允中 发自 凹非寺

过去半年，只要留意硅谷几家最顶尖的AI实验室，就能看到一场针对“生命科学”的闪电合围已经悄悄落定：今年4月，OpenAI率先出手，推出专为生命科学打造的垂直推理模型GPT-Rosalind（之后很快迭代成以GPT-5.5为底座的GPT-Rosalind-5.5），同步还拿出了一套严苛的

• 到了5月，Google紧跟着发布了

从垂直底层模型、评测标准再到科研工作台，短短半年里，全球头部AI企业已经把生命科学当成验证AGI与

不过，这股前沿浪潮落到现实里，国内生命科学界和开发者在实际落地时，仍有两道绕不开的门槛：

一头是，以GPT-Rosalind为代表的海外生信垂域模型基本闭源。更要紧的是，这些模型未必能直接满足国内课题组和药企对

另一头，生物信息学本身门槛就高。面对动辄数百万行的测序数据、缺标签的实验样本，还有涉及多步统计检验、复杂工具调用的

通用模型做生信，像在背医学百科：术语层面对答如流，真进沙盒一跑就报错崩掉。

垂域RSI模型做生信，则是把模型直接丢进命令行和数百万行原始噪声里：自己写脚本、调数据库、做交叉验证。没跑通的一方，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。该模型面向专业生物信息学任务研发，瞄准的是OpenAI GPT-Rosalind等专业模型探索的方向，完整模型权重也已开放。目前Fx-Bio-1031已经跑通生物医药干实验。

在Anthropic发布的70.59%的GPT-6-Astra（47.06%）与Claude Opus-5（52.94%）。相比之下，Fx-Bio-1031分别高出23.53和17.65个百分点。另外，在考察复杂科学分析全流程能力的89.50%。

面对连人类专家都头疼的高难度任务，它不再只是背基因名词的“文献问答机”，而是能写代码、装软件、调数据库、做交叉验证，甚至在算出显著结论之后，主动再给自己连上14道“魔鬼质询”。

先看成绩单：在人类专家卡壳的深水区，拉开代差

为什么

在Anthropic的BioMysteryBench里，模型没法靠检索原始数据集的现成结论蒙混过去，而是被直接放进真实的生物数据和Linux工具环境，完成一连串复杂分析任务。这些任务覆盖

它得跟真正的计算生物学家一样：自己审视原始文件、去

在团队统一的智能体评测框架下，Fx-Bio-1031交出了这样的答卷：△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代表k次尝试中至少一次成功解出复杂任务的占比。

仔细看这张图，最刺眼的数字出现在Difficult（困难子集）。题目落在人类专家可解子集（Solvable）时，顶尖模型都在90%以上神仙打架；可一旦进入需要数十步长程推理、多源证据拼图、甚至人类专家都会折戟的Difficult深水区，GPT-6-Astra和Opus-5的通过率瞬间跌破或卡在50%左右。

Fx-Bio-1031则一路推到70.59%，比对手高出17.65至23.53个百分点。

模型之间的真差距，从来不体现在送分题上。条件残缺、信噪比极低、连人类都得苦想好几天的极限任务，才是分水岭。

五大落地场景：这款国产开源生信模型能解哪些痛点？

在高难基准上胜出，只是开了个头。

医院临床团队、高校课题组每天都在产生海量数据，

靠专业生信分析能力、工具调用能力，加上本地沙盒运行环境，Fx-Bio-1031主要指向五类应用场景：

1. 药物研发与临床肿瘤队列挖掘（靶点与生物标志物验证）

药企在本地私有化环境里，可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、患者亚群分型与生存关联复核。

新一批临床样本入组后，一键重跑全套管线，还会自动做十余项敏感性分析；原本要生信团队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）

覆盖全基因组（WGS）、常规转录组（

从“启动子区域甲基化变化筛选”到“基因表达关联分析与

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）

碰到匿名的临床分离株、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锁定抗性基因或新型防御系统信号。

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）

湿实验遇上样本标签混淆、批次效应干扰，或期刊审稿人提出“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，研究员可直接把问题和数据交给模型，让它联动NCBI、Ensembl、COSMIC等公共数据库交叉验证，快速完成盲测溯源与补充实验。

5. 生信自动化Agent底座与定制化管线开发（AI+Bio开发者生态）

凭借512K超长上下文和强化过的工具调用能力，开发者能把Fx-Bio-1031直接接入深势科技BioMaster等科研智能体工作台，或企业内部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，甚至跨过学科边界？

第一，极致性价比，专为私有化本地部署而生（数据不出域）。

市面上动辄万亿参数、只能靠高昂海外云端API的巨无霸模型是另一条路；Fx-Bio-1031走的是总参数量125B、每token仅激活6B参数的高效MoE架构。

激活参数规模较低，推理时所需计算量相对可控，推理成本也就有望降下来。医院科室、高校课题组与药企不必搭天价算力集群，在本地机房就能私有化部署。

说到底，推理开销能打下来，核心临床与组学数据“绝不出境、绝不出域”的安全红线也能从物理源头守住，同时在特定专业任务上跑出了超过通用巨模型的实战精度。

第二，不止于生信，依托RSI-OS能够面向万千场景快速迁移。

生物信息学不过是这套自演进体系拿来试水的头一块石头。模型在训练里真正学到手的，是一套通用的解题路数：把含糊的需求拆开、调用工具、交叉验证、自己纠错。

有了RSI-OS的快速迭代能力撑着，这套方法论不只能在生命科学里扎根，还能便宜、高效地横向搬到化学材料、药物分子设计、工业研发，以及金融、软件工程这些“规则能验证、数据够复杂”的垂直领域。

三个实打实的现场：就算你不懂生物学，也能看清它执行起来有多狠

Fx-Bio-1031凭什么能撑住这五大硬核场景？

团队把它在评测和真实盲测里的三个运行现场直接摆了出来，用大白话讲清楚题目难在哪，再看它怎么破局。

破案一：算出显著结果才刚起步，它转头给自己上了14项“压力测试”

大白话：

1、药企做抗癌药研发，最头疼的是“假阳性”——账面上算出两个癌症基因“水火不容”（互斥），可换一套筛选标准，结论就塌了。

2、这道题里，AI先从将近两千条医院记录中算出“这两个基因确实互斥”；它没急着交卷，反而把判断标准换了14种更苛刻的写法，一遍遍验算。

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？”

不少时候，所谓的“重大发现”，不过是刚好卡在某个筛选阈值上。要检验结论硬不硬，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），要求查清楚：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先动手清理1,918份杂乱的样本记录，把MAF文件里完全重复的记录去掉，精准锁定762名独立患者，随后算出核心结论：ESR1突变患者的通路变异率只有7.1%，野生型患者则是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。

对ESR1突变与RAS/MAPK通路变异做了关联分析。左侧对比的是两组患者的变异率，右侧则给出主分析、代表性敏感性分析以及阴性对照的结果。

换成一般模型，p值算完就交卷了。Fx-Bio-1031偏不：它对自己的结论主动发起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，试着只统计基因扩增（amp only），甚至主动把PIK3CA和CDH1两个基因拉进来当阴性对照（Negative controls）。

最后交出来的不只是显著性结论，还有一张明明白白的“结论边界地图”：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太宽，或者只统计基因扩增，统计显著性就没了。

也就是说，它不光算得准，还很清楚“结论的边界在哪”。

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，只晓得其中3管是水（对照组），另6管分别加了A、B两种药。

2、AI先做内部数据比对，把长得最像的样本分成三堆（每堆3管）；再自己跑到外部数据库查出“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，9管无标签样本的身份全部归了位。

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

团队喂给模型的，是9份没带任何分组标签的人源诱导多能干细胞（hiPSC）ATAC-seq测序样本，原始数据涉及110,559个染色质开放峰（peaks）。

题目只给了一条线索：其中6份样本用两种class I HDAC抑制剂处理过，剩下3份是没处理的空白对照。

这9份样本里，究竟哪一份对应哪一组，需要给出答案。

没有任何标签，靠什么辨认？Fx-Bio-1031先往数据内部找结构：滤掉低信号噪声，对9份样本在83,354个位点上做两两相关性计算，9份样本被干净地分成三组，每组各含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。

可第二步才是真正的难关：分成三堆以后，哪一堆是未加药的对照组？只看数据内部的相似程度，谁也判断不了。

这时候，Fx-Bio-1031表现出很强的科研直觉：它没有停留在当前文件里，而是主动去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"当标尺，再逐峰比较位移，核对两组药物处理的响应是否吻合，最后定下结论，还原出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：致癌因素会在肿瘤里留下特定的"作案指纹"，紫外线、烟草、基因修复缺陷都算；AI 完全不看图谱，从206万条数据里连跑76步，把乳腺癌的头号元凶揪了出来。

2、自动排雷：一位真实用户上传了一份带底层缺陷（数据格式错位）的细菌测序文件，普通软件一跑就崩，AI准确找出并切掉这行坏数据，连跑258步交出完美报告。

数据规模推到极限，或者原始数据本身就带着"坑"，模型还能不能稳住？

另一道高难题里，输入直接给到2,700个肿瘤样本、206万个单核苷酸变异（SNV）、96个突变通道，既不提供参考库，也不指定算法，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，开展非负最小二乘（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，完成76步分析操作，准确锁定答案。

基于BioMaster平台做过一项细菌测序分析测试，要求模型根据输入的测序reads（原始测序读段）推断菌株的鞭毛H抗原式，说白了就是给未知细菌做精准身份分型。

启动分析前的底层数据质检阶段，Fx-Bio敏锐地抓出一个极其隐蔽的工程Bug：R2测序文件的最后一条记录里，碱基序列长度与质量值长度根本对不上。

它主动写脚本剔除这条损坏记录，随后调用专业工具SeqSero2完成预测；中间首次运行报错，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，最终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

一个模型凭什么能在如此琐碎、硬核、容错率极低的专业领域里，表现出老练研究员般的直觉与工程韧性？

答案藏在无界前沿一以贯之的核心信仰里：RSI（Recursive Self-Improving，递归自我改进）。

今年，从谷歌传奇元老Jeff Dean离职创办Discovery Loop，到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更像真进了高考考场：碰上的开放难题从没见过，清洗数据、调用工具、统计检验一环扣一环，光靠死记单一题型，换张考卷就全盘失效。

今年8月，无界前沿发布BigBang-V1，其科学前沿数据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正面硬刚万亿参数大模型。

这一回在Fx-Bio-1031上，无界前沿把自我进化的引擎往纵深又推了一步：科研大循环很难一步闭合，就拆解并咬合成"评估层+数据层+环境层"三层可复利演进的RSI飞轮。

评估层（AI参与检验什么算好）

无界前沿与深势科技BioMaster团队合作，搭建了一套内部独立验证体系，选题来自生物信息分析里的常见任务和复杂流程，考察点落在数据处理、工具调用、多步分析以及结果复核这些环节上。

他们把模型、工具和沙盒装进同一个完整系统，让114道自建高难度任务独立跑了三轮，合计342个题次，期间发出的模型请求超过20,000次。

数据层（AI针对短板自己造题）

沿着BigBang那套数据层演化思路，训练任务的生成、求解和审查都有AI深度参与。

内部独立验证集不是外部公开评测基准，它暴露出模型在通用能力上的短板，比如跨批次统计口径漂移、多步证据链断裂。系统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BioMysteryBench、BixBench3这些外部公开基准，全程零接触，只当最终盲测考卷用，训练、微调、数据合成策略调整都不许碰它们。

环境层（AI参与打磨工具与环境）

这一环在生信领域潜力很大。模型迭代时学到的不只是知识，它还会动手写和修生信分析脚本，并与不断演进的智能体运行框架（Harness）配合，让下一轮模型执行任务时的“武器库”和运行环境一起变强。

三层飞轮的第一站，为什么挑生物信息学？

理由在于这里的文献最杂、数据最碎、推理链最长，而代码执行的结果和统计检验还能复查、能重算。

在这片天然练兵场上，飞轮转起来之后，模型进化就不用再被人类专家的产能卡住上限。

无界前沿把这套把“评估—数据—环境”三层串成闭环的底层引擎叫作RSI-OS（递归自演进操作系统）。

Fx-Bio-1031能在海量复杂任务里高频迭代、快速收敛并持续进化，靠的就是RSI-OS这条持续自演进管线，加上深势科技高性能机器学习平台（Trisol）提供的底层算力和训练工程支撑。

完整权重开源：让生信基座可控可用

无界前沿今天把Fx-Bio-1031的完整模型权重正式开放出来。

• 架构方面，模型基于Qwen3.8-Flash-Next做了深度RSI后训练。

• 上下文与思考模式方面，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、大规模组学统计输出都能一次装下。

• 生态方面开箱即用：完整模型权重、分词器、处理器配置、生成配置一并提供，采用Qwen Community License 1.0协议；如果要把本模型或衍生模型用于商业用途，请先查阅并遵循Qwen社区许可协议里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。

创始团队聚拢了高校和产业界的顶级研究者与工程师。核心成员陈思衡和张林峰此前曾带队研发科学基座大模型Innovator和通用科研智能体SciMaster。

课题组或研发团队如果手上正有一批组学数据，想复核某个关键生物学关联、排查诡异的实验分组，或者打算把一条高频使用的生信分析管线彻底自动化，可以带着真实问题来找无界前沿交流，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

抢先加入无界前沿模型试用社群，让科学家与开发者面对面交流。

*本文系量子位获授权刊载，观点仅为原作者所有。