GPT - 6 Astra 震撼登场AlphaFold 之后科学界迎来新震撼。OpenAI 总裁 Greg Brockman 转发消息知名科学家 Andrew Aiginin 在 X 上宣布在严苛的独立基准测试中GPT - 6 Astra 击败所有前沿模型成为抗体可开发性预测的最强 AI。它不仅跑分第一还在 1 小时内创建了复杂的抗体机理交互式可视化页面。打破传统共识一直以来圈内认为「AI for Science」需用专用模型解决专用问题如 AlphaFold 用于蛋白质折叠LLM 多为辅助工具。但 GPT - 6 Astra 凭借通用智能切入生物医药研发中最难量化的临床前死穴。顶尖 AI 制药团队 Insilico Medicine 在 arXiv 上发布的 21 页重磅论文揭开测试 GPT - 6 Astra 的 DDD Benchmark 的严苛性展示通用大模型全面接管硬核科学边界的趋势预示 AlphaFold 之后科学范式转移的开始。登顶「DDD 基准测试」实测显示GPT - 6 Astra 接入 DDD Benchmark 中的抗体可开发性测试模块综合 6 种不同抗体实验数据后拿下 37.98 分碾压所有受测模型。AI 学者 Rim Shayakhmetov 惊叹在无专业生物信息学插件和抗体数据微调的情况下通用大模型切中抗体成药性命脉令人兴奋。抗体成药的「死亡之谷」要理解 GPT - 6 Astra 成绩的含金量需了解医药界现实。Andrew 指出找到能结合的抗体只是开始抗体还需面对聚集、稳定、成药等问题。过去研发抗体药物关注「结合力」早期 AI 模型如 AlphaFold 在「预测结合」上表现出色但能结合不代表能成药。「成药性」是生物制药界的「死亡之谷」每年有成千上万个抗体分子倒在「成药性」评估阶段药企耗费大量资金和时间却无成果。而 GPT - 6 Astra 宣称能更精准预测成药性特征。「地狱级」基准测试有人怀疑 GPT - 6 Astra 是「刷榜」。Bogdan A. Zagribelnyy 博士指出Astra 登顶的是他们构建的 DDD Benchmark。论文展示了该团队在「小分子化学」领域建立评测标准的深度凸显 Astra 夺冠的不可思议。论文聚焦单步逆合成难题传统 AI 评测方法限制了 AI 探索能力。为此Insilico 团队构建了严苛测试环境一是 URSA - expert - 2026 基准包含 100 个全新分子数据集与公开训练数据隔离杜绝模型「背题」二是 ChemCensor 打分系统从底层化学物理规则判断模型生成反应的化学合理性。在这种考核下传统 LLM 大多失败早期的 GPT - 5.5、Gemini 3.1 Pro 表现不如顶尖专用传统化学模型。解锁通用模型潜力通用 LLM 拼不过专用模型论文提出三大方法解锁大模型在化学领域的潜力。第一招是 Top - K 提示词范式要求 LLM 给出多种答案切换到该模式后大模型在化学合理性和多样性上爆发式增长Gemini 3.1 Pro 在 Top - 15 模式下成为最强 LLM 基线。第二招是构建 4560 万规模的超大核验数据集CREED - CCV - 2 USPTO - XL用于训练针对化学限制对齐的语言模型C3LM。第三招是强化学习中的「新颖性」奖励微调 C3LM 模型时引入 GRPO 强化学习算法奖励想出全新合理反应的模型。经过训练的 C3LM 模型在 URSA - expert - 2026 盲测中击败所有传统专用 SSRS 模型能探索出与传统模型互补的反应空间。通用智能的全面接管Insilico 团队用大量数据和方法让大模型在小分子化学合成上打败专用模型而 GPT - 6 Astra 在更复杂的大分子可开发性预测中未用外部工具就在 DDD Benchmark 测试中登顶拿下 37.98 分实现降维打击。它内化了物理、化学、生物底层逻辑能像人类专家一样判断蛋白质分子聚集原因。此外其工程效率惊人1 小时就能建好展示抗体工作原理的交互式可视化页面而传统药企完成此流程需两三周。科学范式转移GPT - 6 在抗体基准上跑分第一宣告通用大模型显出 AGI 雏形在人类顶尖智力活动中取得实质性统治。未来十年科学发现的核心驱动力可能不再是定制专门 AI 模型而是向通用大模型提出正确的 prompt。通用大模型的外溢红利将席卷新药研发、材料科学、聚变控制、量子物理等硬核行业。