OpenAI4S: Agen Riset Sumber Terbuka dengan 30+ Keterampilan Ilmiah yang Diluncurkan oleh Universitas Peking dan YuanKong AI

Claude Science, Anda mungkin pernah mendengarnya.

Agen ilmiah dari Anthropic yang bisa mencari literatur sendiri, menulis kode sendiri, menjalankan analisis sendiri, serta membuat grafik dan laporan sendiri, sempat membuat orang berseru, “Inilah wujud AI untuk Ilmu Pengetahuan yang seharusnya.”

Namun bersifat tertutup.

Sekarang, ada yang membuat salinannya—open source, lisensi MIT, inti tanpa dependensi.

Proyek ini bernama OpenAI4S (Open AI for Scientist), merupakan proyek agen ilmiah yang secara resmi dirilis sebagai sumber terbuka oleh Laboratorium Gabungan Peking University & YuanKong AI Agent.

Poin penting: Ini bukan hanya "terlihat seperti" Claude Science, tetapi secara independen mereplikasi ulang mesin, inti persisten, protokol host-RPC, dan lapisan keamanan dengan pendekatan Code-as-Action secara open source.

Proyek telah dirilis sebagai open source di GitHub pada 6 Juli 2026 dengan lisensi MIT.

Saat ini, OpenAI4S menyediakan aplikasi web ilmiah lengkap, puluhan Skill bawaan, kemampuan integrasi kekuatan komputasi sendiri, dan produk ilmiah versi terkelola.

Meta AI Science: https://www.chatexcel.com/homesite/openAI4S

Ia tidak puas hanya memberikan jawaban yang tampak benar, tetapi ingin membuat AI benar-benar masuk ke dalam alur kerja ilmiah, mendorong suatu pertanyaan dari tahap “diajukan” hingga “selesai”.

Saat ini, banyak AI Agent pada dasarnya melakukan hal yang sama: model menghadapi daftar alat yang telah disiapkan sebelumnya, menentukan alat mana yang harus dipanggil, lalu melanjutkan langkah demi langkah. Untuk tugas sederhana, metode ini cukup efektif.

Tetapi penelitian ilmiah bukanlah hal yang bisa diselesaikan dalam beberapa langkah.

Memeriksa beberapa database, mengunduh data, membersihkan data, mengubah kode berulang kali, memanggil algoritma profesional, meminta daya komputasi GPU, membuat grafik, menyusun laporan... Setiap langkah yang bermasalah bisa membuat Anda harus kembali dan mengulangnya.

Jawaban dari OpenAI4S adalah Code-as-Action, yaitu "kode sebagai tindakan".

Ini memungkinkan agen untuk secara langsung menghasilkan kode Python atau R dan menjalankannya di lingkungan kernel yang berjalan terus-menerus.

Siklus, pengecekan kondisional, pemrosesan data massal, dan visualisasi dapat digabungkan dalam satu eksekusi; data dan hasil sementara tidak perlu diserahkan kembali ke model pada setiap langkah, tetapi tetap disimpan di lingkungan kerja.

Perubahan paling langsung bagi pengguna bukanlah munculnya istilah teknis baru, melainkan AI dapat menggabungkan tugas-tugas yang lebih panjang dan kompleks:

Data yang diunduh pada langkah sebelumnya dapat langsung diberikan ke langkah berikutnya untuk analisis;

Gambar, tabel, dan laporan yang dihasilkan akan disimpan secara otomatis;

Peneliti juga dapat membuka Notebook kapan saja untuk memeriksa kode, mengambil alih analisis, atau memodifikasi hasil.

Kode adalah tindakan, inti adalah lingkungan.

OpenAI4S lebih seperti meja penelitian yang digunakan bersama oleh manusia dan AI.

Anda memberikan sebuah tugas yang dapat secara otomatis memeriksa sumber data ilmiah publik, menulis dan menjalankan kode analisis, memanfaatkan daya komputasi profesional, lalu menyusun hasilnya menjadi gambar, tabel, struktur tiga dimensi, atau laporan Markdown.

Prosesnya tidak berakhir setelah selesai. Setiap hasil penelitian akan dicatat, disimpan, dan diverifikasi versinya, sehingga memudahkan pemeriksaan, pengeditan, dan penggunaan ulang di masa mendatang.

Misalnya, biarkan ia menganalisis sebuah protein.

Ia dapat terlebih dahulu mengambil data urutan dan struktur protein yang sebenarnya, kemudian menyelesaikan perhitungan fitur dan visualisasi, serta akhirnya menuliskan proses analisis, sumber data, dan hasilnya ke dalam makalah.

Yang penting: datanya nyata, perhitungannya juga nyata.

Jika layanan eksternal tidak dapat terhubung, atau syarat perhitungan tidak terpenuhi, ia akan secara jelas memberi tahu Anda di mana yang tidak bisa dilakukan. Tidak akan menyelipkan data simulasi secara diam-diam, apalagi membuat hasil palsu untuk memaksakan menyelesaikan makalah.

△

Penelitian ilmiah seringkali juga memerlukan revisi berulang-ulang.

Dalam proses tradisional, peneliti mungkin harus mencari kembali skrip grafik, mengubah parameter, menjalankannya kembali, dan mengekspor file;

Di OpenAI4S, Anda dapat secara langsung mengajukan permintaan penyesuaian dengan bahasa alami, agen cerdas akan menghasilkan ulang produk berdasarkan data dan kode yang sudah ada, sekaligus mempertahankan riwayat versi.

△

Model umum ingin menjadi asisten penelitian, tetapi hanya dengan「kecerdasan」saja tidak cukup.

Ia harus tahu di mana mencari data profesional, bagaimana menggunakan alat profesional, dan bagaimana menjalankan algoritma kompleks.

OpenAI4S awalnya menyertakan lebih dari 30 Skills ilmiah.

Struktur protein, analisis sekuens, desain protein, docking molekuler, analisis sel tunggal, pencarian literatur, pencarian data terbuka... secara dasar mencakup sejumlah skenario penelitian komputasi umum.

Di antaranya, 14 Skills merangkum kemampuan komputasi ilmiah yang memerlukan GPU atau model profesional.

Keterampilan di sini bukanlah tabel parameter alat yang tetap. Mereka lebih seperti sekumpulan "resep kode" yang dapat dibaca, dipahami, dan dijalankan oleh agen.

Semua data yang dibutuhkan, layanan yang dipanggil, cara menulis kode, dan cara memeriksa hasil dapat diringkas dalam Skill.

Untuk database baru, algoritma baru, atau prosedur eksperimen baru, pengembang dapat terus menghubungkannya.

Artinya, kemampuan ini tidak dibatasi secara permanen; kebutuhan penelitian berubah, Skills pun bisa berkembang mengikutinya.

Perhitungan ilmiah, masih ada masalah nyata lainnya: daya komputasi.

Tugas-tugas seperti pelipatan protein, penilaian mutasi, dan simulasi molekuler tidak bisa diselesaikan hanya dengan menjalankannya sekilas di laptop biasa.

Selain itu, banyak perhitungan profesional di baliknya bergantung pada model tertentu, lingkungan perangkat lunak yang kompleks, dan sumber daya GPU.

OpenAI4S mendukung integrasi dengan lingkungan komputasi sendiri. Interaksi dan pengorganisasian tugas dilakukan secara lokal, sedangkan perhitungan profesional yang memerlukan GPU dapat dikirimkan ke server sendiri untuk dieksekusi, dan hasilnya kembali ke alur kerja ilmiah yang sama setelah selesai.

Misalnya, prediksi struktur protein dan penilaian efek mutasi, yang sering kali sulit bukanlah menghasilkan kode panggilan, melainkan memasukkan input ke lingkungan komputasi yang tepat, lalu membawa kembali hasilnya secara utuh ke dalam alur kerja.

Tidak perlu memadatkan semuanya ke satu komputer, dan tidak perlu menulis ulang seluruh proses hanya untuk menghubungkan satu server komputasi, hal ini sangat penting bagi laboratorium dan tim penelitian.

Data, model, dan kekuatan komputasi dapat tetap berada di lingkungan masing-masing, sedangkan agen bertanggung jawab untuk menghubungkannya.

Menggunakan model murah untuk penelitian ilmiah, apa yang paling ditakuti? Takut ia berbicara serius tapi berbohong.

OpenAI4S menetapkan aturan ketat, yaitu kebijakan no-fabrication (kebijakan tanpa pemalsuan): menggunakan np.random untuk memalsukan hasil eksperimen, menciptakan secara paksa 'konservatisme', menggunakan BLOSUM sebagai pengganti ESM, atau menyajikan dataset simulasi sebagai data asli—semuanya dilarang.

Either genuine service, or honest error reporting.

Jadi, ketika Anda melihat kembali kasus INS tersebut—urutannya diambil langsung dari UniProt, strukturnya diunduh langsung dari RCSB, dan jika tidak terhubung ke internet, ia akan jujur melewatiinya tanpa memberikan data palsu.

Jika benar-benar menghitung struktur protein, ia juga benar-benar memanfaatkan GPU: host.fold akan SSH ke mesin 8×A100, menjalankan inferensi Protenix (tingkat AlphaFold3) untuk satu urutan, lalu mengirimkan kembali struktur dengan pLDDT; host.score_mutations menjalankan skoring ESM nyata untuk memilih mutasi.

Tidak memiliki GPU? Maka itu akan langsung memberikan kesalahan, tidak akan membuat struktur palsu untukmu.

Lebih baik ia mengatakan "tidak bisa dihitung" daripada memberimu struktur palsu yang tampak meyakinkan.

Bagi agen penelitian, ini mungkin lebih penting daripada "bisa melakukan segalanya".

Peluncuran OpenAI4S bukan hanya menambahkan satu proyek open source, tetapi juga merupakan praktik kolaborasi industri-akademis-pemerintah antara Universitas Peking dan YuanKong AI.

Sebagai hasil tahapan dari laboratorium bersama, pengembangan hingga pengeluaran OpenAI4S tidak mungkin terwujud tanpa kontribusi dan dorongan berkelanjutan dari mahasiswa Zhang Gongbo dari laboratorium bersama.

Arah penelitian Zhang Gongbo berfokus pada AI for Science. Sebagai penulis pertama bersama, UniGenX yang ia pimpin mengeksplorasi model dasar ilmiah universal untuk molekul, material, dan protein. Kumpulan penelitian yang berpusat pada kecerdasan ilmiah ini juga diperluas ke pengembangan dan penerapan OpenAI4S.

Secara bersamaan, OpenAI4S juga merupakan hasil kerja keras dari para siswa seperti Li Hao, Wang Yu, Liu Yuyang, Lü Liuzhenghao, Mao Yicheng, Lin Mujie, Peng Xinyao, Jiang Zhengxiang, dan Wang Yimi, di mana setiap tahap—mulai dari desain kerangka, pengembangan fitur, hingga rilis open source—tidak mungkin terwujud tanpa kolaborasi dan komitmen semua pihak.

YuanKong AI adalah perusahaan AI sisi perangkat yang berfokus pada penyelesaian tugas kompleks di lingkungan lokal dan offline melalui teknik post-training model, Agent Runtime, memori jangka panjang, dan inferensi sisi perangkat.

Saat ini, perusahaan telah membentuk dua lini produk,元空AI Work dan 元空AI Science, yang masing-masing memasuki bidang kantor cerdas dan penemuan ilmiah.

Pembukaan sumber terbuka OpenAI4S ini juga mencerminkan penilaian bersama laboratorium gabungan dan MetaSpace AI terhadap agen ilmiah:

Agen ilmiah tidak boleh hanya berhenti pada demo, tetapi harus menjadi infrastruktur ilmiah yang benar-benar dapat dieksekusi, diperiksa, dan diperluas.

Oleh karena itu, yang dibuka kali ini bukan hanya contoh, tetapi juga arsitektur inti, keterampilan ilmiah, dan aplikasi lengkap.

Universitas, lembaga penelitian, pengembang, dan mitra industri dapat mengintegrasikan sumber data, algoritma, alat, dan proses penelitian berdasarkan ini untuk bersama-sama mendorong Agent penelitian masuk ke lebih banyak tugas nyata.

Ikuti OpenAI4S, mulailah dengan menjalankannya.

Pemasangan tidak rumit, cukup tiga baris untuk memulai:

Memulai proyek itu sendiri, tanpa perlu mengonfigurasi kunci model terlebih dahulu.

Setelah masuk ke antarmuka, cukup isi di Customize → Models.

Proyek ini juga dilengkapi serangkaian kasus nyata yang dapat langsung diikuti: alur kerja Live API, analisis data nyata insulin manusia INS, mengubah gambar dengan satu kalimat, serta prediksi kelarutan artemisinin dan paclitaxel dalam mode rencana, rekayasa protein...

Tetapi menjalankan proyek hanyalah langkah pertama.

Penelitian asli mencakup banyak bidang seperti ilmu kehidupan, kimia, material, kedokteran, dan ilmu bumi.

Setiap arah memiliki database, model profesional, dan proses komputasi sendiri. Kapasitas sebesar ini tidak mungkin dipenuhi sekaligus oleh satu tim saja.

Oleh karena itu, OpenAI4S secara resmi mengajukan Call for Contributors kepada universitas, lembaga penelitian, pengembang, dan tim industri.

Saat ini, Skills UI dari TuZhan Intelligent telah memberikan sebagian dukungan untuk proyek open source ini.

Jika Anda familiar dengan arah penelitian tertentu, Anda dapat mengembangkan Skills penelitian baru untuknya, mengintegrasikan database profesional, model algoritma, dan platform komputasi;

Jika Anda ahli dalam Agent atau rekayasa perangkat lunak, Anda juga dapat berpartisipasi dalam menyempurnakan arsitektur inti, komputasi jarak jauh, mekanisme keamanan, pengujian, dan dokumentasi.

Tidak perlu menulis kode, tetap bisa berpartisipasi.

Mengajukan sebuah Issue, menambahkan contoh yang dapat direproduksi, melaporkan tugas yang gagal, atau memberi tahu komunitas apa yang benar-benar dibutuhkan oleh suatu disiplin ilmu, semuanya merupakan kontribusi yang berharga.

Jika Anda juga percaya bahwa agen ilmiah tidak seharusnya hanya berhenti di tahap demo, silakan jalankanannya, dan mari bersama-sama mengembangkannya.

Portal

https://github.com/PKU-YuanGroup/OpenAI4S

https://www.chatexcel.com/homesite/openAI4S

Artikel ini berasal dari akun WeChat "Quantum Bit", penulis: Peduli teknologi terdepan