允中发自凹非寺，量子位公众号QbitAI。

回看过去半年，硅谷那几家最顶的AI实验室，其实已经悄悄把生命科学这块地盘围了一圈：

• 4月，OpenAI先出手，推出专门做生命科学的垂直推理模型GPT-Rosalind，没多久又迭代成以GPT-5.5为底座的GPT-Rosalind-5.5，同时上线了一套要求很严的生信评测基准；
• 5月，Google跟上，发布Gemini for Science；
• 6月，Anthropic正式推出面向科研人员的AI工作台Claude Science。

底层垂直模型、评测标准、科研工作台，半年时间里全球头部AI企业把生命科学当成了检验AGI与RSI成色的主要战场之一，全栈布局纷纷铺开。

可这股浪潮落到国内，生命科学界和开发者在实际落地时，撞上了两道绕不开的门槛：

一道是海外生信垂域模型大多闭源，GPT-Rosalind就是代表。更麻烦的是，这些模型未必能直接满足国内课题组和药企对本地化部署、数据安全、业务适配的要求；

另一道是生物信息学本身门槛就高。测序数据动辄数百万行，实验样本标签缺失，分析管线里还有多步统计检验和复杂工具调用，通用大模型想稳定做完真实科研任务，往往还得配上专业知识、工具链和执行环境。

通用模型做生信，有点像背医学百科：术语说得头头是道，一进真实沙盒就报错崩溃。

垂域RSI模型做生信，是把模型直接丢进命令行和数百万行原始噪声里，让它自己写脚本、调数据库、做交叉验证。跑不通的一方，只能看着代差一代代拉大。

今天，无界前沿正式开源生物信息大模型Fx-Bio-1031。

这个模型是面向专业生物信息学任务研发的，方向对标OpenAI GPT-Rosalind等专业模型的探索，完整模型权重对外开放。目前Fx-Bio-1031已经跑通生物医药干实验。

Anthropic发布的BioMysteryBench基准里，Fx-Bio-1031在困难子集（Difficult）上拿到70.59%的Pass@5，同框架下的GPT-6-Astra是47.06%，Claude Opus-5是52.94%，Fx-Bio-1031分别高出23.53和17.65个百分点。

在考察复杂科学分析全流程能力的BiomniBench上，Fx-Bio-1031的Pass@3达到89.50%。

面对连人类专家都头疼的高难度任务，它不再只是个会背基因名词的“文献问答机”：写代码、装软件、调数据库、做交叉验证都能干，甚至算出显著结论后，还会主动给自己再连上14道“魔鬼质询”。

先看成绩单：人类专家卡壳的深水区，它拉开了代差。

生物信息学凭什么成了检验AI智能体（Agent）成色的残酷试金石？

Anthropic的BioMysteryBench里，模型没法靠检索原始数据集的现成结论蒙混过关，而是被直接扔进真实生物数据和Linux工具环境，完成一系列复杂分析任务。任务覆盖全基因组测序（WGS）、单细胞转录组（scRNA-seq）、染色质开放性（ATAC-seq）、宏基因组与蛋白质组学。

它得像个真正的计算生物学家：自己翻原始文件、去NCBI和Ensembl捞注释、编写多步统计脚本，走不通就推翻重来。

在团队统一的智能体评测框架下，Fx-Bio-1031交出的答卷是这样：

△Fx-Bio-1031在Anthropic BioMysteryBench、BiomniBench等基准上与GPT-6-Astra、Opus-5的对比结果（数据来源：Hugging Face官方评测）。Pass@k指k次尝试中至少一次成功解出复杂任务的占比。

把这张图放大细看，最扎眼的数字落在Difficult这一档，也就是困难子集上。

题目落在人类专家能解的范围（Solvable）时，几家顶尖模型的通过率都在90%以上，彼此咬得很紧；可一旦进入Difficult这片深水区——要跑数十步长程推理、拼多源证据，连人类专家都可能栽跟头——GPT-6-Astra和Opus-5的通过率立刻掉下来，或者卡在50%上下。

Fx-Bio-1031在这一档跑出了70.59%，领先对手17.65到23.53个百分点。

模型之间的代差，其实从来不出现在送分题上，真正见分晓的是那些条件残缺、信噪比极低、人类也要琢磨好几天的极限任务。

五大落地场景：这款国产开源生信模型能解决哪些痛点？

在高难基准上赢下来，只是头一步。

医院临床团队、高校课题组、Biotech药企和CRO机构每天都在产出海量数据，对它们来说，真正有价值的是AI能不能扎进实际科研流程：处理不同种类的组学数据，把数据质控、统计分析到结果验证这一串复杂活儿做完，还要融进现有的科研工作流。

靠的是专业生信分析能力、工具调用能力和本地沙盒运行环境，Fx-Bio-1031主要面向下面五类应用场景：

1. 药物研发与临床肿瘤队列挖掘（靶点与生物标志物验证）

药企可以在本地私有化环境里，对大批患者临床测序队列做基因共突变／互斥分析、耐药机制排查、患者亚群分型以及生存关联复核。

新一批临床样本入组之后，一键重跑整套管线，自动开展十余项敏感性分析，原本生信团队要排期数周的靶点立项调研，被压到小时级。

2. 多组学联合分析与分子机制拆解（高校与科研院所）

涵盖全基因组（WGS）、常规转录组（Bulk RNA-seq）、单细胞转录组（scRNA-seq）、表观遗传学（DNA甲基化、ATAC-seq、ChIP-seq）以及蛋白质组学数据。

从“启动子区域甲基化变化筛选”到“基因表达关联分析与功能通路富集”，原始矩阵清洗、统计检验、发表级图表与报告生成，整条证据链模型都能端到端跑通。

3. 病原微生物溯源、宏基因组挖掘与质控排障（疾控、临床检验与测序服务商）

碰上匿名的临床分离株、肠道感染样本或海量环境宏基因组数据，模型能自动完成底层FASTQ/MAF脏数据的质检与修复，精准鉴定病毒／细菌物种及血清型（如诺如病毒亚型、鞭毛抗原式），并从复杂背景噪声里把抗性基因或新型防御系统信号揪出来。

4. 实验异常排查、盲测还原与审稿补实验（湿实验与干实验协同）

湿实验碰上样本标签混淆、批次效应干扰，或者期刊审稿人提出“换一种统计口径／加做阴性对照结论是否依然成立”这类严苛质询时，研究员把问题和数据直接丢给模型，联动NCBI、Ensembl、COSMIC等公共数据库交叉验证，盲测溯源与补充实验很快就能完成。

5. 生信自动化Agent底座与定制化管线开发（AI+Bio开发者生态）

借助512K超长上下文和强化过的工具调用能力，开发者可以把Fx-Bio-1031直接接进深势科技BioMaster等科研智能体工作台，或者企业内部LIMS系统，搭出能自主写代码、装软件、诊断报错并交付可审计报告的自动化生信流水线。

这套基座凭什么能真正走进产业一线，甚至跨出学科边界？

第一，性价比做到极致，专为私有化本地部署而生（数据不出域）。

市面上有些巨无霸模型动辄万亿参数，只能靠昂贵的海外云端API；Fx-Bio-1031走的是另一条路，采用总参数量125B、每token仅激活6B参数的高效MoE架构。

激活参数规模小，推理时的计算量就相对可控，推理成本也随之降下来。医院科室、高校课题组和药企不用砸钱建天价算力集群，在本地机房就能完成私有化部署。

推理开销被压了下来，核心临床与组学数据也从物理层面守住了“绝不出境、绝不出域”这条安全红线；而在特定专业任务上，它的实战精度已经跑到了通用巨模型前面。

第二点，这套本事不只用在生信上，借助RSI-OS，它能迅速迁到万千场景。

生物信息学不过是这套自演进体系撞上的第一块试金石。模型在训练里真正学到的，是一套通用的解题路数：把模糊需求拆开、调用工具、交叉验证、再自我纠错。

有了RSI-OS的快速迭代能力，这套方法论既能扎在生命科学里，也能低成本、高效率地平移到化学材料、药物分子设计、工业研发，甚至金融、软件工程这些“规则可验证、数据高复杂”的垂直领域。

三个硬核现场：不懂生物学，也能看懂什么叫“恐怖执行力”

Fx-Bio-1031凭什么扛得住这五大硬核场景？

团队把它在评测和真实盲测里的三个运行现场直接拆开，用大白话讲清问题有多难，再看它怎么破局。

破案一：算出显著结果只是开头，它反手给自己上了14项“压力测试”

大白话：

1、药企研发抗癌药，最怕“假阳性”——表面上算出来两个癌症基因“水火不容”（互斥），可换一个筛选标准，结论就塌了。

2、这道题里，AI先从近两千条医院记录中算出“这两个基因确实互斥”；但它没急着交卷，而是主动把判断标准换成14种更苛刻的写法，反复验算。

做数据科学和生信研究，最怕听到一句话：

“换个统计口径，这个显著规律还站得住吗？”

不少所谓的“重大发现”，不过是恰好卡在某个特定的筛选阈值上。要验证结论硬不硬，研究员得推翻重筛样本、调整纳入标准、把全套检验重跑一遍。

有一道乳腺癌临床队列任务（BiomniBench da-18-7），要求探究内分泌治疗后的HR+/HER2−乳腺癌患者体内，ESR1突变与RAS/MAPK通路变异究竟是“倾向共存”还是“相互排斥”。

Fx-Bio-1031先从1,918份杂乱的样本记录下手，清掉MAF文件里完全重复的记录，精准锁定762名独立患者，得出核心结论：ESR1突变患者的通路变异率只有7.1%，远低于野生型患者的19.5%（比值比OR=0.317，p=0.0011），10万次置换检验进一步坐实了强烈的“互斥”信号。

针对ESR1突变与RAS/MAPK通路变异之间的关联做了分析。图中左边对比的是两组患者的变异率，右边则给出主分析、一个有代表性的敏感性分析以及阴性对照的结果。

换成一般模型，算完p值就交卷了。Fx-Bio-1031接下来干的事相当硬核：它主动对自己的结论发起14项敏感性分析，还设了阴性对照。

它试着把突变范围收紧到特定热点区域（LBD hotspots），试着剔除拷贝数变异只看点突变，试着只看基因扩增（amp only），甚至主动把PIK3CA和CDH1两个基因拉进来当阴性对照（Negative controls）。

结果它不光交出显著性结论，还画出一张清清楚楚的“结论边界地图”：在绝大多数严苛设定下，互斥效应稳如泰山；可一旦把变异定义放得过宽，或只统计基因扩增，统计显著性就没了。

说到底，它不光算得准，还非常清楚“结论的边界在哪里”。

破案二：9份标签被彻底撕掉的样本，怎么靠跨库推理完成“盲测破案”？

大白话：

1、实验室里9管样本的标签全没了，只知道其中3管是水（对照组），另外6管分别加了A、B两种药。

2、AI先做内部数据比对，把长相最像的样本归成三堆（每堆3管）；随后自己到外部数据库里查出“加了A或B之后细胞会往哪个方向变”，拿外部铁证回头比对，把9管无标签样本的身份全部归位。

来看一道Anthropic BioMysteryBench的高难盲测题（hb047）。

团队给模型输入的是9份人源诱导多能干细胞（hiPSC）ATAC-seq测序样本，全部不带分组标签，原始数据覆盖110,559个染色质开放峰（peaks）。

题干只透露一条信息：这9份里有6份经过两种class I HDAC抑制剂药物处理，剩下3份没做任何处理，是空白对照。

剩下的任务就是分辨每份样本的归属。

标签没有，靠什么认？Fx-Bio-1031先往数据内部找结构：滤掉低信号噪声，算出9份样本在83,354个位点上的两两相关性，9份样本被干净地分成三组，每组3个重复。

△九份无标签ATAC-seq样本的相关性热图。模型结合样本聚类与公开药物响应数据推断实验分组。

难的地方在第二步。三堆分好之后，哪一堆才是未加药的对照组？只看数据内部的相似度，谁也判不出来。

Fx-Bio-1031这时表现出很强的科研直觉：它没有停在当前文件里，而是主动调取基因组注释和公开的HDAC抑制剂已知转录响应数据，把开放峰对应到基因，拿“外部已知的生物学响应方向”当参照，再逐峰比较位移，核对两组药物处理的响应是否对得上，最终确定了两组药物处理组和一组空白对照。

破案三：206万个变异、76步连续操作，连原始文件底层的Bug都逃不过它的眼睛

大白话：

1、大海捞针：紫外线、烟草、基因修复缺陷这类致癌因素，会在肿瘤中留下专属的“作案指纹”。AI全程不看图谱，从206万条数据里连跑76步，锁定乳腺癌的头号元凶。

2、自动排雷：有位真实用户上传了一份细菌测序文件，底层带着缺陷——数据格式错位。普通软件一跑就崩，AI却准确找出这行坏数据并把它切掉，连跑258步，交出一份完美报告。

数据量拉到极限，或者原始数据本身就有毛病，模型还稳得住吗？

另一道高难题直接给了2,700个肿瘤样本、206万个单核苷酸变异（SNV）、96个突变通道，参考库不给，算法也不指定，只要求找出乳腺癌队列合并统计下贡献最高的COSMIC SBS突变签名。

Fx-Bio在本地测试环境中自行解析突变矩阵与SBS参考签名谱，做非负最小二乘（NNLS）数学拟合，调起官方工具交叉验证，再跑200次Bootstrap抽样和跨版本复核，一共完成76步分析操作，准确锁定了答案。

基于BioMaster平台的一项细菌测序分析测试里，模型要根据输入的测序reads（原始测序读段），推断菌株的鞭毛H抗原式，相当于给未知细菌做精准身份分型。

启动分析前的底层数据质检环节，Fx-Bio抓出了一个很隐蔽的工程Bug：R2测序文件最后一条记录中，碱基序列长度和质量值长度对不上。

它自己写脚本删掉这条损坏记录，然后调用专业工具SeqSero2完成预测。中间第一次运行报错，它当场自我诊断、修复管线，全程连续跑完258步、耗时34.5分钟，最后交出一份完全可追溯的交付报告。

底层引擎：从BigBang到Fx-Bio，无界前沿的“三层RSI”进化飞轮

一个模型为什么能在这么琐碎、硬核、容错率极低的专业领域里，表现出老练研究员一样的直觉和工程韧性？

答案在无界前沿一直坚持的核心信仰里：RSI（Recursive Self-Improving，递归自我改进）。

今年，谷歌传奇元老Jeff Dean离职创办Discovery Loop，硅谷一众华人学者创立Recursive Superintelligence，全球最顶尖的AI大脑都在押注同一件事：人类专家出题和判卷的速度，已经彻底跟不上大模型进化的胃口。

唯一的破局点，就是让AI自己迭代AI。

• 普通微调像对着往年题库答案刷题：题型是固定的、标准答案就在那儿，答错了重调一次参数就行。
• 真实生信RSI更像真正走进高考考场：碰上从没见过的开放难题，清洗数据、调用工具、统计检验，每一步都咬合在一起，只会死记硬背某一种题型，换张卷子就全盘失效。

今年8月，无界前沿推出BigBang-V1。它用的科学前沿数据100%由AI自主合成、验证并演化，跑通了“数据层RSI”，让35B模型在多项高难科研基准上跟万亿参数大模型正面硬碰。

到了Fx-Bio-1031这一代，无界前沿把自我进化的引擎往更深处推了一步：科研大循环原本很难一步跑通，团队把它拆开、再咬合成三层能复利演进的RSI飞轮——评估层、数据层、环境层。

先说评估层，也就是让AI参与判断什么算好。团队拉上深势科技BioMaster团队，围绕生物信息分析里的典型任务和复杂工作流搭了一套内部独立验证体系，重点看模型在数据处理、工具调用、多步分析和结果复核上的表现。

验证在包含模型、工具与沙盒的完整系统里进行，114道内部自建复杂任务各自独立跑三轮，合计342个题次、超过20,000次模型请求。

数据层则延续BigBang的思路，让AI深度参与生成、求解和审查训练任务，针对短板自己造题。

内部独立验证集（不是外部公开评测基准）暴露出一些通用能力短板，比如跨批次统计口径漂移、多步证据链断裂，系统就据此在公开合规的科研文献和真实生信工作流上自主演化训练轨迹；至于外部公开基准（如BioMysteryBench、BixBench3等），一律当作零接触的最终盲测考卷，训练、微调、数据合成策略调整都不碰它们。

环境层是让AI参与打磨工具与环境，这在生信领域是极有潜力的一环。模型迭代时不光在学知识，还开始尝试编写和修复生信分析脚本，配合持续演进的智能体运行框架（Harness），下一轮模型干活时的“武器库”和执行环境也跟着变强。

三层飞轮的第一站为什么落在生物信息学？因为这里的文献最杂、数据最碎、推理链最长，代码执行结果和统计检验又能复查、能重算。

在这片天然的练兵场上，飞轮一旦转起来，模型进化就不再被人力专家产能的天花板卡住。无界前沿把这套打通“评估—数据—环境”三层闭环的底层引擎叫作RSI-OS（递归自演进操作系统）。

依靠RSI-OS的持续自演进管线，再加上深势科技高性能机器学习平台（Trisol）提供的底层算力与训练工程支撑，Fx-Bio-1031才能在大量复杂任务的高频迭代中快速收敛、不断进化。

完整权重开源：生信基座要可控可用

今天，无界前沿把Fx-Bio-1031的完整模型权重正式开放出来。

• 基础架构：在Qwen3.8-Flash-Next基础上做深度RSI后训练。
• 超长上下文与思考模式：发布配置原生支持512K上下文窗口，超长工具调用轨迹、多篇完整文献和大规模组学统计输出都装得下。
• 开箱即用生态：完整模型权重、分词器、处理器配置与生成配置一并提供（采用Qwen Community License 1.0协议；如需将本模型或衍生模型用于商业用途，请提前查阅并遵循Qwen社区许可协议的相关商业授权条款）。

模型权重与评测详情：https://huggingface.co/endless-frontier/Fx-Bio-1031

无界前沿由中国科学院院士发起，上海交通大学、上海算法创新研究院和深势科技联合孵化。创始团队汇集高校和产业的顶级研究者与工程师，核心成员陈思衡和张林峰曾带队研发科学基座大模型Innovator和通用科研智能体SciMaster。

如果课题组或研发团队手里正握着一批组学数据，想复核某个关键生物学关联、排查诡异的实验分组，或者把一条高频使用的生信分析管线彻底自动化，可以带着真实问题与无界前沿交流，从一项结果可复查的任务开始联合验证。

联系无界前沿：pr@endlessfrontier.tech

现在就能加入无界前沿的模型试用社群，科学家和开发者可以在里面直接对话。

*本文系量子位获授权刊载，观点仅为原作者所有。