机的设计比最好的天然蛋白酶低 3 到 4 个数量级，改四个氨基酸后仍差两个。那些致病蛋白是在体外以纯化蛋白被切开的，没有进入细胞内部，也没有动物或人体实验。设计者已就相关方法和设计申请了两项临时专利。
发生了什么：系统把 100 公里分辨率运行大气的 ACE 与新的降尺度模型 HiROv2 配在一起，后者细化到 3 公里，现在能同时预测多个物理量，而不只是降水。给它降分辨率后的 X-SHiELD 数据，它对上那套模拟的高分辨率统计量，误差在 3% 以内，连百万分之一频率的事件也是；还能估计训练中没见过的热带气旋能量。模型、笔记本和对比演示均已公开。
为什么重要：研究极端事件的风险，需要很多年能分辨出风暴的高分辨率数据，而 Ai2 说用 X-SHiELD 生成这些数据的成本约为前者的 300 倍。成本降到约三百分之一之后，十年的全球 3 公里降水与风场，变成一个研究组可以自己生成、而且反复生成几遍的东西，估计稀有事件正需要这样。
证据与边界：所有数字都是对照 HiRO 所学习的那套模拟 X-SHiELD 得出的，不是对照观测。Ai2 自己说 HiRO 只能配合为匹配 X-SHiELD 调过的那版 ACE，所以还不能生成更暖气候或 ERA5 这类再分析数据，飓风眼周围的风场和气压也比 X-SHiELD 更不对称。
发生了什么：斯坦福大学 Frances E. Reuland 和 Adam R. Brandt 带领的团队在亚利桑那州趁卫星过境释放计量甲烷：481 次释放（每小时 9.5-1,184 千克）和 265 次空白对照，分析团队不知哪次有排放。九国 15 支团队用 12 颗政府、商业与非营利卫星的数据做了 2,250 多个估计。专为甲烷设计的仪器检出 92%-100%，误报率 0-11%；改作甲烷用途的为 62%-88%。79% 的误报来自把 AI 方法用于 Sentinel-2 和 Landsat 图像的团队。
为什么重要：卫星发现的甲烷羽流已进入泄漏警报和各国甲烷法规，欧盟拟议的天然气进口标准也要依靠它；但 Carbon Mapper 的 Tanager-1、EMIT、GHOSt 和 AI 检测方法，此前几乎没经过盲测。这次测试用已知的释放量给每一种测出了检出率和误差，还留下一套公开数据，可用来训练下一代检测算法。
证据与边界：使用 AI 的团队准确率为 0.62-0.77，好于随机猜测，但误报大多出自它们，作者认为 AI 方法还需改进才能常规使用。释放地点是已知的；作者的结论适用于大致知道排放源位置的情况，云量超过 20% 时所有系统的表现都会下降。
发生了什么：Iambic 以每股 16 美元发行 937.5 万股新股，募资总额 1.5 亿美元，承销商可在 30 天内再买 140.625 万股。股票 10 月 15 日以 IAM 代码开始交易，开盘 16.15 美元，收盘 18.91 美元，较发行价高 18%；10 月 16 日收于 23.81 美元。摩根大通、Jefferies、美银证券和花旗为联席账簿管理人。公司由联合创始人兼 CEO Tom Miller、联合创始人兼 CTO Fred Manby 领导。
为什么重要：公开市场给一家 AI 药物发现公司定了价，而它进展最快的药、HER2 抑制剂 IAM1363 还在 1 期。招股书说，这笔钱连同现有现金，用于完成这项试验并启动 2 期和 3 期试验、把 IAM217 和 IAM-C1 推过 1 期剂量递增，以及投入 AI 平台，可支撑到 2028 年第四季度。按招股书的股数，每股 16 美元对应估值约 7.6 亿美元。
证据与边界：1.5 亿美元是扣除费用前的数额；发行定于 10 月 16 日交割，超额配售权尚未行使。定价说明投资者愿意出多少钱，不说明 Iambic 用 AI 设计的药是否有效。
发生了什么：Vir Biotechnology 将用 dAIsY 平台和 PRO-XTEN 遮蔽技术（药物被肿瘤蛋白酶切开前保持失活），设计并优化三款针对未公开实体瘤抗原的双遮蔽 T 细胞衔接器。吉利德获得独家许可，负责后续开发。9000 万美元预付款含 6500 万美元现金和以 30% 溢价认购的 2500 万美元股票；另有最高 4500 万美元近期里程碑和最高 17.4 亿美元后续里程碑。交易由 Vir CEO Marianne De Backer 宣布。
为什么重要：吉利德买的是设计能力，而不是现成的分子：Vir 要按需做出三个候选药物，靠的是 AI 辅助的工程平台和已进入临床的遮蔽技术。前一天，Zealand Pharma 同样为尚未做出的 AI 设计蛋白药向 Generate Biomedicines 预付了 3000 万美元。
证据与边界：AI 在设计中承担多少工作没有说明：新闻稿只称 dAIsY 是多参数优化平台，没有给出任何数据。17.4 亿美元取决于里程碑，靶点也未披露。
发生了什么：“AI 科研影响力挑战”收到 30 国申请。获资助者包括 MIT（智能体解读显微图像以发现材料）、马普等离子体物理所与埃因霍温理工（物理约束 AI 模拟聚变等离子体）、剑桥（预测钠离子电池正极老化）、艾伦研究所（靶向易感脑细胞的 DNA 序列，全部公开）和开普敦大学（药物代谢基因变异）。各队可参加六个月加速计划，获工程支持和 Google 基础设施。Google.org 负责人 Maggie Johnson 宣布名单。
为什么重要：钱几乎都给了大学和研究机构：八个项目在气候、能源和材料方向，九个在健康和生命科学；另有四家机构在智利、新加坡、澳大利亚和南非，外加 AfriClimate AI。除了拨款，加速计划还给团队配上 Google 的工程师和基础设施，所以一部分支持是使用 Google 自家的基础设施。
证据与边界：Google 的文章没有给出每个项目的金额和负责人，每项目标只有一句话；目前都还没有结果。AfriClimate AI 把山洪预警时间从不到三小时延长到六小时以上，是目标，不是测得的改进。
发生了什么：Minos 把 Leash 的 DNA 编码库筛选（数百万个分子对多个蛋白的测量）做成环境：智能体在预算内挑选分子，并被告知测量结果。旗舰任务不给起始分子，预算 100 个分子、20 轮，覆盖 33 个靶点，每个靶点约 600 万个分子。Leash 称六周内跑了约 10 万条智能体轨迹，公开了少量环境和数千条推理轨迹，并发现更强的模型做得更好，较弱的模型在差的化学区域停留过久。
为什么重要：因为每个分子都是事先测好的，智能体每次选择花的是算力而不是实验室的几周，而且它没有选的那些分子的结果也是已知的，所以可以评价它的决策，而不只是最终答案。Leash 的 CEO Ian Quigley 的看法是：这样收集的数据是可重复使用的经验，就像棋局之于下棋的模型。
证据与边界：所有结果都是 Leash 自己的；智能体的表现以图表呈现，本页没有从图上读数，预印本也没有打开。环境只覆盖对单个靶点的结合，且只能在已筛过的分子里选，不含药代和毒性，公开的只是 Leash 手上环境的一小部分。
发生了什么：概率偏差校正（PBC）根据一个预报系统过去的预报和随后的实况，学习如何调整它给出的概率。在 2016-2024 年的数据上，它在 ECMWF 已做过去偏的动力模型基础上，改进了 91% 的气压、92% 的气温和 98% 的降水预报目标；在 2025 年测试年上，它让 ECMWF 的 AI 系统技巧翻倍。它以 MicroDuet 之名参加 ECMWF 的 AI Weather Quest，在 2025 年 9-11 月赛季的所有变量和两个提前期上都排第一，12-2 月赛季再次第一。
为什么重要：提前两到六周，正是农民、电网调度和防汛规划最需要预报、而模型表现最差的时段，常常不比当日的多年平均更好。PBC 是一个可以叠加在任何模型上的校正层，它的竞赛成绩来自天气发生之前发出的预报，对手是各业务预报中心自己的系统。研究由 Hannah Guan 和 Soukayna Mouatadid 牵头，MIT 的 Judah Cohen 与微软研究院的 Lester Mackey 参与；Cohen 说肯尼亚气象部门已来询问如何使用。
证据与边界：竞赛只覆盖两个赛季，主办方 ECMWF 有两名研究人员是论文作者。降水方面，六家中心去偏后的预报都低于气候平均水平，所以提升是从很低的起点算起。周平均预报得分更高，还不等于哪项决策因此做得更好；论文也还没有报告业务化使用。
发生了什么：丹纳赫的发布稿说，两家正着手把它的仪器、自动化和实验室流程软件，与英伟达的计算结合：DGX Spark 这类边缘硬件、做分析的 RAPIDS，以及实时推理和包括 BioNeMo Open Models 在内的基础模型。英伟达的 Kimberly Powell 说出了发布稿描述的那个循环，实验改进模型、模型设计实验；丹纳赫的 Julie Sawyer Montgomery 则说 AI 正在重塑科研方式。初期覆盖选定的一批重点仪器。
为什么重要：丹纳赫卖的是大量实验室里都有的仪器，所以它的仪器在哪里算是要紧的：自主实验室需要测量和推理靠在一起，而把边缘硬件放到仪器端是一条路。发布稿点出的是部件，不是产品。在有东西交付、或有客户说出变化之前，它仍然只是意向。
证据与边界：没有金额、没有股权、没有时间表、没有产品。选定的是哪些仪器没有点名，更广的产品线只是可能，Cosmos 世界模型和 Omniverse 数字孪生写成仍在探索。英伟达未发布自己的新闻稿。丹纳赫此前宣布的自主抗体实验室仍停留在计划阶段，预计 2027 年初规模运行。
发生了什么：这家班加罗尔公司成立于 2023 年：接到客户的材料需求后，由自己的科学家在班加罗尔和海得拉巴的实验室开发生产工艺，再转到 500 多家合作工厂之一量产。其平台 Scinode 为研究、生产和质量分别配置智能体，协助协调工作、挑选工艺路线与工厂、跟踪法规要求。本轮为全股权融资，Hitachi Ventures 领投，客户 Henkel 和 Teknor Apex 作为新投资方加入，老股东 Accel India、Bertelsmann India Investments、Omnivore 和 3one4 Capital 跟投。
为什么重要：这笔钱投的是发现之后的那一步：一个材料只有在有人能按规格做出来之后才算数，而这一步最容易把几个月拖成几年。联合创始人 Sachin Santhosh 说，有些项目本来要 12 到 18 个月，现在从客户提出需求到交付材料只用两个月。本轮约 750 万美元用于拓展美国市场，包括在当地建生产网络，200 万美元用于 Scinode。两家新投资方本身就是它的客户，这也是理解他们买的是什么的一条线索。
证据与边界：2.5 亿美元的投后估值出自“熟悉这笔交易的人士”，不是公司，公司拒绝披露估值；这轮只有 TechCrunch 一家报道，Santhosh 具名受访，未找到公司新闻稿。年化收入、两个月的周期、客户名称和 8000 万美元累计融资，都是公司自己的说法。这是用智能体做生产协调，不是说 AI 发现了其中任何材料。
发生了什么：在 15 个靶点、3666 个设计上，只折叠接触层加一圈余量，重现完整靶点界面的中位偏差为 0.37 埃，在成纤维细胞活化蛋白 α 那 719 个残基的胞外段上省下 88% 的 GPU 时长。由研究者定下策略、Gemini 3.1 Pro 智能体选择裁剪范围和参数，软件内命中率从 5.06% 升到 9.33%，又省下 42%。随后的酵母展示筛出 4 个克隆，表观解离常数 3.0 到 9.1 纳摩尔。
为什么重要：AlphaFold3 按 token 分档计费，所以筛选设计时的算力大多花在离结合位点很远的靶点残基上，而让一个靶点难以设计的正是它庞大的胞外段。这篇把裁剪当成需要检验的东西，而不是白拿的便宜：界面几何还在不在，区分结合与不结合的排序还准不准，省下的量有没有真的跨过一个计费档。另有一组让智能体从完整靶点的残基图里自行定策略，它最后收敛到研究者此前指定的同一条路线：挡住催化口那一圈。
证据与边界：裁剪有代价：界面排序的平均 ROC-AUC 从 0.777 降到 0.729，其中一个靶点的排序整体垮掉，只有去掉靶点序列比对才恢复，这一招在比对多的靶点上有用，在比对稀疏的靶点上更差。15 个靶点里 7 个本就够小，省不出算力。亲和力是酵母表面测得的表观值，不是纯化蛋白；湿实验与智能体两组都只做了一个靶点，外部没人重复，且这是技术报告。
发生了什么：Generate 拿到 3000 万美元预付款、最高 3500 万美元的早期临床前里程碑、合计近 12 亿美元的各项里程碑，以及阶梯销售分成；首批两个项目，另有第三个的选择权。Generate 负责从研究到候选药确定；Zealand 接手临床开发、注册申报和全球商业化。Zealand 首席科学官 Utpal Singh 说蛋白药物与公司的小分子和多肽互补；Generate 首席执行官 Mike Nally 说两支团队会先定出目标药物的标准。
为什么重要：肥胖症是代谢领域资金最集中的地方，而 Zealand 选择买蛋白质设计能力，而不是自己建：它自己二十五年的积累在多肽上。对 Generate 来说，这是继 2022 年的安进、2024 年的诺华之后的第三家药企合作，也是它今年 2 月在纳斯达克上市后的第一笔，这正是一家刚上市的平台公司需要的收入。
证据与边界：12 亿美元是项目走到开发、注册和商业里程碑后才可能支付的金额，眼下到账的是 3000 万美元。公告没有点名任何靶点、候选分子或数据，工作从设计阶段开始。
发生了什么：新投资方有 Delta-v Capital、Socium Ventures、HighSage Ventures、Coral Capital 和 Legion VC，老股东 Coatue、J.P. Morgan Growth Equity Partners、Index Ventures 和 Applied Ventures 跟投。联合创始人兼 CEO Nick Talken 说，资金用于扩展 Albert 的化学 AI；TCV 的 Morgan Gerlak 代表领投方发言。公告点名的合作方包括阿克苏诺贝尔、巴斯夫、汉高、Kenvue 和高乐氏。
为什么重要：Albert 的客户是涂料、胶粘剂和消费品企业：它的 AI 检索这些企业自己的配方记录、提出候选配方、设计实验，而不是发现新分子。证明其模型有用的证据来自 Albert 自己：一份白皮书称，在 Albert 自建基准最难的一组测试上，其检索模型 Valence 有 81.8% 的情况从取自美国专利的约 100 万个段落中把正确的那一段排进前 100 条结果，OpenAI 和 Voyage 的模型只有 2%–4.5%。未披露估值。
发生了什么：贝勒医学院 Pawel Stankiewicz 的实验室把 26 名婴儿的去标识全基因组交给 Gamow Labs，一线实验室没能诊断他们的肺病，该实验室已解出 19 例。Gamow 用到 Gemini 4 Argon 等前沿模型的 George-0.1 流程，19 例全部对上，并在其余 7 例中的 2 例提出候选。其中一例的测序读段指向一个平衡易位，把 FOXF1 基因和它的增强子分开，与肺泡毛细血管发育不良相符；Stankiewicz 实验室用 Sanger 测序确认了它。
为什么重要：这项研究的进展在于，AI 提出的候选变异走到了实验室确认：Baylor 用自己的测序验证了一例三年未能确诊的染色体重排。这是从标出候选变异，到得出家庭可以依据的诊断。
证据与边界：这是一项由公司披露的小规模研究，共 26 例，只有公司文章，没有论文；第二个候选的结果没有交代。Argon 只是流程里用到的几个模型之一，成果属于整个流程，不能单独归功于 Argon。
发生了什么：Google 于 10 月 13 日向开发者、企业及符合条件的订阅用户开放 Gemini 4 Argon，同时启动面向 1 万名科学家的 Antigravity 最高使用档免费申请，为期 6 个月。发布的科研案例涉及酶设计、量子计算、聚变研究和罕见病基因组分析。
为什么重要：这次发布值得关注的不只是模型性能，而是前沿 AI 开始在不同科研工作流中留下可以追踪的成果。聚变研究已有公开预印本，量子化学工具 xTB 的优化有代码提交记录；Gamow Labs 报告其 AI 流程发现一例此前未确诊的染色体重排，并由合作实验室通过测序确认。
证据与边界：这些案例的证据程度并不相同。聚变论文仍是预印本；xTB 的三个代码合并请求尚未合并，提交代码也不等于独立的性能验证；Gamow 的研究目前由公司披露，Argon 也只是多模型流程的一部分。Google 展示的酶活性和部分量子优化结果，尚缺少足够的公开材料供外部独立复核。
发生了什么：4BIO Capital 与 IQ Capital 联合领投这轮超额认购的融资，Verve Ventures、Harel Tech、Entree Capital、Kerna Ventures 和 Saras Capital 跟投。它的 DELiveri 平台在细胞里筛选大规模组合库中的候选配体，细胞会报告 siRNA 是否真正进入，再由 AI 智能体解读由此得到的构效数据，挑出偶联物。资金用于平台、首批肾脏与血管疾病项目，以及在剑桥英国癌症研究所实验室扩充团队。首席执行官 Yaniv Erlich 与 Shaul Ilan 是联合创始人。
为什么重要：siRNA 药物主要在肝脏起作用，因为已经知道一种能被肝细胞摄取的配体；公司说，为其他组织找到这样的配体一直很慢。Undecimal 把它当成数据问题：先在细胞里大规模测量递送，再用筛选数据训练模型。公告说平台已在动物体内验证，并提到与大型药企尚未披露的合作，但没有给出数据，没有点名合作方，也没有披露估值。
发生了什么：南洋理工大学的 Xiyao Yu 指出，常用的平衡构型力误差几乎看不到决定速率的能垒区，速率最坏误差随能垒高度指数增长。改用集中在反应路径上的 leverage density 作权重去加权能量误差，可给出速率的估计区间。丙氨酸二肽中，五个力误差相当的人为扰动让速率变为 0.49 到 3.5 倍；Li3OCl 中区间排对了六个模型的离子跃迁速率，但五个实测值高于区间上端约 7%。
为什么重要：机器学习势按力误差评判，却被拿来算扩散和反应速率。这篇给出一个只需几百次参考能量计算的检验，在力误差旁多报两个数；按它挑选训练数据，力误差上升了，速率误差反而下降。Li3OCl 的一致只在把跃迁按机理分开之后成立，混在一起时区间并不跟随。用来检验的速率都出自作者自己的模拟，不是实验；论文是未经同行评审的单作者预印本。
发生了什么：本轮 Pre-A+ 由厚雪资本独家投资，翊荣资本担任长期独家财务顾问。资金用于“凝空星座”建设、CMA-WSP-AI 气象大模型和垂类世界模型迭代、团队扩张、重点客户拓展和海外业务预研。创始人刘栗是中国科学院大学气象学博士，2024 年 10 月在嘉兴创办公司。公司向发电集团和国家电网、南方电网售卖气象数据、电力交易平台，以及在客户内网里的部署。
为什么重要：这条记录上的气象大模型来自大机构。这是一家小公司，只卖其中一小块：风速和辐照度，这两个量直接决定风电和光伏电站的发电量，也就决定了它在中国电力市场上挣多少钱。它对数据瓶颈的答案是自己生产数据，把模型送上卫星：7 月已有一颗在轨，规划 18 颗。
证据与边界：这些性能数字都是公司自己的说法，没有公开发表：它称 1 公里风速预报在误差和相关系数上优于 EC-HRES 和 AIFS，并在一项含四类天气的极端天气 AI 竞赛中排名第一，TS 评分比基线方法高 39.6% 到 351%。金额是“数千万元”这样的区间说法，因此不计入任何合计，估值也未披露。
发生了什么：这家新加坡公司成立于 2025 年，创始人为 John Phan（曾在字节跳动 Seed 团队做 AI 研究）、Huy Phan（曾在 Landing AI）和 Nhi Nguyen（南洋理工大学生物医学博士在读）；本轮 300 万美元由 Vertex Ventures Southeast Asia & India 领投、PatSnap 参投。其智能体规划分析、从 800 多个工具和数据库中选用、申请算力并处理报错，另有一个自家模型检查每步分析决策、标出方法错误。系统跑在客户自己的机器上。
为什么重要：这笔钱押的是生物学里智能体工作在药企真正卡住的地方：不是模型，而是分析能不能在不许外传的数据上跑起来，以及方法错误会不会在有人照着做之前被抓出来。公司从 2026 年 2 月起开始销售，所以它说的是部署，不是演示。代表 Vertex 发言的普通合伙人 Genping Liu 把这笔投资讲成越南技术人才走向全球。
证据与边界：没有点名任何客户，没有给收入，也没有公开任何数据说明那个检查模型抓错的能力，或智能体的分析正确率。
发生了什么：Fan Nie、Haotian Ye 等人把验证拆成两步：先提出可能的错误，再逐个判断是否成立；阈值调到几乎不会误拒有效证明。在三个数学基准上，与同样误拒率下的投票基线相比，需要人工阅读的无效解平均减少 46%，判定器经过训练后为 57%。用它检查 Xinwen Zhu 2017 年发表在《数学年刊》的论文，报出 45 处问题，而同一个模型直接复核只找出 11 处。
为什么重要：当一个求解器产出的候选证明多到没人读得完，专家复核就成了稀缺资源；这篇把这份人力当成预算来算：在几乎不漏掉有效证明的前提下，尽量多拒。被检查论文的原作者确认了这些错误并作了修订。与一个求解智能体搭配后，它还帮助解决了相对 Langlands 对偶中的三个未解猜想，之后由专家确认。
证据与边界：11 篇预印本的主要结论在改正之后依然成立。确认错误的是论文自己的作者；而被报出 88 处问题的那篇预印本，作者之一 Shurui Liu 正是本文作者，三个 Langlands 证明的成文、Manin 常数那篇论文和与 OSVerify 搭配的求解器，也都有他参与。全程没有使用形式化证明检查器。
发生了什么：卡内基梅隆、明尼苏达与斯坦福的研究者，向现在或曾在美国能源部五家国家实验室的十位科学家，征集各自工作中尚未发表的后续方向，以及一篇续作论文必须满足的条件。九个智能体各写 15 篇，覆盖量子计算、等离子体、计算化学、材料和机器学习。自动评审按这些条件打分，135 篇无一全部满足，诚信条目有 114 篇未过，九个里六个一篇都没通过。
为什么重要：失败主要不在能力。最常见的问题是论文与自己的代码不一致（114 篇里有 90 篇）、报出的数字与记录的证据矛盾（85 篇），以及声称做了没做的工作（68 篇）。所以只读成稿的评测分不出做完的结果和写出来的结果，内部评测科研吞吐量就需要把日志和结论对起来核。科学家的条件是在工作之前写下的，这才使得没有参考答案也能打分。
证据与边界：打分本身也由智能体做出，即 GPT-6-Astra，每篇评四次；而 GPT-6-Astra 本身就是被评的九个智能体之一，且各项都最好。作者拿专家做了对照：条目覆盖了审稿人提出的 96.97% 的弱点，判断与专家一致的占 80.34%；但在科学质量与影响力上一致率降到 68.68%，作者自己说这部分仍需专家核验。一共只有 15 个研究问题，且实验都是计算类。预印本。
发生了什么：彭博援引知情人士称，这轮金额为数千万美元，投后估值约 4 亿美元，美团旗下龙珠资本也已承诺参投；交易尚未敲定，估值和投资方都可能变化。胡瀚今年创办 Winverse，此前在腾讯负责视觉语言模型和具身基础模型团队，更早是微软亚洲研究院的首席研究员。公司仍处于隐身状态。
为什么重要：这说明一家大模型公司开始投让机器人行动的 AI，而不只是机器人硬件：DeepSeek 已在人形机器人公司宇树科技上海上市时入股。彭博的看法是，机器人本体已经造得不错，把指令变成可靠动作的模型仍然落后。交易尚未完成，各方都没有回应，Winverse 也还没有展示任何产品或结果。
发生了什么：创始人是利物浦大学化学系的 Matt Rosseinsky。公司设在该校的 Materials Innovation Factory，把 AI 预测与实验和材料表征方面的专长结合起来，目标是电池和催化剂用的无机晶体。这轮超额认购，IP Group 领投，Northern Gritstone、利物浦大学 Enterprise Fund、Norrsken Evolve、LYVA Labs 和由 Parkwalk 管理的 Northern Universities Venture Fund 参投。资金用于团队、平台和商业伙伴。
为什么重要：Matter Machine 代表另一条材料 AI 商业化路线：把模型预测与大学已有的合成、表征能力结合。创始人 Rosseinsky 在利物浦的实验室此前已多次合成出由计算指引找到的新材料；这轮还带来一位按公告说法参与打造 Oxford Nanopore 的管理者。
证据与边界：这次融资支持团队和平台建设，但公司尚未公开能够判断其技术效果的材料实验数据。
发生了什么：四个政府部门与机构表示，试点项目已帮助发现并修复政府系统中 1000 多个潜在漏洞，项目将扩大。政府还将研究借助《网络安全与韧性法案》，让严重 AI 事件和险些发生的事故被识别和上报，并纳入失控风险，即自主系统逃脱人的监督。AI 安全研究所与国家网络安全中心已在研究如何应对涉及 AI 智能体的事件。宣布者是 AI 事务大臣 Kanishka Narayan。
为什么重要：AI 安全治理正从模型发布前的测试，延伸到部署后的事故报告与应急响应。对未来能够自主运行代码和实验设备的科研智能体，这同样重要。
证据与边界：漏洞检测试点已在运行，1000 多个漏洞是政府自己的统计，没有说明方法和所用模型。严重事故的强制上报机制目前仍在研究中，具体措施要与议员、技术专家和运营方商定。
发生了什么：利物浦大学的 Zhuoran Yang、Vladimir V. Gusev、Matthew J. Rosseinsky 等人把它写成带晶体学约束的混合整数优化：用已知物相库拟合每张图谱，把解释不了的信号留作“异常图样”，据此给样品排序。四个已知物相轮流藏起来，含该物相的样品都排到靠前：SnO2 一轮十个全中，其余为 14 中 11、16 中 12、18 中 16。在一次 Ba-Y-Si-Ru-O 合成实验的 31 张图谱上，剩余信号重现了当时发现两个物相的主要衍射峰。
为什么重要：高通量与自主合成产出的衍射图谱多到专家读不完。它解决的不是如何识别新晶体，而是如何从大量衍射数据中选出最值得专家检查的样品，并给出这些样品里解释不了的峰是什么样子。
证据与边界：目前结果来自回溯测试，数据的答案早已知道；开放场景那项只有一次合成实验的 31 张图谱，物相由同组专家事后认定。下一步需要在新的合成实验中验证，它能否真正减少人工分析工作。代码是 MIT 许可，但要用 Gurobi 和需授权的结构数据库。
发生了什么：Gladstone 研究所与加州大学旧金山分校的 Jihoon Han 和 Seth L. Shipman 以单核苷酸步长遍历六个 RNA 靶标，测量全部 7,383 个传感器，训练出一个比较两个候选位点、而非给单个位点打分的模型。整条转录本留出时，排在前面的位点富集了表现好的传感器。冻结后在大肠杆菌里用于新冠 N 基因（该转录本同时供入）：前十位点中 qPCR 下 4 个可用，随机 20 个为 0；混池测序为 5 比 2。
为什么重要：toehold 开关原则上可为任何 RNA 编程，功夫多下在开关本身；该瞄准转录本哪个位点，关注少得多，而作者发现相邻位点的差异几乎和随机位点一样大。改进来自传感器茎部一条可跨转录本迁移的碱基配对规律。这样小的数字（10 选 4、一条转录本、一个实验室）衡量的是富集，不是设计规则。Toehold-VISTA 在它自己的场景里是好用的，但没能给这批传感器排出名次；作者说这究竟出自结构差异、读出方式差异还是两者，尚未确定。
发生了什么：Nawaf Alampara、Santiago Miret 和 Kevin Maik Jablonka 造了一批合成数据集：目标性质对空间位置和类别标签的依赖程度可以调，分别对应原子坐标和元素种类。在文本形式上微调的语言模型学会了类别部分，基本忽略坐标，表现与简单的 n-gram 模型相近。模型大到 700 亿参数、数据多到 200 万个结构、换用开源框架 MatText 里九种晶体文本表示，这个差距都在。
为什么重要：现在不少团队把晶体结构写成文本交给语言模型预测性质。论文说，对主要由结构决定的性质，为几何设计的图神经网络始终更好，并把这个差距叫作“GNN-LM 墙”。所以为材料筛选选模型的团队，应当先看这个性质是由成分还是由结构决定。
证据与边界：合成数据的目标值来自一个假想的势函数，所以最清楚的结果是在人造数据上得到的；材料基准用的是作者自己的框架。论文已经同行评审并开放获取。论文上 Miret 的单位是 Intel Labs，现地址写的是 Lila Sciences。
发生了什么：新疆医科大学第一附属医院的张炫吉等人，按新疆人群 HLA 频率，从布鲁氏菌 Omp28 和 GroEL 中筛出 16 个细胞毒性 T 表位、10 个辅助性 T 表位和 3 个 B 细胞表位，再接上树突状细胞靶向肽。结构由 AlphaFold3 预测，并与 MHC 分子和 TLR4 对接。蛋白在大肠杆菌中表达，可结合患者血清抗体；加了它的供者血细胞，干扰素-γ 平均 145.5 pg/mL、白介素-4 87.53，未处理孔 10.91 和 12.03，不带肽的 66.84 和 54.44。
为什么重要：表位预测类论文通常止步于计算机，这篇往前走了一步：设计出的蛋白被做出来，并放到人的细胞面前。但细胞显示的是反应，不是保护。没有做动物攻毒试验，所以保护效力未经检验，作者自己也这么说。细胞因子每组 5 个供者、T 细胞亚群每组 3 个，只用一个地区的 HLA 谱，且只做了表面染色，论文自己指出，这无法说明 T 细胞是针对这个抗原起的反应。
发生了什么：Anthropic 的 Peter H. Yoon、Nicholas T. Perry、Matthew G. Durrant 等人把 9 月的发布做成了 bioRxiv 预印本。Claude Code 的 worker 与 supervisor 在 19 亿个蛋白簇中普查逆转录酶，用了 949 个会话、119 个任务（98 个由智能体自己开出），21.5 小时无人介入。噬菌体 SA1 感染 15 分钟时，阵列转录的 RNA 占噬菌体转录本的 8%。随后作者把同一流程重跑十次：几乎都到了 ART 位点，但没有一次去读上游 DNA，也没有一次发现阵列。
为什么重要：这项研究揭示了科学智能体一个容易被忽视的弱点：能分析证据，不代表会主动找到证据。DNA 序列直接写进上下文时，四个最强的 Claude 模型至少 90% 的尝试能描述出重复阵列；需要自己打开文件时，最低只有 32%。工具和信息呈现方式，直接影响科学发现能否发生。
证据与边界：整套流程重跑十次，智能体都到了那个位点，但没有一次去读上游 DNA，也没有一次发现阵列。最初的发现是否全由 Claude 完成仍有争议，预印本没有回应。
发生了什么：俄罗斯科学院库尔纳科夫研究所的 Ivan Zlobin 等人，用 Critical Materials Institute 汇编推出的 88525 条数据，预测配体更强结合两种金属中的哪一种；留出的是整个配体，不是若干行。只保留风险最低的一半预测时，模型自身的不确定度把按金属对平均的误差降低 65%，最好的描述符空间距离降低 32%，只看配体的距离最好 18%；指纹最近邻和嵌入距离排序误差的能力不优于随机。
为什么重要：适用域通常是被断言的：因为分子和训练集相似，就说预测可靠。这里把这个假设拿去对照留出误差检验，相似度大多没通过，而模型自身的不确定度站住了。同一套划分也重新定位了这份汇编上已发表的模型：它报告的 0.599 结合强度平均绝对误差可以复现，但那个测试集 94% 的配体也在训练集里；按配体划分重训后是 1.484。只有一个任务、一份汇编，而那个筛选练习是在固定数据上重放，不是真做实验。
发生了什么：公司的 Qingran Cai 等六人与通讯作者、创始人 Zaixi Zhang（张载熙，香港科技大学）把一个推理语言模型和一个全原子蛋白生成模型配在一起。从酶要催化的反应出发，推理模型分四轮写出设计（做反应的那几个氨基酸、它们周围的口袋、链的形状，再到序列与结构），每一轮都引导生成模型，生成结果成为下一轮的上下文。预印本称六项指标中有五项优于所比较的基线。
为什么重要：这是科理新序 9 月首轮融资之后的第一个公开方法，而且连权重和跑出结果的脚本一起放出，别人可以检查过程，不必只听结论。它的做法是让模型用结构来思考：每一步都要先做成一个结构，才写下一步，而不是让推理链一直停在文字里。
证据与边界：这里的一切都是算出来的，数字也比看上去窄。57.0% 指功能预测工具给设计标的 EC 号与目标在前三级有交集，且只统计与基线共用的 2,435 条测试蛋白；作者自己的脚本写明全集 2,801 条会低约 8 分。0.729 的 TM-score 是把设计的序列折叠后与模型自己生成的结构相比，不是与真实的酶相比。没有设计被做出来或测过活性。权重按 Apache-2.0 发布，代码未附许可证。
发生了什么：讯飞创投、L2F 基金与一家未具名的产业方联合投资；没有写领投，也未披露估值。这笔钱用于算力租用、核心管线研发、专利申报、招人和日常运营。这家北京公司采用「平台+管线」模式：当下做合作，之后推进自有的肿瘤、自身免疫、代谢管线。把设计空间延伸到 D 型镜像肽，是 L2F 执行董事黄雪群的说法。创始人贾寅君、徐景明和郑烜乐也有发言。
为什么重要：多肽处在小分子和抗体之间，这正是生成式模型有空间的地方；而 D 型镜像肽是任何天然文库都覆盖不到的空间。公告给出的是钱和意图：它说部分合作项目已进入临床前，但没有点名任何一个，也没有展示任何被设计出的分子或检测结果。资金用途里算力租用排在最前，这正是一家 AI 原生药物公司第一轮融资该有的样子：买的就是模型本身。
发生了什么：苏伊士大学的 Mohamed Ragab、Mostafa M. Arnaout 和 Mokhtar F. Ibrahim 把沥青混合料里 0% 到 24% 的碎白云岩换成圆形天然砾石，测了马歇尔稳定度、流值、间接拉伸强度和车辙深度。从 0% 到 24%，稳定度从 2890 磅降到 1940 磅，一小时车辙深度从 4.2 毫米升到 9.7 毫米。用这 105 个测量值训练的随机森林，测试集 R² 均超过 0.95，误差低于 2.5%；SHAP 分析显示砾石比例的影响远超其他变量。
为什么重要：它展示了可解释机器学习能给一个小型材料实验增加什么：模型预测的逐段变化，把流值、车辙深度和拉伸强度恶化最陡的区间放在 12% 到 16% 砾石；这个阈值没有用新试件验证，作者也只建议在实验室进一步核查。高精度在这套条件之外说明不了多少：七个砾石比例、单一砾石来源、一种结合料、一种级配，而砾石比例本身与四项结果的相关系数都在 0.95 到 0.97 之间。
发生了什么：Andreessen Horowitz 领投，Sequoia Capital 和老股东 DCVC 参投，a16z 的 Martin Casado 加入董事会。CEO Diogo Almeida 曾在 OpenAI 参与 RLHF 和 InstructGPT 的工作，也在 Google Brain 工作过；联合创始人 Sasha Sheng 曾是 Meta FAIR 的研究工程师，Erik Gafni 创办过做 DNA 测序 AI 的公司 Ravel。TypeSafe 于 9 月 15 日结束隐身，当时完成 DCVC 领投的 4000 万美元种子轮。
为什么重要：Jev 不写文字：它回答是或否、从选项中选一个或打分，每个答案都附带概率；按 TypeSafe 和 a16z 自己给出的数字，在这类任务上比前沿对话模型快、便宜一到两个数量级。a16z 称它是一类新模型的第一个：这类模型供代码调用，而不是供人对话。押的是：嵌在软件里的判断比对话用得更广。两方都没提科学用途；给候选物排序、检查智能体的结果，是它可能进入实验室的地方，但还没有人展示过。
发生了什么：Chai Discovery 宣布与 GSK 合作，GSK 将使用其蛋白质结构预测与设计模型，覆盖整条研发管线。合作之前有一轮评估：Chai 的模型未针对靶点训练，就为 GSK 的靶点设计分子，GSK 在自家湿实验室测试后，每个受测靶点都找到了结合物。GSK 研发技术负责人 Christopher Austin 说，这些模型与 GSK 用自家实验数据持续重训的内部模型互为补充。未披露财务条款。
为什么重要：这是本站记录中 Chai 今年第六家药企合作，此前有礼来、辉瑞、诺华、argenx 和 BMS；新闻稿说 GSK 先在自家实验室测试，再扩大合作。所以这次检验出自外部，但没有给出靶点数量，也没有任何结合数据：设计的分子结合上了，GSK 说亲和力强，却没给数字。GSK 一月还授权了 Noetik 的肿瘤模型，它一边训练自己的模型，一边向外买模型。
发生了什么：弗里茨·哈伯研究所的 Hedda Oschinski、Christian Carbogno、Karsten Reuter 等人让未经微调的 GPT-5.4 一次提一个 elpasolite 组成，再把预先算好的机器学习预测里该组成的形成能反馈回去。目标是低于每原子 -2.26 eV，这类组成占整个空间不到 0.2%；三次运行中，它在 5,000 次提议内找到 3,740 个目标中的 3,577 个。同样 5,000 次尝试，被对比的 GAN、VAE 和强化学习模型分别只找到 1,726、1,511 和 1,569 个。
为什么重要：优势来自这个循环，而不是化学知识：不给反馈、让它一次给出 5,000 个，同一个模型差得多。它能读自己不断变长的命中与失败记录，被它胜过的一次性生成模型做不到，作者也说比较时应把这种不对称算进去。整件事都在软件里对着一张查找表完成。论文明确说，这个数字是把一个由预言机定义的区域找回来，不是数出了多少稳定或做得出的材料，而且目标组成里有 262 个含稀有气体。
发生了什么：内蒙古大学、中科院青岛生物能源与过程研究所和名古屋工业大学的杨晓娜、沈辉等人，一锅法做出铜氢簇 Cu13H6，以铜计产率 21.37%，并用神经网络势驱动的随机表面行走全局优化（LASP 程序）定出氢化物位置。该簇在温和光照下把烷基芳烃和醇氧化成酮，还能驱动脱氟、氘化、环丙烷开环和脱氢偶联。
为什么重要：这类簇通常靠 X 射线衍射解结构，而氢几乎看不见，要定下来一般得用中子衍射，还要足够大的单晶。论文摘要两次说，计算只是「初步」给出这些位置，所以这个结构算计算与实验的联合推断，不等于直接测定；但六个氢的数目由质谱确定。两边的化学都是实打实的：簇被合成出来，反应被做出来并测量。
发生了什么：宾大、里海大学、斯坦福与费城儿童医院的 Shaohui Zhang、Jing Huang 等人，在取自 MedXpertQA 基准的 161 个病例上给十种配置打分，每个病例含病史叙述、关键发现、至少一张医学图像和参考诊断。准确率随推理强度从 32.9% 升到 46.0%。网页搜索把路由模式从 38.5% 拉到 26.7%，而三种推理模式各有小幅提升。智能体与深度研究模式为 36.6% 和 29.8%，低于普通模型；深度研究有 29 个病例一条引用都没给。
为什么重要：这是少见的把「加机制」真正测出来、并测出它反而拉低准确率的基准，和智能体系统通常的报告方式正好相反。失败标签由 GPT-5 读每条轨迹生成，医生在 51 个病例上核对了 928 个标签中的 827 个，论文说这只衡量精确率、不衡量召回率：图像读错、证据没整合、没有可审查的推理过程。病例取自已有基准而非门诊，没有任何患者接受治疗，最高分也不到一半。
发生了什么：Skoltech 的 Daniil Poletaev 和 Artem Oganov 用 USPEX 搜索 LaH10 在 150 GPa、300 K 下的结构，按计入量子非谐效应的自由能（SSCHA）给候选结构排序；单靠 DFT，这样算慢到不实用。在线训练的势、通用势 MatterSim-5m、以及用 SSCHA 数据训练的 DPA3 有效势，都找到了实验观测到的立方相；基于 MTP 的有效势没有找到。七个通用势里只有 MatterSim-5m 把测试结构弛豫对了，而且要微调才接近 DFT 精度。
为什么重要：常规结构搜索在 0 K 下给候选结构排序，对 LaH10 会选错：同样用 0 K DFT 搜索，每胞 11、44、88 个原子时选出的都是对称性更低的结构，而不是立方相。有效势让 88 原子的搜索算得起。检验只有一个化合物，答案早由实验给出；直接做 SSCHA 搜索，即使用通用势，成本仍约为 0 K DFT 搜索的一百倍。
发生了什么：10 月 6 日首份公告时，Isaias 还是未命名的热带低压，国家飓风中心就预报它会成为 2 级飓风；据 CNN 报道，中心让预报贴近 DeepMind 的模型（最新版本是 WeatherNext 3），而许多物理模型当时给出的是更弱、路径也不同的风暴。首份讨论写明，中心的路径与 DeepMind 和 ECMWF 的 AI 指引最一致。Isaias 在海上一度达到约 100 节，10 月 9 日晚在佛州 Destin 附近以 90 节登陆，位置比首份路径所指偏东。
为什么重要：这是模型在实际预报中被使用，而不是事后打分：国家飓风中心主任 Michael Brennan 说，2026 年是 WeatherNext 第一次被完整纳入中心的预报工具，此前它支撑了去年对飓风 Melissa 的判断，中心还用自己的最佳路径数据帮它训练。一场风暴不等于验证。正式的风暴报告要几个月后才出，而 DeepMind 路径最好的说法目前来自记者和一位电视台飓风专家，不是来自国家飓风中心。
发生了什么：NATIVE-ID 由加州大学伯克利分校创新基因组研究所的 Brad Ringeisen 牵头，属于 ARPA-H 研究有害蛋白聚集的 BIOGAMI 计划，计划负责人是 Shannon Greene。Stowers 研究所 Randal Halfmann 的实验室两年获约 410 万美元，在酵母里对 5 万种蛋白做超过 100 亿次单细胞聚集测量。团队还包括布朗、埃默里、约翰斯·霍普金斯、得州农工等机构，先从额颞叶变性入手。
为什么重要：它先出钱做数据，再做模型：大约三分之一的蛋白没有稳定结构，结构预测模型对它们说不出多少；押注的是，这么大规模的聚集测量能让模型学到序列规律。那 100 亿次测量还没做。这是第一阶段，产出数据集和模型；检验疗法和更早发现病变要等第二个 24 个月阶段。
发生了什么：利物浦大学的 Daniel Widdowson、Olga Anosova、Vitaliy Kurlin 与伦敦大学学院的 Tatiana Kurlina，用连续几何不变量比对了 GNoME 两个公开版本的每个晶体（2023 年 384,938 条，2024 年 554,054 条）。只比原子位置、不看元素，视数据库和度量不同，63%-78% 的条目与 ICSD 或 Materials Project 已有晶体相差不到 0.05 Å。约五分之一含放射性元素。2023 版 1,133 组完全重复的条目，有 1,010 组在 2024 版被整组删除。
为什么重要：这项审查重新提出了一个基础问题：AI 预测的新材料，究竟新在哪里？GNoME 2023 年的《自然》论文是“AI 找到了多少新稳定材料”的常用基准，审查作者认为，几何上与已知晶体相差不到 0.05 Å 的结构不该算新材料。但晶体几何结构相似，并不意味着化学组成或性质相同；结构新颖性、组成新颖性和实验可合成性需要分别评价。
证据与边界：分析全在计算上完成，尚未经同行评审。多数几何相近的条目元素并不相同，所以旧骨架上的新组成算不算新材料，正是争议所在，而不是已有定论。
发生了什么：华盛顿大学、Ai2 与新加坡国立大学的团队（作者中有 David Baker），用 180 万个结构配 5240 万条描述对 Complexa 模型做文本条件训练，描述由语言模型按数据库注释写成。在 18 项结构任务中的 15 项、20 个结合靶点中的至少 13 个上优于基线，计算出的界面置信度比最强基线高 14%。针对尚无 de novo 结合蛋白的 GM2A，Adaptyv Bio 从一千个设计里挑 89 个检测：9 个结合，6 个在微摩尔以下。
为什么重要：设计者现在可以在一句话里同时要求折叠类型、二硫键数量和界面大小，而不必为每个性质准备一种输入格式。这对论文测试的智能体循环最有用：语言模型研究靶点、用文字写出设计要求、读完评分再改写，中间不需要翻译成某个模型自己的标签。而让这件事不只是基准分数的，是那些 GM2A 结合蛋白。
证据与边界：结合不等于功能：作者委托 Adaptyv Bio 用表面等离子共振测表观解离常数，9 个里拟合出 8 个，没有任何数据说明它们对 GM2A 起什么作用。论文说的 6.7% 命中率，是 6 个微摩尔以下的结合蛋白除以作者从一千个设计里挑出送检的 89 个。14% 和各项任务数都是作者自己跑基线算出的，预印本也未经同行评审。
发生了什么：Yiwei Chen 与加州大学圣迭戈分校、Amazon 的同事，把每道题包在一个自然语言的科研场景里，背后挂一个隐藏的概率图模型：语言模型写出可读的表层，代码搭因果图、定死干预语义并算出标准答案，评分不需人工标注。智能体有四轮机会索取观测或干预样本。主榜 180 题，另有 150 道是非题做资格检查；评测了 7 个当代模型、2 个旧模型和 3 种主动式智能体设计。
为什么重要：多数科研基准把证据直接交给模型，只问它得出什么结论。这个基准让它自己决定该收集什么。论文的证据账本再指出一次运行是在哪里断的：选错了干预、把已经拿到的证据弄丢了，或者答案已经够了还在继续查。这些恰恰是只看最终正确率就看不见的部分。
证据与边界：所有世界都是合成的，变量是完全可观测的分类变量，干预语义已知，因此不涉及潜在混杂、连续变量、测量误差和开放式实验设计。作者自己说，在这里做得好不能读成可以用于真实科研或政策场景。Claude Opus 4.6 既是被评测的模型之一，也是所有智能体与模拟器之间那个固定的解析器。
发生了什么：苏黎世联邦理工和罗氏的 Mason Minot、Gisbert Schneider 等人，让一个树模型从罗氏的 22,253 个化合物里挑选去做 C-H 硼化的底物，这是化学家用来改造已经成型的药物分子的反应。三轮共测了 50 个新底物，数据集扩到 568 个底物上的 6,865 个反应，另有 812 个底物的位点标注。用它训练的图神经网络再为十个没见过的底物预测硼化位点，十个里排第一的位点都与实验一致。
为什么重要：药物化学的反应模型缺数据，尤其缺失败反应和反应位置的标注；这个循环两样都产出了，其中有 106 个阴性底物，数据集已公开。十个底物是在预测之后才做的，这才算检验。但实验和判读都由团队自己完成；预测位点的模型不读反应条件，而论文说配体和溶剂会改变位点；在骨架没见过的分子上，图模型判断反应能不能成，MCC 只有 0.43 到 0.50（满分为 1）。作者说还需要更多真正类药的分子，因为模型在最复杂的底物上准确度下降。
发生了什么：阿斯利康与合作者测了肝细胞暴露于一个 204 个雄激素受体降解剂的库之后的蛋白质组；这种细胞没有该受体，一切反应都是脱靶。用这些数据训练的梯度提升模型预测毒性（留出集 AUPRC 0.78），指向呼吸链复合物 I。它给公司的化合物 1 打 91 分（满分 100），给两个仅在连接子段不同的类似物打 47 和 35 分；后两个几乎不抑制复合物 I，也不伤人原代肝细胞。
为什么重要：降解剂把两段药物连在一起，连起来的分子可能有毒，而单独每一段都没有；这套方法能在动物实验前、在细胞里就抓到。模型的判断随后被新实验检验：细胞呼吸测定、心脏线粒体上的酶活测定、人原代肝细胞，都是细胞和离体酶，全由团队自己完成，只用一种细胞系、一类靶点。另有一项 28 天小鼠实验显示更安全的类似物仍能缩小肿瘤，给药组七只，但没有肝脏指标，所以它检验的是药，不是毒性判断。这两个类似物本来就在库里。
发生了什么：阿贡的 MAESTRO 要做越用越好的实验室机器人；布鲁克海文的 DART 检验机器人自主何时可靠、做出的科学结果是否站得住；橡树岭的 TRACE 用标准接口把机器人、仪器和 AI 智能体连起来，让一次实验能在别的实验室重做；SLAC 的 SPIRE 由 Angelo Dragone 牵头，把自主运行带进 X 射线和电子装置。能源部希望产出开放软件、可复用的机器人技能、基准任务和数据集。
为什么重要：本站记录的自主实验室资金，大多用来建某一家机构自己的实验室。这一笔是联邦政府押注共用的部件和检验：四个项目里一个专门找机器人自主在哪里出错，另一个让实验能在不同实验室之间重复。它比同一天 1.59 亿美元的 Genesis 资助小得多，2026 财年只安排 200 万美元，而且入选还不等于正式资助。
发生了什么：知情人士告诉彭博社，这轮融资对这家 Alphabet 旗下药物设计公司的估值最高可达 500 亿美元。融资金额、领投方和条款都没有报道，交易尚未完成，Isomorphic 未予置评。Demis Hassabis 8 月从执掌 Google DeepMind 改任其董事长，并出任 Alphabet 首席科学家，仍是 Isomorphic 的 CEO。5 月的 B 轮没有公布估值。
为什么重要：它显示投资人可能愿意在自研药物还没有任何结果之前，为一个药物设计引擎付出多高的价格：本站记录里有 Isomorphic 的药企合作和模型，没有任何临床读出。这只是洽谈，消息来自未具名人士，数字可能变动，也可能落空；这里没有任何东西说明这个引擎有效。
发生了什么：修订后的 S-1 拟发行 937.5 万股，在纳斯达克以 IAM 代码上市，摩根大通、Jefferies、美银和花旗为联席账簿管理人。按每股 16 美元，Iambic 预计净得 1.35 亿美元，其中约 7500 万美元用于 HER2 药物 IAM1363：完成 1 期，再开展争取加速批准的 2 期和一项 3 期。现有股东 ARK 与 Duquesne Family Office 表示有意认购至多 6000 万美元。公司由联合创始人兼 CEO Tom Miller、联合创始人兼 CTO Fred Manby 领导。
为什么重要：公开市场要给一家 AI 药物发现公司定价，依据的是一个药的早期数据。按招股书的股数计算，中值对应市值约 7.6 亿美元，此前私募累计融资 4.618 亿美元。意向认购不等于订单，最终价格要到发行定价时才确定。
发生了什么：运营晶体学开放数据库（COD）的 Justinas Slepavicius 等人，用通用势逐个松弛库内条目，检验结构在物理上是否说得通，这一关此前靠专家判断。522,086 条中 317,457 条通过质量过滤并被松弛，其中 99.0% 收敛且体积变化不大。人工核查 327 个结构后发现，能量、力或位移上都没有单一阈值能把对错分开。在 524 个疑难结构上，M3GNet 会把环戊二烯基环拧歪，PET 系列不会。
为什么重要：模型的分歧跟化学环境有关，而不是跟结构质量有关：每个势都有自己的盲区，所以松弛后变化大，可能是势算错了而不是结构错了。论文说这些判据没有对照真值校准，因此漏掉多少坏条目还无法估计。作者自己的结论是把几个模型并用，不要只信一个。他们查出的两处坐标错误出在 CIF 而非原论文，现已在数据库中更正；松弛后的结构也存入库中，读者可以看到松弛是否支持已发表的结构。
发生了什么：清华大学智能产业研究院（AIR）的潘子铭、李昆等人用模拟器轨迹片段训练模型：三种反应堆压力容器钢用动力学蒙特卡洛做教师，Cu-Zr 金属玻璃和 Li3N 电解质用分子动力学。每个宏步直接预测一组稀疏结构编辑，加上该路径经过的物理时间；编辑只允许落在教师规则可达的位点，物种计数被投影为守恒。宏步推理比逐事件模拟快 1,000 到 10,000 倍。
为什么重要：约束本身就是结果：在留出的钢体系上，模型没有一次违反可达性或守恒，判断哪些位点发生变化得分 0.91；同一架构去掉约束后，只有 45.2% 的编辑落在可达位点、59.2% 的计数守恒，时钟漂到真实时间的 0.35。但消融实验把三条约束一起去掉，所以每条各占多少贡献还不知道；教师是模拟器而不是测量。另有一项千亿原子规模的对比，基线跑在神威·太湖之光上，而这个模型跑在 A100 上。
发生了什么：Anthropic 说这笔钱将让这个联邦计划中 15 个以上机构用上 Claude，点名了 NASA、美国国立卫生研究院和美国国家科学基金会。三年内它将向数百个 Genesis Mission 项目提供 Claude、Claude Code 和 API 额度，与各机构及国家实验室在聚变能和量子计算上合作，并为项目科学家做培训。白宫同日的事实清单把它与 NVIDIA 的 10 亿、AMD 的 5 亿、OpenAI 的 2 亿和 Google 的 1.5 亿并列。
为什么重要：被点名的交付物是产品使用权、额度和培训，而 Anthropic 从未说这 1.5 亿美元是现金；白宫把这十一笔承诺统计为「科研工具与算力额度」，所以这个数字是出资方自己对所给东西的估值。没有机构确认过自己拿到多少，Anthropic 也没说会服务哪 15 家，而能源部自己的 Genesis 页面在第二天仍未提到它。聚变和量子被列为要合作的优先方向，但没有附上任何项目、实验室或日期。
发生了什么：布拉格捷克理工大学的 Miroslav Lebeda 等人，用九个未经微调的预训练势，对五种二元和两种高熵难熔碳化物做应力-应变分子动力学，再与另一组已发表的从头算分子动力学对照。MACE-MH-1 的平均绝对百分比误差最低，为 5.7%。多数模型低估刚度，平衡体积大于参照值。误差跟金属元素相关，而不是跟化学复杂度相关：ZrC 为 6.6%，TaC 为 20.1%；高熵碳化物的误差与其组成金属相当。
为什么重要：绝对刚度和随温度软化的速率是两种不同的本事，论文有意分开报告：一个模型可以软化趋势对、绝对刚度错，而一个平均分会把这个差别盖掉。参照是另一组的从头算，不是高温实验测量，所以这说明的是势能复现那套计算的程度。数据需向作者索取，未公开存档。
发生了什么：当模型输出未经人工批准就驱动硬件时，新政策要求：必须有合格人员能观察设备并随时停下；该人员介入或连接中断时，设备须停机或保持安全状态；速度、力、温度、压力、剂量等限值，须由设备本身或独立于模型输出的控制器强制执行。触发条件包括控制危险能量与材料、作用于人体；封闭仪器内处理无危害材料的实验室自动化则被排除。
为什么重要：这家公司的 Model Hardware Standard 自八月起就在本站记录里，写的是 Claude 可以怎样驱动实验设备；这次把它变成了有生效日期的规则。那条排除条款划出边界：封闭仪器加无害试剂在外，而会加热、加压或分配危险化学品到可能致伤程度的台面在内，其限值必须由模型碰不到的地方强制执行。尽管这次更新以此为框架介绍，政策本身并未对智能体运行多久设任何规则。
发生了什么：能源部宣布 12 个第二阶段项目获资助，共 1.59 亿美元，第二阶段项目因此增至 14 个；引述的官员是负责科学的副部长 Darío Gil。Commonwealth Fusion Systems 为其 SPARC 装置做数字孪生；加州大学圣迭戈分校要把一个 RNA 结构数据库扩大到五倍；华盛顿大学改进序列-结构建模以设计酶；伯克利实验室的 MOAT-Core 要让加速器自主运行和设计。另有五个由 MIT、费米实验室、橡树岭、哈佛、阿贡牵头。
为什么重要：第一阶段只是入选，这一次是钱，而这份名单说明这个计划愿意出钱建什么。十二个项目里有三个正是本站追踪的方向（酶设计、加速器自主运行、磁体的反向设计），而聚变数字孪生把一家公司自己的装置放进了联邦项目的中心。这些都还不是结果：公告没有给任何一个项目写下要达到的指标，而此前 PNNL 那批项目是写了的。
发生了什么：10 月 8 日，黄仁勋在华盛顿的「Science: A New Golden Age」活动上宣布。英伟达把这 10 亿美元描述为五年内的一系列承诺，用于科学的超级智能和量子计算，途径是支持高校研究机构、投资量子方向、支持为政府任务服务的云厂商，并称参与同日公布的几个项目。公告还重述与能源部既有的合作：在阿贡建设该部最大的科研超算，以及阿贡、洛斯阿拉莫斯的七套新系统。
为什么重要：向 Genesis Mission 联盟承诺的 24 亿美元企业资金本站已有记录，这是其中最大的一笔。公告没说清这 10 亿美元究竟是什么：措辞是「价值」这个数的一系列承诺，分五年、分三条渠道，每条都没有金额，当天也没有钱流动。把它读成算力将被指向哪里的表态，而不是一笔拨款。
发生了什么：中科院理论物理所的陈锟、中国科大的邓友金等人收集了文献中仍未解决的 46 个数学题和 36 个物理题，附背景和已有进展，没有参考答案。七个模型离线作答，每题最多 12 小时，其中四个也给每份答案打分。GPT-6 Astra 被判解出的平均比例为 14.0%，其余都低于 8%。四个评审一致判为解出的 Astra 答案有 8 个，7 个是物理题；不少物理题是要求推广一个给定的构造。
为什么重要：在没人解出过的问题上打分，能测到有标准答案的基准测不到的东西；但这里每个判定都出自模型：作者说，要确认任何一个「解出」的答案正确且是新结果，仍需专家审查，评审之间意见一致也说明不了它们错的频率。所以 14% 是模型评出来的数字，不是新结果的数量，该去核查的是那 8 个一致判定的答案。HorizonMath 和 FrontierMath: Open Problems 则用计算或针对具体问题的校验程序来检查答案。
发生了什么：中研院与台湾大学的 Kuen-Phon Wu 和 Chuan-Kai Chueh 让 Claude Code（Claude Opus 5.5）调用 Phenix、Coot、ModelAngelo 等成熟程序，读验证结果、决定下一步，在一台工作站上约 36 小时完成。15 个已沉积的冷冻电镜模型，MolProbity 中位数从 2.62 降到 1.76，clashscore 从约 21 降到 6。3 个从衍射数据搭建的晶体结构，Rfree 为 0.182、0.207、0.238，已发表值为 0.173、0.197、0.229。
为什么重要：这检验的是智能体能否监督现有程序、以每个结构自己的实验数据为准，而不是一种新的精修方法。它并非处处胜出：15 个案例里有 7 个 CaBLAM 异常率上升，一个配体与实验图谱的吻合变差，一个自家结构最终保留原沉积模型，晶体结构接近但没有超过已发表值。研究者全程引导，配体和离子要人提供，也没有与人类专家或其他智能体做对照。
发生了什么：IFP Energies nouvelles 的 Werner Müller、Benoit Creton、Carlos Nieto-Draghi 和帝国理工的 Erich Müller 给 Claude Opus 5 三篇论文、三条指令。三次会话里，它推导出 SAFT-VR IMP，在 Julia 包 Clapeyron.jl 中写了约 600 行代码和 97 个验证测试，并用 DIPPR 数据拟合了六种溶剂。对醚类和硫醚，它在拟合所用数据点上的误差约在 1% 以内。作者说，它犯的错没有一个是研究者发现的，都是它自己的测试抓出来的。
为什么重要：从推导到拟合，整条链都能逐步核对，而且核对是实打实的：严格退化到母模型、解析极限、导数和 Clapeyron 方程。但 97 个测试和代码出自同一个模型，两者共有的物理理解错误它们查不出来；作者说，真正的局限是这么多产出很难审核。对三种酮，数据否定了实测偶极矩：只有把偶极重新拟合到接近零才拟合得上，这等于去掉了这个模型本来要加进去的物理。
发生了什么：麻省理工的 Artur Lyssenko、KyuJung Jun 与 Rafael Gómez-Bombarelli 把 Drude 弛豫做成可微的，于是成键、静电、极化和屏蔽参数可以一起对着 DFT 的能量、力和偶极拟合，不需要经验调参，计算开销是固定电荷模拟的 1.20 倍。在 PEO-LiTFSI 上，带偶极约束的模型对实测离子电导率的吻合程度与最好的电荷缩放模型相当：平均绝对百分误差 17% 对 16%。
为什么重要：电荷缩放是补上缺失电子的常规办法，单看电导率它还略微占优。真正做极化的理由在于电荷缩放做不到的那几项：稀释极限下的阳离子迁移数、它随盐浓度上升，以及低浓度下没有锂与 TFSI 的接触离子对。还有一个结果对所有拟合势函数的人都是提醒：与 DFT 数据吻合更好的那个变体，把电导率低估了最多一个数量级。
证据与边界：只有一种聚合物和一种盐。电导率、阳离子迁移数和离子配对趋势都对照已发表的实验做了检验，但模型只重现了稀释极限的迁移数和它的上升趋势，没有重现它的大小：1.7 molal 以上它停在 0.17 附近，而实验达到约 0.5。训练数据是七类物种的 5,942 个 DFT 构型，留出 10%，没有单独的验证集。预印本，未经同行评审。
发生了什么：剑桥的 Kieran Bozier 与 Chris J. Pickard 用无规相位近似，为六种氢化物和常压金属元素算出库仑参数。Mg2IrH6 的 μ 是 0.62，赝势接近 0.39，远高于 Tc 预测惯用的 0.1 到 0.15；用这个值，Tc 比按标准的 0.16 算低约 40 K。该参数与费米能处的态密度紧密同步，而把态密度的能量依赖算进去，正好解释了此前两项研究对该材料 Tc 估计相差两倍的问题。
为什么重要：氢化物搜索按预测的 Tc 给候选排序，而排序时这项排斥被固定成一个从单质超导体借来的数。如果它其实会随费米能处的态密度升高，那么排序恰恰在这个领域看得最起劲的地方被带偏了，因为高态密度本身也是让一个候选显得有希望的原因。论文的办法是把这个参数算出来，或者按态密度做修正，而不是对所有材料都用同一个值。
证据与边界：六种氢化物加一组元素，全部是计算结果。Mg2IrH6、YSbH6 和 LaSc2H24 都是预测出的材料，没有实测值可以对照。H3S 的 Tc 有实验值，把算出的排斥计入后预测更靠近实验，但论文给的是趋势，不是具体数字。预印本，未经同行评审。
发生了什么：麻省理工的 Kyuho Lee、Joseph G. Checkelsky、Heather J. Kulik 等人，把扩散和外延两种亚稳合成手段叠加成扩散激活外延：衬底浸在熔点更低的熔体里，表面参与反应而体相保持惰性。在很窄的合成窗口内，他们在氧化物衬底上稳定出四个不同的相，X 射线衍射和暗场 STEM 确认为单晶。其中三个与他们检索的实验和计算无机结构库里的任何结构都对不上。
为什么重要：从 GNoME 到 DeepMind 的机器人合成，闭环材料发现大多先预测稳定结构、再设法合成。这三个相被做了出来，却落在那些预测所依赖的计算库之外，这说明可合成的空间跑在数据库覆盖的前面，于是“先预测再合成”的闭环从一开始就会漏掉亚稳相。论文的建议是加一条“先合成、再反解结构”的分支。
证据与边界：三个对不上的相，结构本身没有解出来：论文的说法是没有库中结构能吻合它们的衍射和显微数据，而不是说它们就是新相，后者需要解出结构。只有一个熔体体系、一个很窄的窗口、四个相。工作中没有用到任何 AI 方法；之所以收录在这里，是因为它对“先预测再合成”流程的意义。预印本，未经同行评审。
发生了什么：约翰斯·霍普金斯大学与 Anthropic 的天体物理学家 Brice Ménard 让 Claude Science 中的智能体收集并交叉校准公开紫外巡天数据（其中有 GALEX 的 3.8 万次观测），从可见光、红外和射电图学出紫外亮度与它们的关系，补出从未有紫外观测的三分之一天区，再加入 Gaia 的 1 亿多颗恒星。在被刻意遮住的已测区域，预测与实测相差约 10%。每个像素都标明是实测还是预测，并附不确定度。
为什么重要：全天紫外地图一直缺失，是因为补全它需要数周像素级校准，没人会把它排在前面；这次只用了几天，科学家在做自己项目的间隙指挥智能体完成。这张图是教学用的工具，文章的意思是：多数领域都积压着这类资源，现在清理起来容易得多。
证据与边界：预测出的三分之一天区是统计估计，只对照了被遮住的已测区域，没有新的紫外观测去检验。一处校准伪影是 Ménard 自己发现的，两轮智能体评审都漏掉了；文章没有提到这张图的论文或外部评审。
发生了什么：OpenAI 公开数学代码库的更新日志称，一篇关于分裂阿贝尔八维簇 Weil 类的手稿有一处符号错误，使其中一个抵消论证失效，两篇 K3 曲面论文所依赖的构造也随之失效。三篇全部撤回，其中一篇宣称证明了 K3 曲面乘积的有理 Hodge 猜想。另有 14 篇修补了证明或更正了表述。OpenAI 统计 719 个主要结果中有 300 个已用 Lean 形式化。
为什么重要：这是 OpenAI 10 月 6 日公开的 722 篇手稿中第一次撤回，距发布只隔一天。一个符号错了，就连带推翻两篇建立在它之上的论文，可见在一组互相引用的机器生成结果里，错误会怎样传下去。代码库保留了被撤回的文本并附说明，读者能看到原来主张了什么、错在哪里。
证据与边界：更新日志没有说明错误是谁、怎样发现的。14 篇的修补是 OpenAI 自己的说法；按它当天的统计，719 个结果中有 419 个没有 Lean 证明。
发生了什么：Biohub 的“虚拟生物学计划”今年 4 月以自有 5 亿美元启动，现在新增三块：能源部通过 Genesis 计划在五年内投入超过 5 亿美元；NIH 拿出过去用超过 5 亿美元联邦经费建成的数据集和数据库；Google DeepMind、Isomorphic Labs 和 Meta 合计投入 3 亿美元。目标是开放、标准化地记录细胞对各种干预的反应，覆盖远多于现在的细胞类型。Biohub 的 Alex Rives、Isomorphic 的 Max Jaderberg 和 Google DeepMind 的 Pushmeet Kohli 为它发声。
为什么重要：它押注的是：卡住虚拟细胞模型的是数据，这正是 Xaira 的 X-Cell 论文报告的瓶颈。18 亿美元并非都是新钱：NIH 那部分是过去已花掉、数据早已存在的投入，能源部的钱分五年。首批数据集、时间表以及企业出资数据的开放条件都没有给出。这说明公共资金和大科技公司的钱流向哪里，不说明虚拟细胞能做成。
发生了什么：Nextech Invest 与 Norwest 联合领投；Invus、BB Biotech、T1D Fund 和 BOLD Longevity Growth 为新投资方，Access Biotechnology、Atlas Venture、Sanofi Ventures 和 Digitalis Ventures 跟投。Nextech 的 Kanishka Pothula 和 Norwest 的 Brian Matesic 加入董事会；CEO 为 Andre Turenne。公司由斯坦福的 Nathanael Gray、Tinghu Zhang，丹娜-法伯的 Jianwei Che，以及哈佛医学院和丹娜-法伯的 Edward Chouchani 创办。未披露估值。
为什么重要：Matchpoint 用化学蛋白质组学寻找共价结合物，用机器学习挑选靶点、指导化合物设计。这笔钱用来把它的第一个药物（治疗自身免疫病的口服 T 细胞调节剂）推进到临床概念验证，计划 2027 年开始临床试验。目前还没有任何临床数据，公告也没有说 MPT-062 的设计有多少来自模型。诺华已按 2025 年 7 月、总额最高 10 亿美元的选择权协议资助它的另一个项目。
发生了什么：HV Capital 领投，HCVC、Alven 和 Bpifrance Digital Venture 参投。CEO Yann Fleureau 曾联合创办心脏 AI 诊断公司 Cardiologs（2021 年被飞利浦收购），2025 年夏天创办 Rivercell；曾任 Owkin 首席数据科学官、诺华肿瘤数据科学负责人的 Eric Durand 今年加入，任联合创始人兼首席科学官。EPFL 的 Charlotte Bunne 和 Helmholtz Munich 的 Fabian Theis 加入科学顾问委员会，HV 的 Maxi Pethö-Schramm 代表领投方发言。
为什么重要：Rivercell 与同一天公布的 Biohub 计划押的是同一个缺口：虚拟细胞模型缺少细胞在药物或基因改变后随时间怎样变化、并且同时用多种方式测量的数据。它的做法是在巴黎自建专门的数据平台和自动化湿实验室，而不是依赖公共数据。这笔钱用于这些和第一个模型；目前还没有公开任何数据集、模型或结果。
发生了什么：Meta FAIR 的 Artem Zholus、Mahmoud Assran 等人在冻结的 V-JEPA 2.1 编码器上训练 2200 万到 80 亿参数的预测器，数据为 23 个公开操作数据集、12 种平台。想象误差（九步推演中预测特征与编码特征的 token 距离）随算力服从二阶幂律。该律用 2200 万到 20 亿的前沿点拟合，对留出的 40 亿和 80 亿两档，拟合得比另外三种形式都准。只给一张目标图像规划，抓取成功率从 2200 万的 30% 升到 80 亿的 67%。
为什么重要：这条规模律是在排除两个最大模型的情况下拟合出来的，却仍能描述它们，这比一条穿过所有点的曲线更有说服力。它没能做到的是伸向 80 亿之上：作者报告了一个不可约误差，而拟合已经贴近它，并说单靠加算力推不动，还需要更多、更多样的交互数据。机器人实验是作者自己做的，每个模型每项任务 30 回合，人工打分，而这个平台的数据本就在训练集里。承诺开放的代码与权重，两天后仍未公开。
发生了什么：柏林联邦材料研究院（BAM）与耶拿的 Jonas Grandel、Philipp Benner、Janine George，为 53 种材料各自微调 MACE-MP-0b3，参照是他们新做的 VASP 计算。只训练节点嵌入和第一个交互层、并向预训练权重做正则，把声子误差中位数从基础模型的 0.27 THz 降到 0.05 THz。但在还原软模最终导向哪个相上，就 DFT 判定不稳定的那九种材料而言，多头方法得 0.43，常规迁移学习 0.56，都低于未微调基础模型的 0.63。
为什么重要：真正要紧的是这两个分数之间的差距：把谐振频率算对，甚至把哪些结构不稳定分对，都不等于模型把不稳定方向上的能量面算对了。作者在引言和结论里就这么说，摘要也警告说，声子精度相近的模型，对不稳定性和相变行为仍可能给出不同结论。所以用声子误差挑出来的微调方案，可能在人们计算声子本来想预测的那件事上更差。整件事都是模型对 DFT、在软件里完成；最好的方案比什么都不做只高 0.66 对 0.63。
发生了什么：这个实验室用 AI 提出抗体等亲和试剂的设计，逐个制备和测试，再把每个结果反馈给模型。它把丹纳赫旗下公司（Beckman Coulter Life Sciences、Cytiva、Genedata、Integrated DNA Technologies、Molecular Devices）的工具串成一条流程，机器人自动化与 Automata 合作搭建。CEO Julie Sawyer Montgomery 代表公司发言；首席科学官 Jose-Carlos Gutierrez-Ramos 说，设计目标是发现速度最高提升 8 倍、年产量最高提高十倍，从每年几十个试剂增至几百个。
为什么重要：丹纳赫正用旗下公司已在销售的仪器搭一个“设计-制备-测试”的闭环，并称这是其推动智能仪器和自主实验室计划的第一步。这还是计划：公告说的是“计划推出”，但 Simply Wall St 的一篇文章（Yahoo Finance 也转载）写成“已推出”；8 倍和十倍都是设计目标，目前没有数据支撑。它要证明的是，这样的闭环能否在一家正常运营的企业里加快试剂发现。
发生了什么：Simon Batzner 开发了 NequIP 原子间势，在 Google DeepMind 期间是 GNoME 和 GenMS 的作者之一。他在 X 上宣布以技术人员（Member of Technical Staff）身份加入 Anthropic，并感谢 DeepMind 和 Google Brain 的同事。
为什么重要：加上他，GNoME 六位作者中已有四位在别处工作，其中三位共同创办了 Periodic Labs。做出 DeepMind 最知名材料成果的团队已基本散开，而 DeepMind 在伦敦建材料实验室的是另一批人。这也是继 John Jumper 6 月加入 Anthropic 之后，又一位 DeepMind 科学家去了 Anthropic。
证据与边界：他的帖子没有说在 Anthropic 做什么。截至 2026-10-22，他的个人网站仍写着在 DeepMind。
发生了什么：OpenAI 公开 722 篇手稿，分属 372 个结果族，出自一个被交给约 4,000 个开放问题的内部模型，平均每个结果约用三小时 ChatGPT Pro 思考算力。Sam Altman 点出四项：准黎曼猜想（zeta 在实部 7/8 以上无零点）、Unique Games 猜想和自由群因子问题，他称这三项都有 Lean 证明；CM 阿贝尔簇的 Hodge 猜想没有。OpenAI 称多数而非全部结果已形式化，未形式化的可能有问题。
为什么重要：Navier–Stokes 那次是一项有争议的主张；这次是同一个模型一次放出数百项，尚无一项经 OpenAI 以外确认。Lean 证明只检查每一步，不检查形式化表述是否就是那个开放问题，且只有部分结果有。数学家反应两极：罗格斯大学的 Alex Kontorovich 说，准黎曼结果若出自人手，“当场就是菲尔兹奖”；康涅狄格大学的 Álvaro Lozano-Robledo 则说，不确定这除了“又一场大型公关秀”还想达成什么。高等研究院的咨询小组曾要求停止在私有模型上测试开放问题，OpenAI 未照办；小组称其建议不等于背书。
发生了什么：研究 AI 模型如何泛化的实验室 Resolution 中，Chris Elliott 先和智能体一起写出一份 112 页、拆成细小步骤的计划，再交给一个以 Claude Fable 5.1 为主的调度智能体执行。Hironaka 1964 年的定理及其现代形式的证明用了约一周，他介入了约 30 次：约 1000 亿输入 token、3 亿输出 token，写出约 60 万行 Lean。之后 Billy Snikkers 和 Adam Newgas 又花两周重构代码。
为什么重要：它给形式化数学一个可以引用的花费，而且是在前沿实验室之外做到的，除了计划和此前积累的一些智能体技能，几乎没有额外脚手架。Resolution 需要这个定理来做奇异学习理论，这套理论把模型损失曲面的形状和它的泛化能力联系起来；公司说这个库已经让它能把更多理论工作自动化。
证据与边界：所有数字都来自 Resolution 自己，其中 token 花费是估算。证明已经公开，并配有检查工具 Comparator，用来确认它证明的正是所声明的定理，但文章没有提到外部核查。它形式化的是已知数学；它要支撑的学习理论成果说是未来几个月发布。
发生了什么：B 轮由 AVP 领投，Yaday Health 与 Blast Club 为新投资方，Omnes Capital 和 Debiopharm 跟投；AVP 的 François Robinet 与 Yaday Health 的 Daniel Teper 加入董事会。这家由联合创始人 David Del Bourgo 执掌的巴黎公司，用 ALFRED 平台设计 AAV 载体，并正把这一方法扩展到脂质纳米颗粒和合成启动子。公司称，与巴黎脑研究所合作的动物实验中，AI 设计的 AAV 穿过了血脑屏障，且未检测到肝脏信号。
为什么重要：这笔钱用来做体内实验，看算出来的设计能否在活体动物中递送基因，并让公司建立自己能持有和授权的设计，而不是只卖服务。脑部结果是公司自己的说法，公告里没有论文也没有数字；更多数据承诺在 ESGCT 年会上公布。
发生了什么：据 The AI Insider 报道，B 轮由 Patrick Soon-Shiong 与 NantWorks 领投，阿斯利康、Lingotto、Teradyne 和 Strange Ventures 为新投资方，Founders Fund、Lux Capital 等老股东跟投；累计融资超过 1 亿美元。公司称资金用于扩大制造产能、加快产品开发，并扩充工程、法规和商务团队；Fred Parietti 是联合创始人兼 CEO。
为什么重要：Parietti 的说法是，AI 设计出的疗法比业界将来能造出来的还多，瓶颈转到了工厂；已在测试这些机器人的阿斯利康这次也投了钱。单剂成本降低 74%、产能最高提高 100 倍是公司自己的数字；这轮融资只有一家媒体的报道。
发生了什么：B 轮由 Advent、淡马锡和 Xora Innovation 联合领投，AMD Ventures 和 Madrona 参投，Eclipse 和 Khosla Ventures 跟投。15 亿美元估值是公司自己给出的。Vinci 称这笔钱让它从半导体的热、热-力和对流流体问题，扩展到存储、先进计算、汽车、飞机和卫星；它说自己的物理模型面对一个设计不需要先针对它训练，几分钟内能处理数亿到 150 亿以上自由度的设计。Hardik Kabaria 为联合创始人兼 CEO。
为什么重要：这就是材料和化学领域用机器学习势做的那件事，搬到了工程上：如果模型能替代一次有限元计算又不失准，物理就不再是在几个节点上才去核对的东西，而是设计改动时随时可以问的东西。AMD 这次通过 AMD Ventures 进来了。与传统求解器的公开对比是 Vinci 自己做的，发表在 EPTC 2025 和自家网站上；它说做过对标的客户没有具名，结果也都没有公开。
发生了什么：团队依照 Morgan 与 Tian 对 Perelman 证明的阐述，由数学家写出蓝图、设计约 90 个里程碑；GPT-6-Astra 把里程碑命题写成 Lean，并通过并行的编码智能体完成大部分证明，Fable-5.1 协助审查命题。结果同时证明了拓扑版和光滑版定理，通过完整 Lean 构建，并与只用 Mathlib 写成的目标命题核对一致，还用一个独立内核复查。通讯作者为 Bin Dong 和 Chunlei Liu。
为什么重要：继费马大定理之后，又一个著名证明被机器检验；论文还说清了工夫花在哪里：准备工作从 5 月开始，定义由人来选，里程碑命题由人审查，智能体卡住时由人解围。内核检查能保证每一步证明成立；命题是否准确表达了 Perelman 证明的内容，仍要靠人审查。Ziyang Qin、Bennett Chow 等人的另一项独立形式化同时宣布。
发生了什么：哥大与纽大的 Srilaxmi Bearelly、Cassandra Areff、Liat Shenhav 等人，把视网膜照片转成血管网络形态与分支的测量量，而不是图像嵌入；在哥大 1,267 名孕妇（55 人后来出现先兆子痫，54 人影像可用）上训练，AUC 0.91、平均精度 0.81。不用纽大的结局做任何拟合，在纽大朗格尼可分析的 66 人（13 例病例）上得到 0.81 和 0.68；同一批人身上，胎儿医学基金会的计算器是 0.73 和 0.50。RETFound 在那里接近随机。
为什么重要：先兆子痫确诊往往已晚，而随机试验显示 16 周前开始服阿司匹林，可把伴先兆子痫的早产风险降低最多 62%，所以孕早期的信号有价值。这里检验的是迁移：相机、流程、人群都不同，纽大的特征按哥大的分布做了缩放，但模型没有重新拟合。这是第二个中心，不是第二方：纽大那边的负责人正是模型的资深作者，本站因此按「内部」计。作者写明的局限：54 例和 13 例，纽大队列先兆子痫比例 17.7%，该院常年约 8%，校准和阈值仍未定。
发生了什么：Kodexia 把晶泰称为 siFormer 的模型（建立在 RNA 热力学与链载入结构，而非只靠序列相关性）接到自动化实验室上，公司称后者每周做 500 多次体外和 30 次体内实验。晶泰报告设计效率提升至常规流程的近三倍，并称多个项目里第一轮设计有超过一半在体内优于阳性对照。其首个项目针对 IgA 肾病，7 个月拿到猴体药效数据，强于针对同一靶点的一个临床阶段分子。
为什么重要：被检验的主张是：一条设计闭环能把一个新模态从头带到尾。晶泰此前的证据集中在小分子和抗体，而 siRNA 最难的几处（肝外递送、从细胞到动物的外推、专利空间）正是它说 Kodexia 要设计应对的。7 个月拿到猴体药效，是该拿来对照它的那个数字。但每个数字都是自己测的，什么都没展示：没有图、没有数据集、没有论文，它说被超过的那个临床阶段分子也没有名字，所以这些从外部都无法核查。
发生了什么：模型只读取分子结构，预测静脉给药后小鼠、大鼠、犬和猴的清除率、稳态分布容积和平均滞留时间。在按化学结构簇划分的留出测试集上，预测值与实测值的相关系数约 0.6 至 0.8，69-91% 的预测误差在三倍以内。小鼠和大鼠清除率上，相关系数为 0.54-0.62，而由实验室测定值外推的常规方法约为 0.5。TuneLab 采用联邦学习，成员的分子结构不会被共享。
为什么重要：动物药代动力学是决定哪些分子能往下走的测量之一，药企积累了几十年的这类数据，很少流出公司。在这里，一家药企的数据以可查询的模型、而不是数据本身的形式，交到小公司手里，这正是 TuneLab 设计来分享大公司数据的方式。
证据与边界：所有数字都来自 insitro 自己的内部测试，文章也提醒在新的化学空间中未必成立。对照方法的相关系数是在整个数据集上算的，不是同一个测试集。数据规模只说总计数十万个分子、几千项体内研究。
发生了什么：Google DeepMind 的 Opal Issan、Jonathan Citrin、Brendan Tracey 与马里兰大学的 Matt Landreman，推广了 Landreman 几周前作为 Grad 1967 年猜想反例找到的两族三维磁流体力学精确平衡解。一个新参数打破仿星器对称性，设为零时回到原来的解。论文说，是 Antigravity 里的 Gemini 4 智能体在几小时内提出了推广后的解；问题由作者选定，智能体由作者引导，每个结果都由作者重新推导。
为什么重要：这是模型在数学物理里贡献了一个新的解析结果，论文写明了它的作用，每一步都由人重新推导过。它还停留在纸面上：这些解是作为 VMEC、DESC 等仿星器程序的基准提出的，目前还没有程序在它们上面跑过。最早的反例是 Landreman 自己找到的；这篇论文把反例的范围扩大了。
发生了什么：PIE 把 Gene Ontology、DepMap、PubChem、Cellosaurus 等整理好的知识来源变成输入，一次计算、无需微调，就预测哪些基因会变、往哪个方向、变多少。在覆盖四个人类细胞系的 Replogle-Nadig Perturb-seq 数据上，它在每种设置下的 AUPRC 是最强对手的 1.2 到 3.2 倍，在从未见过的扰动上提升最大。代码、权重和数据均已公开。
为什么重要：虚拟细胞只有能预测还没人做过的实验才有用，PIE 想靠借用生物学家已经记下的知识做到这一点。Arc 自己说，细胞系和扰动都是新的时候，准确度会下降；所有分数都是 Arc 在已有公开数据上自己算的。
发生了什么：双方将针对一个 HDAC 靶点设计和优化小分子，用于神经肌肉、纤维化和罕见病。VeriSIM 提供提出可合成分子的 AtlasGEN 和评估药理、暴露量和安全性的 BIOiSIM；Italfarmaco 提供 HDAC 生物学、化学和临床开发能力。Italfarmaco 首席科学官 Christian Steinkühler 和 VeriSIM 创始人兼 CEO Jo Varshney 代表双方发言。未披露首付款。
为什么重要：一家已有 HDAC 药物上市的私营药企，付钱让 AI 公司找下一个，这说明这类公司靠什么赚钱：现在收服务费，以后拿里程碑。超过 1 亿美元是最高可能价值，不是已经付出的钱。
发生了什么：Zachary Wu、Josh Abramson 等人用一个扩散模型按催化基序同时写出酶的主链和序列，再用 AlphaFold 3 的预测结构筛选候选。2018 年因定向进化获诺贝尔化学奖的 Frances Arnold 在作者名单里，她在加州理工的实验室承担了部分湿实验。他们筛的 188 个天然与已改造血红素蛋白里，9 个有活性，没有一个的哌啶比吡咯烷超过 30:70；设计出的 GDM_NT_270 做到 99:1、94% 对映体过量、22 个周转数。
为什么重要：设计出的酶都做了表达、纯化和活性测定，敲掉活性位点残基后 19 个丝氨酸酯酶突变体里 14 个完全失活，说明催化来自设计本身。它们赢在选择性和耐受性，不是速率：一个设计的 DEHP 酯酶在 90°C 下活性比室温高 14 倍，两个天然酯酶在该温度下完全失活，但在室温下它只有天然酶的 6%，论文写明从头设计的速率仍比天然酶和定向进化产物低几个数量级。360,000 M⁻¹s⁻¹ 那个酯酶的折叠与天然丝氨酸酯酶相近；没有天然同源的最好只有 4,900。
发生了什么：这份 IND 请求 FDA 允许在三阴性乳腺癌、卵巢癌及其他染色体不稳定的实体瘤中试验 IAM217。Iambic 称，在没有抑制剂结合态晶体结构时，由其 NeuralPLexer 模型提供结构信息，再用 Enchant 和更早的 Iambic 模型把 24 块筛选板得到的约 100 nM 级苗头化合物优化到约 10 nM 级，同时调口服吸收、药物相互作用和入脑能力。在一个脑转移临床前模型中，公司报告已形成的肿瘤缩小约 90%。
为什么重要：如果 FDA 放行，IAM217 将成为 Iambic 继 IAM1363 之后第二个进入人体试验的药，IPO 招股书已把它列为募资用途之一。它也是 AI 制药公司常见主张的一个具体案例：设计药物时，用预测的结构代替晶体结构。
证据与边界：IND 只是申请，不是批准。效力、入脑和肿瘤缩小的数字都是 Iambic 自己在新闻稿中给出的，没有附数据，也还没有人用过这个药。
发生了什么：Vals AI 的 Geby Jaff 带着一组 Claude Opus 5.5 智能体，用密度泛函理论寻找 Luttinger 补偿磁体：净磁性为零，电子却按自旋分开，这正是自旋电子存储需要的。他们设计了一种新氧化物 YBaMnFeO5，预测它是半导体、自旋分选窗口很宽；又指出 1999 年合成过的 KV[Cr(CN)6] 正是这类磁体，此前的文献没有这样说过；当年测得它在 376 K 以下保持磁有序。输入、输出和代码都已公开。
为什么重要：2025 年的一项研究把室温下的这类磁体列为尚未达成的目标。第二个候选已经有样品，所以下一步检验很直接：重新合成，测量它的电子是否真的按自旋分开。
证据与边界：全部是计算结果。设计出的氧化物要求锰和铁排成棋盘格，但智能体自己的模拟显示这种排列在约 950 K 就会打乱，而这类氧化物要在 900 到 1300 摄氏度下合成，所以可能很难做出有用的形态。1999 年那种材料唯一的样品是孔里含水的粉末，两种算法对水是否让它的自旋窗口缩小一半以上看法不一，而且一切都还没有测量。
发生了什么：10 月 4 日，借 STS 论坛在京都开会的各国科技部长，认可了一份由白宫科技政策办公室主任 Michael Kratsios 牵头的一页声明。各方表示将“努力”扩大研究者获取文中所称“超级智能”工具、科学数据、算力和实验设施的机会，鼓励用 AI 推动“自主的闭环发现”，并支持元科学和新的科研资助方式。签署方包括日本、德国、英国、意大利、韩国、新加坡和阿联酋。
为什么重要：17 国政府如今都把由 AI 主导的闭环发现写成要支持的方向，这正是美国已通过 Genesis Mission 出钱推动的方向。但声明没有承诺资金、没有设定目标，也不约束任何一方：原文用的是“努力”，白宫新闻稿却写成“承诺”。中国和法国不在签署名单上。
发生了什么：独立研究者 Zhao Song 与微软研究院的 Xinzhi Zhang 10 月 4 日在 arXiv 贴出 140 页论文，称证明了 Kannan-Lovász-Simonovits 猜想：无论多少维，对数凹分布上最好的平面切割，和任意形状的最优切割只差一个固定倍数。论文说，两人与 GPT-6 Astra、GPT-5.6 Sol、Claude Fable 5 和 5.1 一起试了 100 多条路线，得出一个中间结果，走哪条由作者定；最后几步论文说是作者自己的想法。
为什么重要：采样、优化和高维统计里有不少结果以这个猜想为前提；证明若成立，它们就不再需要这个假设。它也给出一种做法：微软的文章说，用几个主流模型、大致相同的 token 预算不加引导地尝试，没有做成；让多个智能体并行探索、研究者每轮筛掉没希望的方向，做成了。Pierre Bizeul、Boaz Klartag 与 Joseph Lehec 同一晚贴出 32 页的证明，用的是 Song 和 Zhang 第一版里的判据，并写明其中大部分证明和想法由 ChatGPT 找到。
证据与边界：两篇论文都还没有经过期刊评审。arXiv 显示，Bizeul、Klartag 与 Lehec 的证明比 Song 和 Zhang 的完整版早约两小时贴出。公开的 Lean 4 形式化（KLS500 仓库）验证的是常数取 500 的定理，主要沿第二组的路线，不是那 140 页的论证。微软说精简后的证明已在 Lean 中验证，尚未公开。
发生了什么：Xaira 在自家网站上介绍 X-Design Vega 的两个内部项目。XA-1：设计 182 个纳米抗体，18 个确认结合，最好的对人靶点 KD 为 17 nM，并通过各项可开发性测试；从 DNA 合成到先导分子共 7 周。XA-4 针对一个传统纳米抗体文库筛选和羊驼免疫都失败的 GPCR：约 6 万个设计中 92 个进入实验验证，7 个结合，其中 6 个有抑制作用，最好的 IC50 为 183 nM。
为什么重要：它检验从头设计的两个问题：能否缩短 hit-to-lead（XA-1 做到有选择性、可开发的先导分子），能否打开传统方法失败的靶点（XA-4 得到有功能的拮抗剂，不只是能结合）。边界：靶点未公开，外界无法判断难度；实验在公司内部做，没有独立重复；没有论文或预印本，方法和基准无法审查；XA-1 表位事先选定，证明的是设计与优化能力，不是自己找到结合位点。
发生了什么：公司称，面向 IND 申报的药理、安全性和生产研究已经开始。在雄激素性脱发小鼠模型中，一个候选分子以 5% 外用米诺地尔百分之一的浓度，达到了相当的毛发生长评分。它由 AI 指导设计、自由能计算、机器人合成与测试组成的循环优化而来；晶泰此前已经在卖两种 AI 开发的头皮护理化妆品原料。
为什么重要：一家 AI 加机器人公司把自己的分子推向临床，而不只是替合作方做项目，这是这类平台的投资人一直在等的一步。证据只是新闻稿里的一个小鼠模型，没有数据、论文或署名科学家；IND 申报前研究也还在任何人体给药之前。
发生了什么：AstaBrief 以 Qwen3-8B 为底，用真实科研提问生成的 4.7 万份报告和 6000 组偏好对做后训练，一次成文，不再分节写。在 Asta 里它作为 Fast 模式运行，每份报告 51.1 秒，而 Claude 驱动的 Thinking 模式是 178.5 秒，快约 3.5 倍。Ai2 说最明显的提升来自一个简单的过滤：扔掉那些有论断却不给引文的训练报告。
为什么重要：不能把未发表问题送去托管模型的机构，现在可以自己跑这个报告写作器，这正是放出权重的意义。Ai2 明说：大部分评测是 2025 年对着当时的前沿模型做的，没有重跑；在它那项 14 题、3 位研究者参与的人工评测里，总体更受偏好的是开源的 DR Tulu，只有引文准确性上 3 人中有 2 人更偏好 AstaBrief。
发生了什么：系统读取接种过疫苗或感染过的人的单细胞 B 细胞受体数据，把细胞类型、序列、预测结构和一个预测器合起来给候选排序，每轮实验结果回灌给模型。克隆的 110 个抗体中，60 个来自做过抗原分选的新冠数据集，50 个来自未分选的流感数据集；最终 60 个中和，12 个广谱中和。其中 5 个让每组 6 只小鼠全部挺过致死剂量流感攻毒，与已进入临床的 MEDI8852 相当。
为什么重要：抗体发现通常先拿已知抗原去分选细胞。真正跳过这一步的只有流感那一半，小鼠保护结果也出自这一半，这对还没人分选过细胞的病毒才有意义；占多数的新冠那一半照常做了分选。被检验的是小鼠预防给药，每组 6 只，作者自己说这个设计不足以证明与 MEDI8852 等效。一个课题组的预印本，对照方法由同一批人重新训练，他们自己的核查发现新冠测试序列里有 19% 与训练数据的相似度在 90% 以上。
发生了什么：数学家在 meta.ai 上用 Muse Spark 1.1 和 1.2 的思考模式，没有专门的科研框架。模型写出了 GAP 搜索程序，找到一个 384 阶群，推翻了 2024 年提出的“半阿贝尔群都是单项群”猜想；在演化代数中给出一个三维反例；还为一篇数论论文起草了三节核心技术内容。每篇论文都在页边标明哪些段落由人起草、哪些由 AI 起草。
为什么重要：这说明一个公开的聊天模型，能在数学家自己选的问题上做实打实的工作：每个问题都由人选定，每个证明都由人检查。论文发布在 Meta 自己的网站上，由合作内部的数学家审阅，而非期刊同行评审，Meta 也没有说任何证明经过了机器检查。五个问题中有三个，别的团队已用其他方法先发表了解答，其中包括 AI 智能体 Nilradical，它的反例附有 Lean 形式化证明。
发生了什么：CaGE 出自 David Baker 实验室：让结构预测器的几何约束在多轮设计中逐渐淡出，最终序列要靠自己维持住活性位点。两个设计在实验中做成了：一个铁酶给出 83% 对映体过量，一个 PLP 逆羟醛酶的 2.7 Å 晶体结构与设计模型主链相差 0.702 Å。
为什么重要：把多个残基、辅因子和底物耦合在一起的活性位点，一直是从头设计酶最难的一步。PLP 这边常规流程产出的 30,293 条序列没一条通过筛选；经 CaGE 循环后有 96 条通过，其中一条真的有活性。
证据与边界：没有速率常数：论文给的是 16 小时的终点产率，不是催化效率，无法与天然酶比较。晶体结构是不含配体的空蛋白，证明的是折叠，不是活性位点。铁酶那边筛了 71 个设计，6 个信号高于对照。没有外部实验室检测。预印本。
发生了什么：何恺明在 MIT 的团队给现有多模态模型套上一个框架：保存游戏返回的每一帧，模型可以随时放大或回放任意一帧。Claude Opus 5.0 得分 100，GPT-5.6 Sol 得 99.00；主办方的官方设置下两者是 40.68 和 13.33，那套设置经 API 运行、上限更紧，Opus 那一行的推理强度还低一档。Opus 所用动作比首次玩的人类少 57.4%。
为什么重要：作者自己的逐步拆解说明了提升来自哪里：把文字网格换成图像、放宽动作和时间上限，GPT-5.6 Sol 从 13.33 升到 51.66；保存每一帧供放大和回放、再加上精确读取像素，从 70.05 升到 99.00。对监控实验的智能体，这支持保留原始观测，而不是只留摘要。只测了 25 个公开游戏，模型训练时可能见过它们。
发生了什么：自 10 月 1 日起，每位投稿人每月最多提交两篇，覆盖所有学科；被拒也计数，合著者不计，2024 年起的“在途不超过 3 篇”照旧。9 月收稿 40,363 篇创纪录，同比多 51%，带来近 9,000 张工单。
为什么重要：arXiv 认为推手是 AI 工具：单薄的论文、一项研究拆成几篇、行文密集的 AI 写作论文都在增多；cs.AI 两年增至六倍多。限额是分配志愿审核员时间的权宜之计，不是质量门槛。
发生了什么：Yuchen Lou 和 Alex Ganose 的模型先采样对称模板，再在笛卡尔空间联合扩散晶格、坐标和元素。过滤模板无需重训，比例升至 18.2%；另演示了按介电常数引导生成。
为什么重要：对称感知生成已超过此前同类模型。结果全是计算：亚稳只是能量检查，不是做出来的材料，各论文的评测设置也不同。
发生了什么：人类研究者在 8 K 下测了一片 a-RuCl3 薄晶体的反射谱和光电流谱。随后由智能体接手：Claude Opus 4.6 提假设、批评和综合，微调过的 Qwen3.5-27B 挑计算，自己跑 Quantum ESPRESSO 和 BerkeleyGW，否掉两种解释，把测到的三个峰定为 1.077、1.179、1.291 eV 的束缚电子-空穴对。全程用掉 1.54 亿 token，其中 Claude 那部分按标价约 335 美元，69 小时的模拟算力没有计价。
为什么重要：这是对已有测量的拟合，不是有人验过的预测：真正能把它和别的解释分开的检验（把入射光偏振从 zigzag 转到 armchair）在文中只是一条预测。作者自己把三个峰的归属称为候选，说其中一个算出来的间距仍然偏小，屏蔽的迭代也没有严格收敛。方法由一位未具名的人类理论物理学者复核过。一个课题组的预印本，代码和数据只是承诺公开，尚未放出。
发生了什么：Varda-single 是在 ECMWF 的 Anemoi 框架上搭建的图 Transformer 预报模型，先用 ERA5 训练，再用 20 年 1 公里瑞士再分析资料，最后用业务分析场微调。在 2025 年 4 月至 2026 年 3 月对照分析场和气象站检验，它在 +33 小时内与 1 公里的 ICON-CH1-EPS 控制预报大致相当，在 +120 小时内总体优于 2 公里的 ICON-CH2-EPS 控制预报。它已每 3 小时准业务化运行，权重公开在 Hugging Face。Alberto Pennino 和 Francesco Zanetta 牵头，Oliver Fuhrer 为末位作者。
为什么重要：全球 AI 模型已能与物理模型的预报相当；悬而未决的是到了公里尺度、山地左右风和降水的地方是否还成立。一家国家气象机构现在说，多数主要指标上成立，不过是它自己的检验。它只做确定性预报，把对流降水抹得过平，还低估部分局地最大风速，而这些在很大程度上正是山区预报要抓的。
发生了什么：论文在 14 个基因扰动数据集、18 个指标上，加入一个用重复数据构造的阳性对照，以及一个衡量模型能用到指标多大量程的尺度。均方误差和以对照为参照的相关系数常常通不过这项检验。在一个 Perturb-seq 数据集上，每个指标都有至少一个深度学习模型胜过所有基线；在 Norman19 组合扰动数据集上，按标定最好的指标算，加性基线仍占到与理想水平差距的约 88%。
为什么重要：如果度量本身不对，那么整个领域对一个阴性结果的解读也不对；这篇论文主张早先的基准是把信号藏住了，而不是真的没有信号。但它是对公开数据的重新分析，没有做新实验，且六位作者都有商业利益：五位来自一家做扰动建模生意的公司，第六位是 Xaira 的首席 AI 科学家。