GPT-6.1 Sol参与小鼠脑手术：三轮操作后定位误差降至0.3毫米

进针之前最难的那一步

做过小鼠脑部手术的人清楚，推药那一下反倒不算最棘手，真正考验手上功夫的是进针前的定位。

你得在一颗指甲盖大小的头骨上，辨认出几个肉眼几乎分不清的解剖标志点。它们无非是几条细缝合线交会的地方，可后面所有坐标都要以它们为基准。位置只要偏出零点几毫米，针就可能扎进错误的脑区，整批实验数据随之报废。

新手想找对这些点，只能一遍遍练，有时还得靠资深研究员站在旁边指点。如今，AI 也切进了这道环节。

生物科技初创公司 Exin Therapeutics 的联合创始人兼 CEO Gabriel Ocana-Santero 近日公布了一组实验数据：团队把大语言模型 GPT-6.1 Sol 放进真实的小鼠脑部手术定位任务里，连续做了三轮。

三轮下来的变化有些出人意料。第三次操作时，模型找解剖标志的耗时从 169 秒压到 86 秒，专家出手纠正的次数由 4 次减为 2 次，定位误差则从 0.6 毫米收窄到 0.3 毫米。

Bregma 与 Lambda 是什么

要看懂这组数据的意义，先得认识神经科学实验里的两位常客：Bregma（前囟点）和 Lambda（人字缝点）。

它们并不在脑内，也不是什么神经核团，而是小鼠头骨表面两个关键的参照点。矢状缝与冠状缝交会处是 Bregma，矢状缝与人字缝交会处则是 Lambda。

立体定位手术中，研究人员一般拿 Bregma 当坐标原点，再借 Lambda 的位置校正头骨的水平与倾斜角度。这两个点定下来，才能依照脑图谱算出目标脑区在前后、左右、深度三个方向上的坐标。

听着像道简单的几何题，真做起来却变数不少。每只小鼠的解剖结构都有差异，头骨缝合线清不清楚也各不相同。头部固定的角度、水平校准上的一点点偏差，最后都会把坐标误差放大。

在这次实验里，GPT-6.1 Sol 扮演的是“识别者”：看着摄像头拍下的实验图像，判断 Bregma 和 Lambda 落在哪里，并给出坐标建议。之后由一名专业外科医生复核，位置不对就动手修正。

靠的不是“训练”，是“记住”

整个实验最关键的机制，是模型怎么处理每一轮操作后的反馈。

传统 AI 模型训练往往要先攒大量数据，再用反向传播算法调整底层参数，费时费力，通常还得离线跑。Exin 团队换了个路子，用的方法叫“基于真实世界经验的上下文学习”（In-context Learning）。

说白了，模型每完成一次任务并不会把记忆清空。上一轮的原始图像、它自己量出的数据，还有专家修正后的最终结果，都被留了下来。轮到下一轮时，模型就翻这些历史记录，把自己先前的判断和专家的修正摆在一起比对，据此调整眼下的策略。

Ocana-Santero 特别说明，这和模型更新底层权重或自我进化不是一回事。至于这些经验数据具体怎么编码、怎么喂给模型，团队目前没有公开。但从结果看，这套机制让 AI 走出了类似人类学徒的学习曲线：先上手试，被纠正，再带着教训做下一次。

三项指标的变化很直白：搜索时间减半，纠正次数减半，误差同样减半。样本只有三次，离证明 AI 能稳定做手术还差得远。不过它至少摆出一种可能——在单次会话里，AI 可以靠不断累积的上下文信息把当下表现调得更好。

从“执行者”走向“决策者”

让 AI 碰真实的小鼠脑部手术，对 Exin Therapeutics 来说并不是头一回。

更早的 10 月 28 日，Ocana-Santero 就公开过一项难度更高的实验。那一次，团队交给 AI 智能体的东西包括 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。任务目标是让 AI 自己去寻找能减少癫痫发作的治疗方案。

这当中，AI 既要操纵机械臂完成注射，也得参与前段决策：读文献，从候选清单里挑出合适的基因治疗载体，定下注射的目标脑区，再把具体坐标算出来。

整个过程并不是没人看着。切开头皮、开颅、缝合这些高风险步骤由一名持证兽医外科医生完成，关键操作也全程在他的监督之下。团队另外设计了几道安全机制：无法绕开的操作限制、关键步骤须经人类审批，以及一个物理紧急停止按钮。

有一次测试中设备坐标出了异常，AI 察觉到位偏，直接拒绝让针头继续移动。故障最后是研究人员手工改代码修好的。这个细节说明，眼下的 AI 更多还是辅助决策和执行的工具，离完全取代人类医生尚有距离。

10 月 31 日，团队公布了另一组对比实验的结果。实验目标和候选载体完全相同，交给 Claude Sonnet 5、GPT-6.1 Sol 和 Grok 4.7 这三个模型，方案却各不相同：Claude 挑的是内嗅皮层，GPT 选的是海马体，Grok 给出的答案是躯体感觉皮层。

同一个科学问题，落到不同模型手里，会因各自训练数据和推理逻辑的差异，走出完全不一样的实验路径。至于哪条路更管用，还得等后续的生物学实验来回答。

争议与求证

实验在社交媒体上也引来一些追问，不少人想弄清楚：这到底是真实的手术环境，还是高精度的模拟演示？

X 平台用户 Stephane 为此找到 Ocana-Santero 求证，对方明确答复这是真实手术。Stephane 接着评价说，这种在执行过程中即时积累经验并调用的机制非常有意思。他还透露，自己在其他领域也在试类似的做法，让模型把任务经验存下来，碰到相似问题时直接调取使用。

科研界看重这项技术的地方在于它能拉低实验门槛。准确找到 Bregma 和 Lambda 是神经科学实验的基本功，却也是新手最头疼的一步。AI 若能稳定地把这一步辅助做好，实验效率会提高，因人为操作误差带来的数据噪音也能减少。

当然，局限同样明显。样本量太小，缺少长期稳定性的数据支撑，而且整个流程完全依赖高质量的人类反馈。专家的修正本身就带偏差的话，模型学到的可能也是错的路径。

从让 AI 选治疗方案，到让 AI 攒定位经验，Exin 的尝试正把 AI 塞进更完整的生物医学实验流程里。它已经不只是查文献的帮手，更像一个能观察、能判断、能动手，还会从出错中学习的实验伙伴。

往远处看，未来的实验室里或许会出现这样的场面：研究人员只管把实验目标定下来，规划路径、校准设备、执行注射都由 AI 负责，每次操作后的偏差它自己记下来，用来优化下一次的表现。人类科学家则从繁琐的操作里抽身，把更多精力放在实验设计和结果分析上。

这条路还很长，第一步总算已经迈出去了。