Science重磅：AI Agent学会自己做实验了，37倍速碾压人类专家

7月9日，国际顶刊Science在线发表了一篇可能改变生物医学研究范式的论文。来自斯坦福等机构的联合团队，正式介绍了Biomni——全球首个通用型生物医学AI代理。不是那种只能背定义的问答助手，是真正能「动手」做实验的AI。

不止回答问题，是真的干活

以前的AI在科研里顶多算高级搜索工具：能告诉你基因序列是什么，但没法帮你设计克隆实验。Biomni不一样。它接入了150种专用生物医学工具、105个专业软件包、59个权威数据库。给它一个研究任务，自己规划方案、写代码、跑数据、验证结果——全流程自主完成。

它的底层架构把大语言模型推理、检索增强规划和代码执行揉在一起，不靠预设模板，根据任务动态组合工作流。说人话：它不是按剧本演的，是真会变通的。

三条赛道同时碾压人类

论文设计了一个覆盖10项任务、443个查询的基准测试。Biomni平均准确率57%，远超基础大模型30%和专用编程代理43%。更炸裂的是和人类专家的直接对标：罕见病诊断准确率60%，落入人类专家60%-70%区间，但用时仅3分钟——人类专家要110分钟，37倍速。GWAS致病基因定位准确率80%，4分钟vs90分钟。单细胞RNA测序注释准确率45.8%，75分钟vs230分钟。

核心结论：AI做实验的速度是人类几十倍，质量不打折。这不是「差不多」，是实打实的数据对比。

14亿次心拍到基因剪刀零误差

论文里几个具体案例很能说明问题。让Biomni分析1027人、14亿次心率数据，它自主挖出6种新冠相关生理标志物。让它设计CRISPR基因编辑的向导RNA，实验验证序列完美对齐、零误差——这在手动实验里是极难做到的一次性命中。还有一个蛋白质热稳定性改造任务，找到3种关键突变，预测稳定性提升-4.108kcal/mol。过去博士生干几个月的活，AI几小时甚至几分钟交卷。

开源80亿参数，干翻闭源旗舰

团队开源了一个80亿参数版本Biomni-R0-8B，强化学习微调后得分从0.32飙到0.59，碾压体量更大的闭源前沿模型0.56。320亿参数版本冲到0.67。这意味着什么？顶尖生物医学科研能力不再是科技巨头的黑箱专利。全球中小实验室部署一个80亿参数模型，就能获得媲美顶级机构的能力。

坦诚的局限与安全警告

论文作者没藏着掖着：数据偏「厚今薄古」，可能忽略经典方法；复杂多步骤工作流需要结构化提示才能稳定；临床判断和深度生物学综合，人类专家依然有明显优势。最关键的提醒：能自主设计实验方案的AI代理，如果被恶意滥用，可能设计有害生物制剂。团队呼吁必须建立伦理评估与监管机制。

2026年，AI从「会聊天」走向「会做事」

Biomni不是来取代科学家的。它更像「超级学徒」——以惊人速度把枯燥的数据清洗、代码跑数、文献检索干完，让人类把精力放到提出假设、设计实验、解释结果这些真正需要创造力的环节。2026年，AI Agent正从对话窗口走向真实工作流。Biomni登上Science，是这个趋势的一个里程碑。它证明了AI不仅能聊，还能独立推进完整研究项目并交付可信成果。这件事的意义，可能比任何单一大模型的参数增长都更值得关注。