GPT-6.1 Sol参与小鼠活体脑手术：三轮定位误差降至0.3毫米
在小鼠脑部手术中，考验操作者的往往是进针之前的一个细节：找到头骨上几个极其关键的解剖标志。这些点看起来不起眼，却决定了后续手术坐标如何计算。位置稍有偏差，针头就可能无法准确抵达预定的脑区。 现在，AI 也开始学习这项操作了。 近日，生物科技初创公司 Exin Therapeutics 联合创始人兼 CEO Gabrie
小鼠脑部手术里，真正考验人的常常是下针前的一个环节：在头骨上认出几个关键的解剖标志。这些点看着不起眼，却决定了后面手术坐标怎么算。位置差一点，针头就可能到不了预定的脑区。
眼下，AI 也开始练这项本事了。生物科技初创公司 Exin Therapeutics 的联合创始人兼 CEO Gabriel Ocana-Santero 近日晒出一组实验结果：团队让 
GPT-6.1 Sol 连续做了三轮小鼠脑部手术定位。
每轮操作做完，专业外科医生都会对模型的定位结果作出纠正，模型则把自己的图像、测量数据和专家的修正记录存下来，留到下一轮参考。
结果挺有意思。到第三轮操作时，GPT-6.1 Sol 找解剖标志的用时从 169 秒降到 86 秒，需要的纠正动作从 4 次减到 2 次，定位误差也从 0.6 毫米压到 0.3 毫米。
Ocana-Santero 把这一过程叫作基于真实世界经验的上下文学习（In-context Learning）。
不过，这组数据只来自 3 次操作，离证明 AI 已经具备稳定的手术能力还差得远。它显示出的是一种变化：AI 开始把真实操作中的观察和专家反馈带进下一轮任务，一点点攒经验。
实验还带出一个问题：这到底是真实手术，还是模拟环境里的演示？X 用户 Stephane 在评论里直接向 Ocana-Santero 求证，对方明确答复是真实手术。Stephane 随后说，这种结合上下文、在执行过程中即时积累经验的做法很有意思。他还提到，自己正在另一个领域试类似机制：让模型把每次任务中获得的经验存下来，再碰到相关问题时直接调用。
先找到头骨上的两个点
才能准确定位大脑
要弄懂这次实验，得先认识两个神经科学实验里常出现的名字：Bregma（前囟点）和 Lambda（人字缝点）。
它们不是大脑内部的神经核团，而是小鼠头骨表面的两个解剖标志点。Bregma 在矢状缝与冠状缝的交汇处，Lambda 在矢状缝与人字缝的交汇处。研究人员一般拿 Bregma 当立体定位坐标的参考原点，再结合 Lambda 等标志校准头骨的位置和倾斜程度。
图源：https://www.jove.com/t/67381/an-immunocompetent-murine-model-for-laser-interstitial-thermal
为什么这么在意这两个点？小鼠脑部的很多实验，都得靠立体定位设备把注射针、电极或其他实验器械准确送到指定脑区。研究人员要先在头骨上找到参考点，再对照脑图谱，把目标脑区换算成前后、左右和深度三个方向的坐标，最后交给设备执行。整个过程看着只是找几个交点，实际要同时处理视觉识别、空间定位和坐标校准。
头骨上的缝合线并不总是看得清。小鼠个体之间还有解剖差异，头部固定角度和水平校准都会影响最终坐标。相关研究甚至专门讨论过不同测量方法带来的 Bregma 定位误差。
对刚接触这类实验的研究人员来说，准确找到标志点并完成头部校准，本身就是一项要反复练的基本功。
这次实验里，GPT-6.1 Sol 要做的正是其中一个关键环节：根据实验图像判断 Bregma 和 Lambda 的位置，给出自己的定位结果。随后由专家外科医生检查这些位置，对不准的判断加以修正。每轮操作结束，模型都会存下自己的估计图像和测量结果，以及专家纠正后的数据，这些信息就成了下一轮可以用的经验。
从 169 秒到 86 秒
AI 开始积累操作经验
这次实验最有意思的地方在于，GPT-6.1 Sol 并没有在每轮任务结束后把之前的操作记录简单清空。模型会保留此前操作中的图像和测量数据，同时记下专家给出的修正结果。这样，后续操作就能参考之前的判断与纠正，定位表现逐步改善。
三项指标全部向好：搜索时间砍掉近一半，纠正动作少了一半，定位误差同样减半。
实验走的是上下文学习这条路。通常训练模型，得靠训练数据和优化算法去调参数，让模型在后面的任务里长出新手艺；这次披露的机制不一样，重点落在操作记录的攒和用上——模型把之前的图像、测量结果连同专家反馈一并存下，再拿去指导后续操作。
至于这套经验记录到底怎么接进模型、有没有动到底层权重，团队目前没说。所以还不能讲成 GPT-6.1 Sol 靠三次手术完成了自主训练，或者参数层面的自我进化。
但从思路看，AI 已经因此具备了一种更接近人类实践学习的能力：先动手试，被纠正，再带着上一回的经验接着干。生物医学研究要做大量重复实验，这种能力有实际用处。
让 AI 做脑部注射，再到让它自己攒实验经验。
让 AI 碰真实的小鼠脑部手术，Exin Therapeutics 不是头一回。10 月 28 日，Ocana-Santero 披露过一次更抓眼球的实验：团队给 AI 智能体备了 19 种基因治疗载体、一只癫痫模型小鼠，还有一套带摄像头的电动立体定位手术设备，要找的是能减少癫痫发作的治疗方案。
AI 先得读相关研究资料，从候选方案里挑出基因治疗载体，再定往大脑哪个区域打、注射坐标是多少。之后它靠摄像头盯住手术区域，操纵设备上的机械臂和注射针，把注射做完。
全程注入的治疗载体为 250 纳升。
这项实验有一处不同：传统手术机器人一般由人类医生定方案，机器人只管执行动作；这回 AI 连治疗方案和脑区的选择也掺了进去。
不过全程并非无人盯着。切头皮、开颅、缝合由一名持证兽医外科医生负责，关键操作也在其监督之下。团队还设了绕不过去的操作限制、关键步骤要人审批的机制，以及能直接切断电机电源的物理急停装置。
有一次设备坐标出了异常，AI 认出了位置不对，拒绝让针头继续移动。故障最后是研究人员人工修好设备控制代码才解决的。
10 月 31 日，Ocana-Santero 又放出了进一步实验：Claude Sonnet 5、GPT-6.1 Sol 和 Grok 4.7 各自参与了同一目标下的小鼠脑部实验。三个模型拿到的 19 种候选基因治疗载体相同，实验目标也相同，选出的脑区、治疗机制和方案却各不相同——Claude 挑了内嗅皮层，GPT 挑了海马体，Grok 挑的是躯体感觉皮层。
也就是说，同一个科学问题摆在面前，不同模型可能按各自的知识推理走出不同的实验路径。哪条路更有效，还得靠后续实验来验证。
从早先让 AI 选治疗方案、控制注射设备，到眼下让它靠连续操作和专家反馈把定位越做越准，Exin 正试着把 AI 接进更完整的实验流程。
