Claude Science、あなたも耳にしたことがあるかもしれません。
Anthropicの、自ら文献を検索し、コードを書き、分析を実行し、図表とレポートを生成する科研エージェントは、一時、「これがAI for Scienceにふさわしい姿だ」と称賛された。
しかし、それはクローズドソースです。
現在、誰かがそれを再実装しました——オープンソース、MITライセンス、コアは依存ライブラリゼロ。
プロジェクト名はOpenAI4S（Open AI for Scientist）で、北京大学と元空AI Agent連合ラボが正式にオープンソース化した科学研究エージェントプロジェクトです。
注目ポイント：それは「Claude Scienceに似ている」のではなく、Code-as-Actionの考え方に基づき、エンジン、永続的カーネル、host-RPCプロトコル、セキュリティ層をオープンソースで独立して再実装したことです。
プロジェクトは2026年7月6日にGitHub上でMITライセンスのもとでオープンソース化されました。
現在、OpenAI4Sは完全な科研Webアプリケーション、数十の組み込みSkills、自社計算リソースの接続機能、およびバージョン管理された科研成果を提供しています。
元空AI Science：https://www.chatexcel.com/homesite/openAI4S
それは、見かけ上正しい回答を提供することに満足せず、AIが真に研究ワークフローに溶け込み、問題を「提起」から「完了」まで推し進める 것을 목표로 한다.
何度もやり取りするのではなく、AIに実際に行動させること
現在、多くのAIエージェントは本質的に同じことをしています：モデルは事前に用意された「ツールメニュー」を参照し、どのツールを呼び出すかを判断して、段階的に進めていきます。簡単なタスクには、この方法で十分です。
しかし、科学研究は簡単に数歩で済むことではありません。
複数のデータベースを検索し、データをダウンロードし、データをクリーニングし、コードを繰り返し修正し、専門アルゴリズムを呼び出し、GPUの計算リソースを要求し、チャートを生成し、レポートを整理する……どのステップでも問題が発生すれば、最初からやり直す可能性がある。
OpenAI4Sの回答は「Code-as-Action」、つまり「コード即行動」です。
それはエージェントにPythonまたはRコードを直接生成させ、継続して実行されるカーネル環境で実行します。
ループ、条件分岐、一括データ処理、およびプロットを1回の実行で組み合わせて行うことができ、データや中間結果は各ステップごとにモデルに再渡す必要なく、作業環境に保持されます。
ユーザーにとって、最も直接的な変化は新しい技術用語が追加されたことではなく、AIがより長く複雑なタスクを連携させられることです：
前のステップでダウンロードしたデータを、そのまま次のステップの分析に使用できます。
生成された画像、テーブル、レポートは自動保存されます。
研究者もいつでもNotebookを開き、コードを確認したり、分析を引き継いだり、結果を修正したりできます。
コードは行動であり、カーネルは環境である。
一つのインターフェースで、データから結論への研究プロセスを完了する
OpenAI4Sは、人間とAIが共有する科学研究のワークステーションのようなものです。
あなたは、公開の科学研究データソースを自ら検索し、分析コードを書き、実行し、専門的な計算リソースを呼び出し、その結果を画像、テーブル、3次元構造、またはMarkdownレポートとして整理するタスクを提示します。
プロセス全体は、完了したら終わりではなく、すべての研究成果は記録され、保存され、バージョン管理されます。これにより、後からの確認、修正、再利用が容易になります。
たとえば、それを用いてタンパク質を分析させる。
それはまず実際のタンパク質配列および構造データを検索し、次に特徴計算と可視化を完了した後、分析プロセス、データの出所、および結果を論文にまとめて記載できます。
ポイントは：データは本物で、計算も正しいことです。
外部サービスに接続できない場合や計算条件を満たしていない場合、どこで実行できないかを明確に通知します。勝手にシミュレーションデータを挿入したり、結果を捏造して論文を無理やり完成させたりすることはありません。
△
研究作業ではしばしば繰り返し修正が必要です。
従来のプロセスでは、研究者はプロットスクリプトを再検索し、パラメータを変更して再実行し、ファイルをエクスポートする必要がありました。
OpenAI4Sでは、自然言語で調整要望を直接行うことができ、エージェントは既存のデータとコードに基づいて成果物を再生成し、バージョン履歴を保持します。
△
数十の研究スキルをスマートエージェントに組み込む
汎用モデルが研究アシスタントになりたい場合、「賢い」だけでは不十分です。
専門的なデータの入手先や、専門ツールの使い方、複雑なアルゴリズムの実行方法を理解する必要がある。
OpenAI4Sは最初から30以上の研究用スキルを搭載しています。
タンパク質構造、配列解析、タンパク質設計、分子ドッキング、単細胞解析、文献検索、オープンデータ検索……など、一般的な計算科学の研究シーンをほぼカバーしています。
その中で、14のSkillsが、GPUまたは専用モデルが必要な科学計算機能をカプセル化しています。
ここでいうSkillsは、固定されたツールパラメータテーブルではありません。これらはエージェントが読み取り、理解し、実行できる「コードレシピ」の集まりに似ています。
必要なデータ、呼び出すサービス、コードの書き方、結果の確認方法はすべてSkillに蓄積できます。
今後、新しいデータベース、新しいアルゴリズム、または新しい実験フローが追加された場合、開発者はそのまま接続し続けることができます。
つまり、この能力は一度きりで固定されるものではなく、研究要件がどのように変化しても、Skillsはそれに合わせて成長します。
研究データを本物の計算環境に接続するには？タスクを自分のGPUに送信する
科学研究には、もう一つ現実的な問題があります：計算能力。
タンパク質の折りたたみ、変異スコアリング、分子シミュレーションといったタスクは、普通のノートパソコンで簡単に実行できるものではありません。
また、多くの専門的な計算は、特定のモデル、複雑なソフトウェア環境、およびGPUリソースに依存しています。
OpenAI4Sは独自の計算環境への接続をサポートしています。インタラクションとタスクの整理はローカルで行い、GPUを必要とする専門的な計算は自社のサーバーに割り当てて実行し、処理結果は同じ研究ワークフローに戻ります。
例えば、タンパク質構造予測や変異効果スコアリングでは、呼び出しコードを生成することではなく、入力を正しい計算環境に送り、結果をワークフローに完全に取り戻すことが本当の難しさである。
すべてを1台のコンピューターに押し込まなくてもよく、計算能力サーバーを接続するために全体のプロセスを再構築する必要もありません。これは研究室や研究チームにとって特に重要です。
データ、モデル、計算リソースはすべて自分の環境に残したまま、エージェントがそれらを連携します。
実際のデータ、実際の計算であり、偽造されていません
安価なモデルを科学研究に使う際、最も恐れることは、真面目に嘘をつくことだ。
OpenAI4Sは「不偽造ポリシー（no-fabrication policy）」という厳しい規則を設けました。np.randomを使って実験結果を装う、無理やり作り出した「保守的」な主張、BLOSUMをESMに偽装する、シミュレーションデータセットを本物のデータとして扱う……などはすべて禁止です。
本物のサービスか、正直なエラー報告か。
だから、INSの事例を振り返ってみると——シーケンスは実際にUniProtから取得し、構造は実際にRCSBからダウンロードしており、ネットに接続できない場合は正直にスキップし、偽のデータを提供することはありません。
実際にタンパク質構造を計算する場合、これも本物のGPUを使用します：host.foldは、8×A100のマシンにSSHで接続し、単一配列のProtenix（AlphaFold3レベル）推論を実行し、pLDDTを含む構造を返送します。host.score_mutationsは、実際のESMスコアリングを用いて変異を評価します。
GPUが搭載されていない場合、それは直接エラーを返し、偽の構造を生成することはありません。
それは、見かけだけ整った偽の構造をあなたに提供するのではなく、「計算できません」と正直に告げるのです。
研究用エージェントにとって、これは「何でもできる」よりも重要かもしれない。
オープンソースは、北京大学と元空AI連合ラボが産学研連携を推進するための実践です。
OpenAI4Sのリリースは、単に一つのオープンソースプロジェクトを追加しただけでなく、北京大学と元空AIが産学研連携を推進するための実践でもあります。
両者の共同研究室の段階的成果として、OpenAI4Sの開発からオープンソース化に至るまで、共同研究室の張恭博同学の継続的な貢献と推進が不可欠でした。
張恭博の研究分野はAI for Scienceに焦点を当てており、彼が共通第一著者を務めるUniGenXは、分子、材料、タンパク質を対象とした汎用科学基礎モデルを探索しています。これらの科学的知能にまつわる研究の蓄積は、OpenAI4Sの開発と実装にもさらに拡張されています。
また、OpenAI4Sは、李昊、王豫、劉宇陽、呂劉正浩、毛奕澄、林慕捷、彭莘堯、姜政祥、王一米らのメンバーの協力により、フレームワーク設計から機能開発、オープンソースリリースに至るまで、すべての工程でチーム全体の協力と献身によって実現されました。
元空AIはエッジAI企業であり、モデルの後学習、エージェントランタイム、長期記憶、エッジ推論技術を通じて、AIがローカルおよびオフライン環境で複雑なタスクを実行できるようにすることに焦点を当てています。
現在、同社は「元空AI Work」と「元空AI Science」の2つの製品ラインを確立し、それぞれスマートオフィスと科学発見の分野に進出しています。
今回のOpenAI4Sのオープンソース化は、共同ラボと元空AIが科研エージェントについて共有する判断を示しています。
研究用エージェントはデモにとどまらず、実行可能で検証可能、拡張可能な研究インフラとなるべきである。
したがって、本次开放的不只是示例，还包括核心架构、科研Skills与完整应用。
高校、研究機関、開発者、および産業パートナーは、この基盤に基づいてデータソース、アルゴリズム、ツール、および研究プロセスを接続し、科研エージェントがより多くの実際のタスクに導入されるよう共同で推進できます。
起動して、一緒に続けていきましょう
OpenAI4Sに参加するには、それを起動することから始めましょう。
インストールは簡単で、3行で起動できます：
プロジェクトを起動するには、事前にモデルキーを設定する必要はありません。
画面に入ったら、Customize → Models に記入してください。
プロジェクトには、そのまま実行できる一連の実際のケースが含まれています：Live APIワークフロー、ヒトインスリンINSの実データ分析、一文で画像を変更、計画モードでのアルテミシンおよびパクリタキセルの溶解度予測、タンパク質工学など……
しかし、プロジェクトを動かすことは第一歩に過ぎません。
真の科学研究は、生命科学、化学、材料、医学、地球科学など多くの分野にまたがっています。
各方向には独自のデータベース、専門モデル、計算プロセスがあります。このような広大な能力網を、1つのチームが一度にすべて補完することは不可能です。
そのため、OpenAI4Sは大学、研究機関、開発者および産業チームに対して正式にCall for Contributorsを発表します。
現在、TuZhan IntelligenceのSkills UIは、このオープンソースプロジェクトに一部支援を提供しています。
特定の研究分野に精通している場合、専門データベース、アルゴリズムモデル、計算プラットフォームを接続して、新しい研究スキルを開発できます。
エージェントやソフトウェアエンジニアリングに得意な方は、コアアーキテクチャ、リモート計算、セキュリティメカニズム、テスト、ドキュメントの改善にもご参加いただけます。
コードを書かずに参加できます。
Issueを提出する、再現可能なケースを追加する、失敗したタスクを報告する、またはコミュニティにある分野に本当に何が必要かを伝えることは、すべて価値ある貢献です。
あなたも、研究エージェントがデモにとどまらず、実際に動かすべきだと信じるなら、ぜひそれを実行し、一緒に進めていきましょう。
ポータル
https://github.com/PKU-YuanGroup/OpenAI4S
https://www.chatexcel.com/homesite/openAI4S
本文は微信公衆アカウント「量子位」より、著者：先端テクノロジーに注目