OpenAI4S: Відкритий дослідницький агент із 30+ науковими навичками, запущений Пекінським університетом та YuanKong AI

Claude Science, ви, можливо, чули про це.

Агент Anthropic, який може сам шукати наукові праці, писати код, запускати аналіз та створювати графіки та звіти, заставив багатьох сказати: «Ось як має виглядати AI for Science».

Але він закритий.

Зараз хтось його відтворив — з відкритим кодом, за ліцензією MIT, без залежностей у ядрі.

Проект називається OpenAI4S (Open AI for Scientist) — це офіційно відкритий науковий агентний проект, розроблений Пекінським університетом та спільною лабораторією YuanKong AI Agent.

Виділіть головне: це не просто «виглядає як» Claude Science, а відтворюється відкритим кодом з нуля — двигун, постійне ядро, протокол host-RPC та рівень безпеки.

Проект був відкритий у GitHub 6 липня 2026 року за ліцензією MIT.

Наразі OpenAI4S надає повнофункціональні наукові веб-застосунки, десятки вбудованих навичок, підключення власних обчислювальних ресурсів та версійні наукові продукти.

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

Він не задовольняється наданням відповіді, яка виглядає правильно, а бажає, щоб ШІ справді ввійшов у науковий робочий процес і перетворив питання з «постановки» на «завершення».

Зараз багато AI-агентів суттєво виконують одне й те саме: модель отримує заздалегідь підготовлений «меню інструментів», визначає, який інструмент викликати, і потім крок за кроком продовжує роботу. Для простих завдань цей підхід достатній.

Але наукові дослідження — це не справа, яку можна вирішити за кілька кроків.

Перевірка кількох баз даних, завантаження даних, очищення даних, багаторазове змінення коду, виклик професійних алгоритмів, запит на GPU-потужність, генерація діаграм, підготовка звіту... Будь-яка помилка на будь-якому етапі може вимагати повернення назад і початку з початку.

Відповідь OpenAI4S — Code-as-Action, тобто «код як дія».

Він дозволяє агенту безпосередньо генерувати код Python або R і виконувати його в середовищі постійно працюючого ядра.

Цикли, умовні перевірки, обробка пакетних даних і побудова графіків можуть бути виконані в одному запуску; дані та проміжні результати не потрібно на кожному етапі знову передавати моделі — вони зберігаються в робочому середовищі.

Найбільш очевидна зміна для користувачів — це не з’явлення нового технічного терміну, а те, що ШІ може поєднувати довші та складніші завдання:

Дані, завантажені на попередньому етапі, можна безпосередньо передати на наступний етап аналізу;

Згенеровані зображення, таблиці та звіти зберігаються автоматично;

Дослідники також можуть в будь-який момент відкрити Notebook, перевірити код, продовжити аналіз або змінити результати.

Код — це дія, ядро — це середовище.

OpenAI4S схожа на науковий робочий стіл, спільно використовуваний людьми та ШІ.

Ви надаєте завдання, яке може самостійно отримувати дані з відкритих наукових джерел, писати та запускати аналітичний код, використовувати професійні обчислювальні ресурси, а потім оформлювати результати у вигляді зображень, таблиць, тривимірних структур або звітів у форматі Markdown.

Процес не закінчується після завершення — кожен науковий продукт фіксується, зберігається та версіонується для подальшого контролю, редагування та повторного використання.

Наприклад, нехай він проаналізує білок.

Він може спочатку отримати дані про реальні протеїнові послідовності та структури, потім виконати обчислення характеристик та візуалізацію, а нарешті включити процес аналізу, джерела даних та результати до наукової статті.

Суть у тому: дані справжні, і розрахунки також справжні.

Якщо зовнішній сервіс недоступний або умови розрахунку не виконані, він чітко повідомить вам, де саме не вдається виконати дію. Він не буде таємно вставляти симуляційні дані і не буде вигадувати результати, щоб натягнути роботу.

△

Наукові дослідження часто вимагають багаторазового редагування.

У традиційному процесі дослідники можуть знову шукати сценарії побудови графіків, змінювати параметри, повторно запускати їх та експортувати файли;

У OpenAI4S ви можете прямо використовувати природну мову для висловлення вимог до коригування; інтелектуальний агент на основі наявних даних та коду згенерує новий продукт, зберігаючи історію версій.

△

Загальна модель хоче стати науковим асистентом, але одного «розуму» недостатньо.

Він повинен знати, де шукати професійні дані, як використовувати професійні інструменти та як запускати складні алгоритми.

OpenAI4S перший випуск містить понад 30 наукових навичок.

Аналіз структури білків, послідовностей, проектування білків, молекулярне зіставлення, аналіз одноклітинних даних, пошук літератури, доступ до відкритих даних… охоплює ряд поширених обчислювальних наукових сценаріїв.

З них 14 навичок упаковані з науковими обчислювальними можливостями, які вимагають GPU або професійних моделей.

Ці навички — це не статична таблиця параметрів інструментів. Вони більше схожі на набір «рецептів коду», які агент може читати, розуміти та виконувати.

Всі дані, які потрібно зібрати, сервіси, які потрібно викликати, як писати код та як перевіряти результати, можна зберегти в Skill.

Розробники можуть просто підключати нові бази даних, нові алгоритми або нові експериментальні процеси.

Тобто цей набір здібностей не є фіксованим — як тільки наукові потреби змінюються, Skills може розвиватися разом з ними.

Наукові обчислення, і ще одна дуже практична проблема: обчислювальна потужність.

Завдання, такі як згортання білків, оцінка мутацій та молекулярне моделювання, не можна виконати просто запустивши їх на звичайному ноутбуці.

Крім того, багато професійних розрахунків залежать від спеціальних моделей, складних програмних середовищ і ресурсів GPU.

OpenAI4S підтримує підключення до власного обчислювального середовища. Локально відповідає за взаємодію та організацію завдань, а професійні обчислення, що вимагають GPU, можуть передаватися на власні сервери для виконання; після завершення результати повертаються до тієї ж наукової робочої процедури.

Наприклад, передбачення структури білків та оцінка ефекту мутацій — справжні складності часто полягають не у генерації коду виклику, а у надсиланні вхідних даних до правильного обчислювального середовища та поверненні повних результатів до робочого процесу.

Не потрібно вміщувати все на один комп’ютер і не потрібно переписувати весь процес для підключення сервера обчислювальних потужностей — це особливо важливо для лабораторій і наукових команд.

Дані, моделі та обчислювальні ресурси можуть залишатися в своєму середовищі, а агент відповідає за їх зв’язування.

Найбільше боятися при використанні дешевих моделей для наукових досліджень — це те, що вони будуть серйозно вигадувати брехню.

OpenAI4S ввів жорстке правило під назвою no-fabrication policy (політика заборони фальсифікації): заборонено використовувати np.random для імітації результатів експериментів, штучно створювати «консервативність», використовувати BLOSUM замість ESM, підміняти симуляційні набори даних на справжні... усе заборонено.

Або справжній сервіс, або чесна помилка.

Тоже зверніть увагу на випадок з INS — послідовність справді отримана з UniProt, структура справді завантажена з RCSB, і якщо немає підключення до інтернету, вона чесно пропускається, ніколи не підміняється фальшивою.

Якщо справді розраховувати структуру білка, то це справді вимагає GPU: host.fold здійснює SSH до машини з 8×A100, виконує інференс одиночної послідовності Protenix (рівня AlphaFold3) і повертає структуру з pLDDT; host.score_mutations виконує реальне оцінювання ESM для вибору мутацій.

Немає GPU? Тоді він просто видасть помилку і не створить жодної фальшивої структури.

Він краще сказатиме тобі «не можу розрахувати», ніж надаватиме тобі фальшиву структуру, яка виглядає правдоподібно.

Для наукового агента це може бути важливішим, ніж «вміти все».

Випуск OpenAI4S — це не просто додавання нового відкритого проекту, а й практичний крок у співпраці Пекінського університету та YuanKong AI у сфері науки, освіти та промисловості.

Як етапний результат спільної лабораторії, OpenAI4S від розробки до відкритого коду неможливий без постійних зусиль та підтримки студента Чжан Гонбо зі спільної лабораторії.

Напрям досліджень Чжана Гоньбо зосереджений на AI for Science. Разом з ним як співпершим автором було розроблено UniGenX — універсальну наукову базову модель для молекул, матеріалів і білків. Ці дослідження, пов’язані з науковим інтелектом, далі були розширені до розробки та впровадження OpenAI4S.

Також OpenAI4S є результатом спільних зусиль команди, включаючи Лі Хао, Ван Юй, Лю Юйян, Лю Лічжанхао, Мао Їчэн, Лінь Муцзе, Пен Сяньяо, Цзян Чжэнсян, Ван Їмі та інших, — від проектування фреймворку та розробки функцій до відкритого випуску, кожен етап був неможливий без співпраці та вкладу всіх.

YuanKong AI — це компанія зі сторонньою ШІ, яка спеціалізується на виконанні складних завдань у локальному та автономному середовищі за допомогою післятренування моделей, Agent Runtime, довгострокової пам’яті та інференсу на стороні пристрою.

На даний момент компанія розробила дві лінійки продуктів: YuanKong AI Work та YuanKong AI Science, які ввійшли в сфери розумного офісу та наукових досліджень.

Це відкрите джерело OpenAI4S також підтверджує спільне бачення спільної лабораторії та MetaKong AI щодо наукових агентів:

Наукові агенти не повинні обмежуватися демонстраціями, а мають стати справжньою виконуваною, перевіряємою та масштабованою науковою інфраструктурою.

Тому на цей раз відкрито не лише приклади, але й основну архітектуру, наукові навички та повністю функціональні застосунки.

Вищі навчальні заклади, наукові установи, розробники та промислові партнери можуть підключити джерела даних, алгоритми, інструменти та наукові процеси на цій основі, спільно просуваючи наукових агентів у більшість реальних завдань.

Участь у OpenAI4S можна розпочати з його запуску.

Встановлення нескладне, для запуску потрібно лише три рядки:

Запуск проекту не вимагає попередньої настройки ключа моделі.

Після входу до інтерфейсу просто введіть дані у розділі Customize → Models.

Проект також містить повний набір реальних прикладів, які можна виконувати прямо зараз: робочий потік Live API, аналіз реальних даних інсуліну людини INS, зміна зображення за допомогою одного речення, а також прогнозування розчинності артемізиніну та паклітакселу в режимі планування, інженерія білків…

Але запуск проекту — це лише перший крок.

Реальні наукові дослідження охоплюють багато галузей, таких як життєві науки, хімія, матеріали, медицина, геонауки тощо.

Кожен напрямок має свою базу даних, професійні моделі та обчислювальні процеси. Такий величезний набір можливостей не може бути відновлений однією командою за один раз.

Тому OpenAI4S офіційно звертається до університетів, наукових установ, розробників та промислових команд із закликом стати учасниками.

Наразі Skills UI від TuZhan Intelligence надав часткову підтримку цьому відкритому проекту.

Якщо ви добре знайте певний науковий напрямок, ви можете розробити для нього нові наукові навички, під’єднавши професійні бази даних, алгоритмічні моделі та обчислювальні платформи;

Якщо ви добре розбираєтеся в агентах або програмній інженерії, ви також можете взяти участь у вдосконаленні основної архітектури, віддалених обчислень, механізмів безпеки, тестування та документації.

Можете взяти участь без написання коду.

Подання питання, додавання прикладу, який можна відтворити, повідомлення про невдале завдання або розповідь спільноті про те, що дійсно потрібно певній галузі, — це цінний внесок.

Якщо ти також віриш, що наукові агенти не повинні залишатися лише на демо-версіях, запускай їх і приєднуйся до розробки.

Портал

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

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

Цей матеріал зі сторінки WeChat «Quantum Bit», автор: слідкуйте за передовими технологіями