GPT-6登顶第一，AlphaFold之后最大震撼，成抗体预测最强AI

自AlphaFold问世以来，科技界迎来了又一次重大突破。

OpenAI总裁Greg Brockman刚刚转发的一条动态，立刻在科技和医药领域引发轰动。

知名科学家Andrew Aiginin在X平台上发布了振奋人心的消息——

在严格的独立评估中，GPT-6 Astra超越了所有现有顶级模型，成为抗体可开发性预测方面最强大的人工智能。

它不仅在评分上位居首位，还在短短一小时内自主创建了复杂的抗体机理交互式可视化界面。

长期以来，行业里有一个普遍看法：“AI for Science，必须用专门的模型处理专门的问题。”

例如AlphaFold专注于蛋白质折叠，而大型语言模型通常只被视为编写代码和阅读文献的辅助工具。

然而，GPT-6 Astra今天彻底打破了这一认知。

它凭借通用智能，直接攻克了生物医药研发中最难量化、最棘手的临床前难题。

这并非偶然。构建该测试基准的顶尖AI制药团队Insilico Medicine在arXiv上发布了一篇长达21页的重要论文。

这篇论文不仅首次揭示了测试GPT-6 Astra的DDD Benchmark的严苛程度，还展示了从化学小分子合成到抗体大分子预测，通用大模型正全面接管最核心的科学领域。

AlphaFold之后的科学范式转变，或许才刚刚拉开序幕。

实测结果显示：GPT-6 Astra接入DDD Benchmark的抗体可开发性测试模块后，综合了六种不同抗体实验数据，取得了37.98分的惊人成绩，远超所有参与评估的模型。

AI学者Rim Shayakhmetov发出难以置信的感叹：“专用模型在此类任务中的常规得分是多少？这个结果太有意思了，在药物发现的基准测试中，很难看到前沿大语言模型在不依赖外部专用工具的情况下如此出色！”

在没有专业生物信息学插件和专门抗体数据微调的情况下，一个通用大模型竟能直接抓住抗体成药性的关键，这令人无比振奋。

要理解GPT-6 Astra这一成就的价值，首先需要了解医药界一个残酷的现实。

Andrew写下一句直击要害的话：“找到一个能结合的抗体只是开始。它会聚集吗？它能保持稳定吗？它真能像药物那样发挥作用吗？”

这句话道出了全球无数新药研发人员的辛酸历程。

过去，讨论抗体药物研发时，大家最关注的是“结合力”。

通俗来说，就是抗体能否像钥匙插入锁孔一样，精准识别并结合到病毒或癌细胞的靶点上。

早期AI模型在预测结合方面已经表现出色。

然而，能结合并不等于能变成药。

这就像恋爱，双方一见钟情只是第一步，能否走进婚姻并经受住生活的考验才是关键。

在药物研发中，这种“生活的考验”被称为“成药性”。

现实中，许多看似结合力极强的“完美抗体”，一旦进入真实生理环境或工业生产环节，就会暴露出致命缺陷：

它会聚集成团吗？结构稳定吗？它能否真正表现出药物的特性？

这些属性统称为抗体可开发性。

这是整个生物制药界的“死亡之谷”。

它导致了一个极其惨烈的局面：全球每年有成千上万个抗体分子在实验室中表现优异，但最终在成药性评估阶段失败。

药企因此烧掉数十亿美元，耗费数年甚至十几年时间，最终一无所获。

而今天，GPT-6 Astra宣称，它能比世界上任何其他前沿模型更准确地预测这些成药性特征。

有人可能会质疑，这会不会只是一个“刷榜”成绩？

答案是否定的。

Bogdan A. Zagribelnyy博士指出，Astra登顶的平台是他们构建的DDD Benchmark。

在他们发布的论文中，可以看到这个测试体系有多么硬核。

虽然推文讨论的是大分子抗体，但论文展示了该团队在小分子化学领域建立评测标准的惊人深度。了解这个背景后，才会明白Astra的夺冠有多么不可思议。

在论文中，研究团队聚焦了另一个制药界的世纪难题：单步逆合成。

简单来说，逆合成是“化学界的倒推法”——给定一个目标药物分子，需要倒推出如何用现成、便宜的化学原料来合成它。

过去的AI评估方式是：给AI一个目标分子，AI输出一个合成路径，如果与现有专利数据库中的完全一致，就算满分。

但这在真实世界中几乎行不通，因为合成路径天生是“一对多”的，传统的“单一标准答案”评估法极大限制了AI探索未知的能力。

为此，Insilico团队构建了极其严苛的测试环境：

1. URSA-expert-2026基准：包含100个由机器生成、并由顶尖人类化学专家手动确认合成可及性的全新分子数据集，与任何公开训练数据完全隔离，杜绝了模型“背题”的可能。

2. ChemCensor打分系统：他们不关注模型是否完美复刻专利，而是开发了ChemCensor框架，从反应中心映射、官能团兼容性等最底层的化学物理规则出发，判断模型生成的反应是否具有真正的化学合理性。

正是在这种严格的物理化学规律考核下，传统的大语言模型几乎全部失败。

在早期的Top-1测试中，即使是GPT-5.5、Gemini 3.1 Pro等强模型，其表现也无法超越最顶尖的专用传统化学模型。

“大力出奇迹”的通用大语言模型似乎遇到了瓶颈。

通用大语言模型拼不过专用模型，该怎么办？

论文给出的答案震撼了业界：不要更换模型，而是改变激发通用模型潜力的方法。

研究团队在论文中提出了三大关键策略，彻底解锁了大模型在化学领域的潜力：

第一招：Top-K提示词范式。既然逆合成是“一对多”，就不要让大语言模型只猜测一次。团队在提示词中明确要求：“给我15种不同的答案”。奇迹出现了，仅切换到Top-K模式，几乎所有大模型在化学合理性和多样性上都实现了爆发式增长。Gemini 3.1 Pro在Top-15模式下性能飙升，直接成为最强的大语言模型基线。这证明大模型拥有科学知识，只是过去的提问方式不对。

第二招：构建4560万规模的超大核验数据集。为了训练专门针对化学限制对齐的语言模型，团队不惜算力，利用虚拟合成引擎和ChemCensor框架，构建了一个包含约4560万个经过验证的真实化学反应的超大规模数据集。

第三招：强化学习中的“新颖性”奖励。在微调C3LM模型时，他们引入了GRPO强化学习算法。奖励函数极其刁钻：模型给出的合成路径不仅要符合ChemCensor的化学合理性，而且如果模型能想出一种连4500万训练集中都没有、但依然合理的全新反应，将获得额外巨大奖励。

结果是什么？经过这种地狱级训练的C3LM模型，在URSA-expert-2026盲测中，终于一举击败了MHNreact等所有传统专用SSRS模型。数据分析显示，C3LM和其他基础大模型能够探索出与传统模型完全互补的反应空间，生成了大量传统模型想不到的独特路径。

论文的核心结论是：大语言模型不仅能处理自然语言，只要给予正确的环境和激励，它们完全可以掌握最深奥的化学键、官能团和合成逻辑。

如果你理解了这篇论文，就会明白Bogdan博士为什么将GPT-6 Astra的成绩与它联系起来。

在这篇论文中，Insilico团队费尽心力，用4500万条数据微调、强化学习对齐、Top-K提示词引导，才让大模型在小分子化学合成上打败专用模型。

然而，当测试赛道切换到更复杂、维度更高的大分子可开发性预测时，GPT-6 Astra居然在未使用外部工具的情况下，直接在同样的DDD Benchmark测试体系下登顶，拿下37.98分。

这绝对是降维打击。

过去，解决抗体稳定性问题需要专业团队设计专门的三维图神经网络。

而现在的GPT-6 Astra，其通用世界模型中似乎已经内化了物理、化学、生物的底层逻辑。

在阅读了人类历史上浩如烟海的论文、专利、实验数据，并通过多模态学习了微观世界的物理法则后，它已经能像人类专家一样，凭直觉判断一个蛋白质分子在溶液中为什么会聚集。

此外，Astra展现出的工程效率同样令人震惊。

Andrew Aiginin提到：“顺便提一句，这个展示抗体实际工作原理的交互式可视化页面，也是用Astra在大约1小时内建好的。”

在传统药企，做这样一个系统，整个流程至少需要两三周。

现在，1个小时，一个人，一个通用大模型，就能解决。

GPT-6在抗体基准上的跑分第一，宣告着通用大模型已显现出AGI雏形，在人类最顶尖智力活动中取得了实质性统治。

这个榜单第一，宣告了这个新时代的到来——

未来十年，科学发现的核心驱动力，可能不再是为每一个孤立的科学问题定制专门的AI模型；而是学会如何向一个如同神明般的ASI提出正确的提示词。

小分子逆合成被突破了，大分子抗体成药性被突破了。

从新药研发到材料科学，从聚变控制到量子物理，通用大模型的外溢红利，即将如海啸般席卷所有硬核行业。

参考资料： https://arxiv.org/html/2608.18940 https://x.com/gdb/status/2098167375342239957 https://x.com/andrewaiginin/status/2098078245350518884 本文来自微信公众号“新智元”，作者：ASI启示录，编辑：Aeneas 大卫，36氪经授权发布。