Kimi 转向科学研究:90 分钟筛出 100 个候选基因

11 月 16 日,月之暗面国际总监 Giacomo Ficari 在里斯本 Web Summit 上表示,Kimi 系列模型正从编程转向生物、化学与制药研究,理由是编程基准上的增益已经趋平。

90 分钟筛出 100 个候选基因

北京的数派科技正在把 Kimi K3.1 Pro 接入科研助手 BioMaster。在一次测试中,AI 分析了 3696 个小鼠胰岛细胞的基因数据,90 分钟内标出 100 个候选基因,而人工估算需要约 4 小时。Ficari 的判断是,科学任务需要比法律、金融或代码更聪明的模型。

基准成绩与药企的现实

在 100 题的理论计算机科学基准 TCSExam 上,领先模型能给出可验证证明,但没有独立攻克开放猜想;Anthropic 的 Claude 在 9 月找到一套酶系统,数学家也曾质疑 OpenAI 宣称的数学与物理突破。药企的接受度更保守,6 月花旗对 50 位美国研究负责人的调查显示,72% 已广泛使用 AI,但只有 24% 预计它会明显提升药物研发成功率。

为什么是现在转向

这次调整的触发点是编程基准的边际收益变小。Ficari 的表述是科学任务对模型智能的要求更高,当代码能力的提升空间被压缩,继续在同一个方向加码的回报会下降,把资源挪到生物与制药这类尚未被充分攻克的领域成了更划算的选择。

参照对象也摆在眼前。谷歌的 Teamwork 系统用 2.88 万次调用写出 Lean 代码验证了韦伊猜想,OpenAI 的 GPT-6 Astra 也被用来处理标准模型在格点上的定义问题,AI for Science 正在成为前沿实验室的共同战场。Kimi 切入的是这条线上的具体落点,即通过研究助手把模型能力直接接到实验流程里。

相关阅读

全部文章归档与模型专题