夜雨聆风这个周末最值得补上的变化，不是某个模型又多刷了几分，而是 AI 开始被放进更真实的科学工作流里。
6 月 17 日，OpenAI 发布 LifeSciBench，用 750 个专家编写的生命科学任务评估模型；同一天，OpenAI 和 Molecule.one 展示近自主 AI chemist，让模型参与改进一个药物化学反应。6 月 18 日，OpenAI 又披露了 AI 辅助医生重分析罕见儿童遗传病病例的研究。
这三件事连在一起看，信号很清楚：AI 科学应用正在从“会回答生物题”，走向“能在专家定义的流程里提出假设、处理证据、进入验证”。
今日重点
1. LifeSciBench：不再只考知识点
OpenAI 介绍，LifeSciBench 包含 750 个专家编写任务，覆盖 7 类生命科学研究工作流和 7 个生物学领域，并配有任务材料、专家审核和细颗粒度评分标准。
我的判断：这类评测更接近科学家的真实工作。现实研究里没有标准答案按钮，更多是证据不完整、条件不确定、要做取舍和验证。
2. AI chemist：模型开始进入实验闭环
OpenAI 和 Molecule.one 的合作，把 GPT-5.4 接入 Maria 这类化学 AI 与高通量实验平台，用于改进 Chan-Lam coupling 这类药物化学反应。Molecule.one 介绍，这个系统生成研究方向、提出方案、排序，并让实验平台执行验证。
我的判断：这比“读论文总结”更进一步。真正重要的是，模型输出不是停在文字里，而是进入实验、数据、复盘和人工确认的闭环。
3. 罕见病案例提醒：医疗场景必须留在专家手里
OpenAI 6 月 18 日披露，Boston Children’s Hospital、Harvard 和 OpenAI 的研究团队用 o3 Deep Research 重分析 376 个此前未解的罕见儿童遗传病病例，模型提出可追溯证据的候选解释，经专家审查、补充检测和临床确认后，医生确立了 18 个诊断。
我的判断：这不是“AI 替医生诊断”。更准确的说法是，AI 帮专家在旧数据、新文献和复杂变异之间生成可验证线索。
这件事值得写，是因为很多人讨论 AI 科学家时，容易走向两个极端。
一边把它想象成全自动诺奖机器，好像模型一接上实验室就能自己发明药物。另一边则只盯着模型会不会答对生物题，认为只要题库分数不够高，就说明它离科学很远。
这两种看法都太粗。
LifeSciBench 提醒我们，科学能力不是单纯的知识问答。科学家每天做的事，是读不完整的证据，判断哪条线索更可信，设计下一步实验，解释矛盾结果，把一个模糊问题变成可验证路径。
所以它的价值不只是 750 个题目，而是把评测单位从“一个答案”，改成了“一个科研任务”。模型要处理材料、遵守评分标准、完成多步推理，还要让专家能看出它的理由是否站得住。
AI chemist 则展示了另一层变化：如果模型能接入实验平台，它就不只是咨询工具，而会变成研究流程的一部分。
但这里也要冷静。所谓近自主，不等于完全自主。人类化学家仍然定义边界、挑选方案、检查结果、做实验确认。模型负责的是扩大搜索、组织证据、提出候选路线，把人工团队从“逐条试错”推进到“更快筛选”。
罕见病案例同样说明了边界。
o3 Deep Research 在 376 个未解病例中提出线索，最后 18 个诊断是在专家审查、补充检测和临床确认之后成立的。真正被证明有效的，不是让模型直接给患者下结论，而是让模型帮助医生更系统地重看旧病例。
这对我们做 AI 工具、Agent 或企业自动化也有启发。
第一，不要只给 AI 一个问题，要给它一套任务材料。
科学任务需要论文、表格、序列、化学结构、病例摘要和评分标准。企业任务也一样。如果你想让 Agent 做得好，就不能只写一句“帮我分析一下”，而要准备数据、约束、样例和验收标准。
第二，不要只看模型输出，要设计验证闭环。
在实验室里，模型的假设要进实验；在医疗场景里，模型的线索要由医生和检测确认；在工程场景里，模型的代码要跑测试、过 review、能回滚。没有验证闭环，AI 只是更会说话的搜索框。
第三，专家不会消失，专家的工作会前移。
过去专家可能花大量时间亲自查文献、写脚本、筛候选。AI 进入流程后，专家更重要的工作变成定义问题、设置边界、选择值得验证的路径，以及识别模型看起来合理但其实危险的地方。
这也是为什么 Anthropic 最近分析 Claude Code 使用时会强调：真正放大 AI 的不是会不会写代码本身，而是用户是否理解自己要解决的问题。生命科学场景也一样，懂领域的人更能判断 AI 该往哪里试，哪里必须停。
今天的结论
AI 进实验室后，最重要的不是它能不能背出生物学知识点，而是它能不能进入一个可审计、可验证、可复盘的专家工作流。
如果只看答案，AI 很容易被高估；如果把它放进任务材料、评分标准、实验平台和专家确认里，它的价值才会变得具体。
接下来判断 AI 科学工具，不要只问“它聪不聪明”，要问三个更实际的问题：它用了什么材料，它的结论如何验证，出了问题谁负责。
明天可追踪
- LifeSciBench 是否会被更多模型团队采用，并暴露不同模型在真实科研工作流里的强弱项。
- AI chemist 这类“模型 + 专业 Agent + 实验平台”的闭环，是否会从单点反应优化扩展到更多药物发现流程。
参考链接
- OpenAI，Introducing LifeSciBench，2026-06-17：https://openai.com/index/introducing-life-sci-bench/
- OpenAI，A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry，2026-06-17：https://openai.com/index/ai-chemist-improves-reaction/
- Molecule.one，Chemistry AI for Autonomous Discovery：https://molecule.one/
- OpenAI，Using AI to help physicians diagnose rare genetic diseases affecting children，2026-06-18：https://openai.com/index/diagnose-rare-childhood-diseases/
- OpenAI，Improving health intelligence in ChatGPT，2026-06-18：https://openai.com/index/improving-health-intelligence-in-chatgpt/
- Anthropic，Agentic coding and persistent returns to expertise，2026-06-16：https://www.anthropic.com/research/claude-code-expertise
