AlphaFold之后的最大震撼来了。

OpenAI总裁Greg Brockman转发的一条消息引爆科技与医药圈：科学家Andrew Aiginin在X上宣布，GPT-6 Astra在严苛的独立基准测试中击败所有前沿模型，成为抗体可开发性预测的最强AI。

不仅跑分第一，Astra还在1小时内手搓出复杂的抗体机理交互式可视化页面。

详情点击：网页链接

一直以来圈内共识是「AI for Science必须用专用模型打专用问题」，但今天GPT-6 Astra凭通用智能切入了生物医药研发中最难量化的临床前死穴。

构建该测试基准的团队Insilico Medicine在arXiv放出21页论文，题为《Training Chemical Plausibility-Aware Large Language Models for Single-Step Retrosynthesis》。

实测中，Astra接入DDD Benchmark的抗体可开发性模块（综合6种抗体实验数据），拿下37.98分，碾压所有受测模型，且未使用专业生物信息学插件或专门微调。

能结合≠能成药——这是医药界残酷现实。早期AlphaFold已能出色预测「结合力」，但抗体是否聚集、是否稳定、能否真正发挥药效，这些「可开发性」问题才是「死亡之谷」，无数抗体分子倒在成药性评估阶段，药企因此烧掉几十亿美金。

Astra面对的是地狱级基准：Insilico团队构建了URSA-expert-2026数据集（100个人类化学专家确认、与训练数据完全隔离的分子）与ChemCensor打分系统，从化学物理规则判断反应合理性。在此考核下，GPT-5.5、Gemini 3.1 Pro等传统LLM均无法超越MHNreact等专用化学模型。

团队随后祭出三招：Top-K提示词范式（要求模型给出15种答案，性能爆发式增长）；构建4560万规模验证数据集训练C3LM模型；以及强化学习中对「新颖反应」给予额外奖励。最终C3LM在盲测中击败所有专用模型。

而GPT-6 Astra在无外部工具加持下，直接在更复杂的大分子可开发性预测上登顶，堪称降维打击——其通用世界模型似乎已内化物理、化学、生物的底层逻辑，能像人类专家一样「直觉」判断蛋白质聚集问题。

小分子逆合成、大分子抗体成药性相继被突破，预示通用大模型的外溢红利，正如海啸般席卷新药研发、材料科学等所有硬核行业。