AI懂理论却不会做实验,美国初创建实验室测出模型操作短板
美国旧金山初创公司 C5R 用 12 周建成 AI 驱动的研究设施 Facility-0,覆盖生物学、化学和材料科学,并发布基准 SciUniverse,用于测试模型能否在真实实验室工作。结果显示,模型虽懂科学理论,却在实际操作中频繁遗漏关键细节,例如移液时未注意样本仍冻结、在含 DNA 的孔间重复使用同一枪头导致污染、对敞开孔板涡旋震荡、忽视溶剂蒸发等。C5R 创始人 Michael Akilian 于 2026 年 9 月 24 日在 X 帖子中介绍,公司成立五个月,由一群朋友创办,官网未公布融资数字。他此前有硬件、AI 创业和生物学研究背景,认为要让 AI 做有用科学工作,必须提供连接仪器和实验的物理工作空间。

Facility-0 软件可控制并监控从液压机到单个移液器的各类仪器,已集成 40 种以上科学仪器,方式为逆向工程驱动程序和搭建定制硬件适配器。模型能设计实验、执行协议、读取测量结果并决定下一步。C5R 称软件既能控制设备,也能给人下指令,并未声称模型能独自完成所有动手操作。测试边界在于模型能否可靠地把研究目标转化为人和机器都能执行的实验步骤,再用结果指导决策。

6 个前沿模型参加测试。Claude Fable 5.1 以 45.3% 的 Pass@1 排第一,单任务推理成本 49.61 美元;GPT-6 Astra 通过率 32.5%,成本 52.37 美元;Claude Opus 5 通过率 30.5%,成本 46.31 美元;Grok 4.6 通过率 26.2%,成本 13.41 美元;Gemini 3.8 Flash 通过率 14.6%,成本 4.55 美元;GPT-5.6 Sol 通过率 9.4%,成本 16.53 美元。C5R 对 Level 1 任务的描述是,对科学家来说很简单,最多只需几小时。换言之,熟练科学家一个下午能做完的事,最强 AI 也只有不到一半把握一次做对。成本与正确率之间也画不出漂亮权衡曲线:最便宜的 Gemini 3.8 Flash 通过率仅 14.6%,最贵的 GPT-6 Astra 也未排第一。C5R 承认真实任务 rollout 次数有限,结果噪声偏大,提高设施吞吐量、压低方差是下一版产品迭代重点。

早期发现指向具体落差:模型有很强科学理论知识,却在物理实验室操作中频繁出错。原因在于软件和数学有即时验证循环,而科学实验的物理反馈慢、模糊,有时具破坏性。被污染样本不会弹出错误信息,只会让后续数据失去意义。SciUniverse 任务设计覆盖选择材料、操作仪器、运行实验、调试失败及适应真实约束。Level 1 含 92 个任务,分布在 17 个任务家族,涵盖基础样品制备、仪器控制、协议适配、跨实验学习、设施管理和真实测量数据解读,并映射到工作周期和物质尺度坐标,让化学、生物学和材料科学在同一框架下比较。样品制备被单列,因早期测试显示模型表现不佳。仪器控制任务比较厂商软件、Python API 及直接固件命令效果。协议适配测试试剂、设备和时间受限时如何调整标准流程。跨实验学习测试模型能否从实验学习,如在材料和预算有限时选择下一步。设施管理查看模型能否在短缺、设备故障和截止日期压力下推进实验。真实测量数据解读通过核磁共振、X 射线衍射和色谱数据,测试模型能否识别产物、定量混合物及辨认不可靠信号。
行业背景下,AI 自主实验室概念已有一段时间。传统实验室自动化通常处理预定义协议内重复任务,自驱动系统能解释结果、预测并执行下一个实验。C5R 定位是提供物理基础设施和衡量进展的基准。其他动向包括 Insilico Medicine 宣布在 AI 驱动全机器人药物发现实验室部署第一台双足人形机器人;日本东京科学大学团队启动由人形机器人、自主系统和 AI 运行的医学实验室,拥有 10 台机器人,无现场人类研究人员,核心是 Maholo LabDroid。C5R 设施仍把人类操作员放在 AI 循环里,软件控制设备并向人发指令,设施本身也是产品一部分,使 Facility-0 既能做研究,也能评估模型在物理科学中的能力。当前限制是自主系统擅长执行预定义协议,初始假设失败时缺乏创造性解决问题能力,人类科学家在战略决策和处理意外结果方面仍不可替代。SciUniverse 测试的是模型能否驾驭实验室里不可预测、混乱的物理现实。C5R 称 Facility-0 覆盖蛋白质设计、药物化学和固态材料,无论在设施内还是数字孪生中,SciUniverse 都能评估前沿模型能否在这些领域把科学目标转化为可验证结果。这意味着科学实验室本身成为产品一部分,模型实验规划能力也被接到实际操作环节。AI 已能加速早期药物设计,机器人技术向接近人类灵巧度推进,瓶颈正从计算转向物理执行。C5R 认为系统必须连接规划软件、物理仪器、测量结果及人类指令,难点在于把这些环节变成可重复的科学工作。对 Akilian 而言,科学 AI 进展将取决于能否让模型接触科学研究真正发生的条件,必须给它一个物理工作空间,而不仅是处理数字数据的系统。
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42