几千个 agent 读小鼠大脑，32 分钟干完一年的活

一位科学家读完一组基因扰动实验的相关文献，估计要数月到一年。OpenAI 让几千个 agent 并行干这件事，用了 32 分钟。

一、发生了什么

据 OpenAI 10 月 21 日发布的研究博客，OpenAI 与 PerturbAI、斯克里普斯研究所合作，用几千个由专门模型驱动的 agent 并行分析一套全脑 CRISPR 图谱——记录了数百万个小鼠脑细胞里，每个基因被扰动后对各类细胞的影响。这项研究有预印本论文支撑，是结果，不是概念演示。

分工方式很直接：一个 agent 负责一个基因扰动，分析细胞反应、检索相关文献、提出解释，最后把几千份报告汇成一张「推理图谱」，已在 GitHub 开放。规模对比是关键：最大工作量下，这批 agent 一共引用了 700 多篇文献，而单个 agent 只能引 11 篇。盲测里，人类专家在 75% 的情况下更偏好分布式 agent 的报告——博客同时引述了剑桥大学和加州大学旧金山分校两位学者的看法，agent 在新颖性上的自我评估与专家判断一致。

图谱里有两类新线索。其一是两个相邻基因在小脑里的表现截然不同：一个的扰动改变了数十个与神经元通信相关的基因表达，另一个几乎没影响——这与一种伴随小脑异常的遗传病的临床观察对得上。其二是某个与帕金森样症状相关的基因被扰动后，神经元内胆固醇合成相关基因的表达升高，agent 把它和胆固醇转运的文献连起来，给出一个可检验的假设。

二、跟你有什么关系

生信研究者。 推理图谱开放在 GitHub，可以直接翻自己关心的基因，把它当一份机器写的综述草稿用。

做大模型系统的工程师。 「一个 agent 一个基因」的切分思路比 agent 数量更值得抄：把大任务切成互不依赖的子任务，上下文窗的限制就被绕开了。

看赛道的人。 这是科学数据上加 agent 的一个实证样本：产出的是线索和假设，不是结论。

三、怎么判断

1. 分清它做的是哪一步：检索、汇总、连文献，加上生成假设——不是原创发现。线索要变成答案，还得实验验证。
2. 看验证方式硬不硬：这项工作有预印本、有盲测、有专家偏好比例，这类可核对的指标比「效率提升多少倍」的说法可信。
3. 评估同类方案时，先看任务怎么切分，再看用了多少 agent。切分错了，数量堆上去也没用。
4. 对「几分钟干完一年工作」这类说法，先换算单位：这里是文献检索和归纳的提速，不是实验本身的提速，湿实验的周期一点没变。

四、三个别信的说法

AI 已经发现新药靶点了。 它产出的是可检验的假设，离靶点确认隔着完整的实验链条，别把线索读成成果。

agent 越多越强。 数量只是结果。真正的杠杆是按基因扰动的天然边界切任务，让每个 agent 的上下文刚好够用。

科学家要被替代了。 盲测里挑报告的仍是人类专家，判断哪些线索值得追，这个角色没有消失，只是换了位置。

五、一句话结论

几千个 agent 的价值不是算得快，是把「读不完」变成「读得完」。

信息来源

• OpenAI 研究博客：用数千个 agent 挖掘生物数据，2026-10-21

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。