BioXArena-Pro 把生物医学建模考成 64 道研究级题：最强智能体只拿 55.1 分，没有一题饱和
BioXArena-Pro 把生物医学建模评测换成 64 道来自已发表研究的研究级任务，多数任务整组留出物种、队列或细胞系等生物单元，并经过多轮审计以堵住标签泄漏。22 种智能体配置中最高分为 55.1（满分 100），没有任何任务被做到饱和；在与原研究接近的 9 道题上，最强智能体与复现的已发表方法打平（54.9 对 54.7），而在重建划分的 48 道题上方法落后 8.2 分。
科学基础模型的能力边界可以自动审计：AutoSPECTRA 在四个生物模型上找出被总分掩盖的失效条件
科学基础模型通常只带着聚合基准分数发布，而真正影响使用的性能边界往往要等部署后才由零散报告暴露。AutoSPECTRA 把通用编码智能体的审计过程约束成一套可复现协议：先定义可测量的泛化轴，再在固定参照方法下做受控比较，并在未用于选题的数据上独立确认。在 ESMFold2、STATE、CONCH 和 AlphaMissense 四个生物基础模型上，审计分别把性能变化与蛋白质序列组成及预训练数据亲缘度、训练中扰动的表示、有效空间分辨率、残基层面的基因组与演化结构背景联系起来，也驳回了若干最初看似成立的假设。
Intology 的 Locus 把 AI 研发搬到分子发现：同等算力下，抗体设计少生成 1.5–2.8 倍候选
Intology 把自主发现系统 Locus 从语言模型后训练扩展到分子发现，在分子性质预测、小分子效价预测和抗体设计三类任务上，与 BioHub、Boltz 的既有最优方法和 Codex、Claude Code 等前沿大模型智能体在同等算力下比较。在六个靶点的 Boltz-2 适配任务中，Locus 的平均 Spearman 相关系数为 0.622，高于 Boltz-2.1 接口的 0.225、Claude Code 的 0.450 和 Codex 的 0.569。抗体设计上，Locus 用 1.5–2.8 倍更少的生成候选达到相当的结合评分，但评分来自 OpenDDE 的 ipSAE 代理指标，仍需湿实验验证。
Deep Genomics给siRNA活性预测补上百万碱基上下文：去掉基础模型，性能几乎减半
Deep Genomics 的 DeepRNAi 把 siRNA 局部杂交位点与转录本所在基因组区域的长程上下文放进同一个预测模型，后者由 BigRNA、Enigma、REPRESS 等生物基础模型提供，覆盖多达一百万碱基对的序列。在种子介导的敲低预测上，不含基础模型的 DeepRNAi 总体表现与带人工转录本特征的传统随机森林相当；接入基础模型后性能接近翻倍。两个药物发现案例中，模型对远端 3′ UTR 位点给出接近零的活性预测，与 Alnylam 公开的 PLG 实验数据一致。
生物基础模型搬进Codex：用自然语言指令就能跑扰动实验，学术用户可申请免费算力
Helical 发布面向 OpenAI Codex 的模型上下文协议（MCP）集成，让研究人员在已有的智能体工具里直接调用生物基础模型，并用自然语言指令在自己的数据上使用和继续训练模型。此前使用这类模型通常需要自行配置基础设施、搭建实验流程。随发布可用的模型之一是 Wellcome Sanger Institute 实验室开发的 PerturbGen，用于预测扰动如何改变细胞轨迹；Helical 与 Nebius 还为学术研究人员提供可申请的免费算力额度。
已读完全部报道