Claude Science, anda mungkin pernah mendengarnya.
Agen saintifik dari Anthropic yang boleh mencari literatur sendiri, menulis kod sendiri, menjalankan analisis sendiri, dan menghasilkan grafik serta laporan sendiri, pernah membuat orang berseru, “Inilah bentuk AI untuk Sains yang sepatutnya.”
Tetapi ia bersumber tertutup.
Sekarang, seseorang telah menirunya—sumber terbuka, lesen MIT, tiada ketergantungan inti.
Projek ini bernama OpenAI4S (Open AI for Scientist), merupakan projek agen saintifik yang secara rasmi dibuka sumber oleh Laboratori Bersama北京大学 & YuanKong AI Agent.
Tanda utama: Ia bukan sekadar "kelihatan seperti" Claude Science, tetapi mengikuti pendekatan Code-as-Action untuk secara bebas mereplikasi semula enjin, inti kekal, protokol host-RPC, dan lapisan keselamatan secara sumber terbuka.
Projek telah dibuka sumber di GitHub pada 6 Julai 2026, menggunakan lesen MIT.
Sekarang, OpenAI4S menyediakan aplikasi web ilmiah yang lengkap, puluhan Skills bawaan, kemampuan akses ke kuasa komputasi sendiri, dan hasil ilmiah yang berversi.
元空AI Science：https://www.chatexcel.com/homesite/openAI4S
Ia tidak puas hanya dengan memberikan jawapan yang kelihatan betul, tetapi ingin menjadikan AI benar-benar terlibat dalam alur kerja penyelidikan, mendorong satu soalan dari peringkat “dikemukakan” ke peringkat “selesai”.
Bukan hanya berbincang beberapa pusingan, tetapi biarkan AI benar-benar bertindak
Sekarang, banyak agen AI pada dasarnya melakukan perkara yang sama: model menghadapi senarai alat yang telah disediakan sebelumnya, menilai alat mana yang perlu dipanggil, kemudian melangkah setiap langkah demi langkah. Untuk tugas yang ringan, kaedah ini mencukupi.
Tetapi penyelidikan ilmiah bukan perkara yang boleh diselesaikan dalam beberapa langkah sahaja.
Mengambil data dari beberapa pangkalan data, memuat turun data, membersihkan data, mengubah kod berulang kali, memanggil algoritma profesional, meminta kuasa GPU, menghasilkan grafik, mengatur laporan... Sebarang langkah yang bermasalah mungkin memerlukan anda untuk kembali dan memulakan semula.
Jawapan dari OpenAI4S ialah Code-as-Action, iaitu "kod sebagai tindakan".
Ia membenarkan agen menghasilkan kod Python atau R secara langsung dan menjalankannya dalam persekitaran kernel yang berjalan secara berterusan.
Pengulangan, penilaian bersyarat, pemprosesan data secara berkelompok, dan penggambaran grafik boleh digabungkan untuk dilaksanakan dalam satu kali eksekusi; data dan keputusan sementara tidak perlu dihantar semula ke model pada setiap langkah, tetapi disimpan dalam persekitaran kerja.
Perubahan paling langsung bagi pengguna bukanlah penambahan satu istilah teknikal, tetapi AI boleh menggabungkan tugas-tugas yang lebih panjang dan lebih kompleks:
Data yang dimuat turun pada langkah sebelumnya boleh terus diberikan kepada langkah seterusnya untuk analisis;
Gambar, jadual, dan laporan yang dihasilkan akan disimpan secara automatik;
Penyelidik juga boleh membuka Notebook kapan saja untuk memeriksa kod, mengambil alih analisis, atau mengubah hasil.
Kod adalah tindakan, teras adalah persekitaran.
Dalam satu antaramuka, selesaikan proses penyelidikan dari data kepada kesimpulan
OpenAI4S lebih seperti meja kerja ilmiah yang digunakan bersama oleh manusia dan AI.
Anda memberikan satu tugas, yang boleh mengambil data saintifik awam, menulis dan menjalankan kod analisis, memanggil kekuatan pengiraan profesional, kemudian menyusun hasilnya menjadi gambar, jadual, struktur tiga dimensi, atau laporan Markdown.
Proses keseluruhan bukan sekadar selesai dan berakhir. Setiap hasil penyelidikan akan direkodkan, disimpan, dan diversikan untuk memudahkan pemeriksaan, pengubahsuaian, dan penggunaan semula seterusnya.
Sebagai contoh, biarkan ia menganalisis satu protein.
Ia boleh terlebih dahulu mengambil data urutan dan struktur protein sebenar, kemudian menyelesaikan pengiraan ciri dan visualisasi, akhirnya memasukkan proses analisis, sumber data, dan hasil ke dalam kertas kerja.
Yang penting: data adalah benar, pengiraan juga benar.
Jika perkhidmatan luar tidak boleh disambungkan, atau syarat pengiraan tidak dipenuhi, ia akan memberitahu anda dengan jelas di mana ia tidak boleh dilakukan. Ia tidak akan menyelipkan data simulasi secara sembunyi-sembunyi, apalagi mencipta keputusan untuk memaksa melengkapkan kertas kerja.
△
Kerja penyelidikan sering kali memerlukan penyesuaian berulang-ulang.
Dalam proses tradisional, penyelidik mungkin perlu mencari semula skrip grafik, mengubah parameter, menjalankan semula, dan mengimport fail;
Dalam OpenAI4S, anda boleh mengemukakan permintaan penyesuaian secara bahasa semula jadi, dan agen pintar akan menghasilkan semula produk berdasarkan data dan kod sedia ada, sambil mengekalkan rekod versi.
△
Puluhan kemahiran saintifik, masukkan kecekapan profesional ke dalam agen pintar
Model umum ingin menjadi pembantu penyelidikan, tetapi hanya bergantung pada “kecerdasan” tidak cukup.
Ia perlu tahu di mana untuk mencari data profesional, bagaimana menggunakan alat profesional, dan bagaimana menjalankan algoritma yang kompleks.
OpenAI4S pertama kali dilengkapi dengan lebih daripada 30 Skills saintifik.
Struktur protein, analisis urutan, rekabentuk protein, penggabungan molekul, analisis sel tunggal, pencarian literatur, pencarian data terbuka... secara asas merangkumi sekumpulan skenario penyelidikan komputasi yang biasa.
Di antaranya, 14 Skills merangkumi kemampuan pengiraan saintifik yang memerlukan GPU atau model profesional.
Kemahiran di sini bukanlah satu jadual parameter alat yang tetap. Mereka lebih seperti sekumpulan "resepi kod" yang boleh dibaca, difahami, dan dilaksanakan oleh agen.
Semua data yang diperlukan, perkhidmatan yang dipanggil, cara menulis kod, dan cara memeriksa hasil boleh diringkaskan dalam Skill.
Untuk database, algoritma, atau prosedur eksperimen baru di masa depan, pembangun boleh terus menyambungkannya.
Dengan kata lain, kemampuan ini tidak ditutup sekali dan untuk selamanya; semakin berubah keperluan penyelidikan, Skills akan berkembang mengikutnya.
Data ilmiah perlu disambungkan ke persekitaran pengiraan sebenar? Hantar tugas ke GPU anda sendiri.
Kiraan saintifik, dan masih ada satu masalah yang sangat praktikal: kuasa pengiraan.
Tugas-tugas seperti pelipatan protein, penilaian mutasi, dan simulasi molekul tidak boleh diselesaikan hanya dengan menjalankannya sekilas pada laptop biasa.
Selain itu, banyak pengiraan profesional bergantung kepada model tertentu, persekitaran perisian yang kompleks, dan sumber GPU.
OpenAI4S menyokong penghubungan ke persekitaran pengiraan sendiri. Tugas interaksi dan pengorganisasian diuruskan secara tempatan, manakala pengiraan profesional yang memerlukan GPU boleh dihantar untuk dilaksanakan di pelayan sendiri, dan hasilnya akan kembali ke aliran kerja penyelidikan yang sama selepas selesai.
Contohnya, ramalan struktur protein dan penilaian kesan mutasi, yang sering kali sukar bukanlah menghasilkan kod panggilan, tetapi menghantar input ke persekitaran pengiraan yang betul, kemudian membawa semula hasil secara lengkap ke alur kerja.
Tidak perlu memadatkan semua perkara ke dalam satu komputer, dan tidak perlu menulis semula keseluruhan proses hanya untuk menyambungkan satu server pengiraan, yang sangat penting untuk makmal dan pasukan penyelidikan.
Data, model, dan kekuatan pengiraan boleh kekal di persekitaran masing-masing, sementara agen bertanggungjawab untuk menghubungkannya.
Data sebenar, pengiraan sebenar, ia memang tidak dibuat-buat
Menggunakan model murah untuk penyelidikan, apa yang paling ditakuti? Takut ia berpura-pura serius sambil berbohong.
OpenAI4S menetapkan peraturan ketat, dikenal sebagai dasar tanpa pemalsuan (no-fabrication policy): melarang penggunaan np.random untuk memalsukan hasil eksperimen, menciptakan secara paksa 'konservatisme', menggunakan BLOSUM sebagai pengganti ESM, atau menyajikan data simulasi sebagai data asli... semuanya dilarang.
Either genuine service, or honest error reporting.
Jadi, jika anda melihat semula kes INS itu—urutan diambil secara asli dari UniProt, struktur dimuat turun secara asli dari RCSB, dan jika tiada sambungan internet, ia akan dengan jujur melangkau, tidak pernah memberi anda yang palsu.
Jika benar-benar menghitung struktur protein, ia juga benar-benar menggunakan GPU: host.fold akan SSH ke mesin 8×A100 untuk menjalankan inferensi Protenix (setara AlphaFold3) untuk urutan tunggal, lalu mengembalikan struktur dengan pLDDT; host.score_mutations menjalankan penilaian ESM sebenarnya untuk memilih mutasi.
Tiada GPU? Ia akan langsung memberi ralat, tidak akan mencipta struktur palsu untuk anda.
Ia lebih suka memberitahu anda “tidak boleh dihitung” daripada memberi anda struktur palsu yang kelihatan meyakinkan.
Bagi agen penyelidikan, ini mungkin lebih penting daripada "bisa melakukan segalanya".
Open source is a practice promoted by the Peking University & YuanKong AI Joint Laboratory to advance industry-academia collaboration.
Pelancaran OpenAI4S bukan sekadar menambahkan satu projek sumber terbuka, tetapi juga satu praktik kolaborasi industri-akademik-inovasi antara Universiti Peking dan YuanKong AI.
Sebagai hasil peringkat bagi makmal bersama, pencapaian OpenAI4S dari peringkat pembangunan hingga sumber terbuka, tidak lepas daripada komitmen dan dorongan berterusan daripada pelajar Zhang Gongbo di makmal bersama.
Arahan penyelidikan Zhang Gongbo berfokus pada AI for Science. Sebagai penulis bersama pertama bagi UniGenX, beliau mengkaji model asas sains universal yang ditujukan kepada molekul, bahan, dan protein. Kumpulan penyelidikan yang berpusat pada kecerdasan sains ini juga telah diperluaskan kepada pembangunan dan pelaksanaan OpenAI4S.
Sementara itu, OpenAI4S juga merupakan hasil kerja keras bersama daripada pelajar-pelajar seperti Li Hao, Wang Yu, Liu Yuyang, Lü Liuzhenghao, Mao Yicheng, Lin Mujie, Peng Xinyao, Jiang Zhengxiang, dan Wang Yimi, di mana setiap peringkat—dari reka bentuk rangka kerja, pembangunan fungsi hingga pelancaran sumber terbuka—tidak mungkin berjaya tanpa kerjasama dan komitmen semua pihak.
YuanKong AI adalah syarikat AI sisi peranti yang berfokus pada menyelesaikan tugas kompleks di persekitaran tempatan dan tanpa sambungan internet melalui teknik latihan selepas model, Agent Runtime, ingatan jangka panjang, dan inferens sisi peranti.
Sekarang, syarikat ini telah membentuk dua garis produk, YuanKong AI Work dan YuanKong AI Science, yang masing-masing memasuki bidang pejabat pintar dan penemuan saintifik.
Pembukaan sumber terbuka OpenAI4S ini juga mencerminkan penilaian bersama antara makmal bersama dan YuanKong AI terhadap agen saintifik:
Agen saintifik tidak boleh hanya berhenti pada Demo, tetapi harus menjadi infrastruktur saintifik yang boleh dilaksanakan, boleh diperiksa, dan boleh dikembangkan.
Oleh itu, yang dibuka kali ini bukan hanya contoh, tetapi juga arsitektur inti, kemahiran penyelidikan, dan aplikasi penuh.
Universiti, institusi penyelidikan, pembangun, dan rakan industri boleh menyambungkan sumber data, algoritma, alat, dan proses penyelidikan berdasarkan ini untuk bersama-sama mendorong Agent penyelidikan masuk ke lebih banyak tugas sebenar.
Selamat menjalankannya, dan mari terus membangunnya bersama
Terlibat dalam OpenAI4S, mulailah dengan menjalankannya.
Pemasangan tidak rumit, hanya tiga baris untuk memulakan:
Menghidupkan projek itu sendiri, tanpa perlu mengkonfigurasi kunci model terlebih dahulu.
Setelah memasuki antaramuka, isi di dalam Customize → Models.
Projek ini juga dilengkapi dengan kes sebenar sepenuhnya yang boleh diikuti secara langsung: alur kerja API Live, analisis data sebenar insulin manusia INS, ubah gambar dengan satu ayat, serta ramalan kelarutan artemisinin dan paclitaxel dalam mod perancangan, rekabentuk protein...
Tetapi menjalankan projek hanyalah langkah pertama.
Penyelidikan sebenar merentasi banyak bidang seperti ilmu hayat, kimia, bahan, perubatan, dan ilmu bumi.
Setiap arah mempunyai pangkalan data, model profesional, dan proses pengiraan sendiri. Kapasiti yang sebesar ini tidak mungkin dilengkapi sekali gus oleh satu pasukan sahaja.
Oleh itu, OpenAI4S secara rasmi mengeluarkan Call for Contributors kepada universiti, institusi penyelidikan, pembangun, dan pasukan industri.
Sekarang, Skills UI dari TuZhan Intelligence telah memberikan sebahagian sokongan kepada projek sumber terbuka ini.
Jika anda mengenali arah penyelidikan tertentu, anda boleh membangunkan Skills penyelidikan baru, menghubungkan pangkalan data profesional, model algoritma, dan platform pengiraan;
Jika anda mahir dalam Agent atau kejuruteraan perisian, anda juga boleh menyertai penyempurnaan arsitektur inti, pengiraan jarak jauh, mekanisme keselamatan, pengujian, dan dokumentasi.
Tidak perlu menulis kod, tetap boleh menyertai.
Menghantar satu Isu, menambahkan satu kes yang boleh diduplikasi, melaporkan satu tugas yang gagal, atau memberitahu komuniti apa yang benar-benar diperlukan dalam satu disiplin ilmu, semuanya merupakan sumbangan yang berharga.
Jika anda juga percaya bahawa agen saintifik tidak seharusnya hanya berhenti di peringkat demo, sila jalankan ia, dan sertailah kami untuk membangunkannya terus.
Portal
https://github.com/PKU-YuanGroup/OpenAI4S
https://www.chatexcel.com/homesite/openAI4S
Artikel ini berasal daripada akaun微信公众号 "Quantum Bit", penulis: Mengikuti teknologi terkini