GPT-6 Astra登顶DDD 抗体预测最强AI

时间：2026年9月10日至11日 地点：美国旧金山 OpenAI，阿联酋阿布扎比 Insilico Medicine AI Limited，加拿大蒙特利尔 Insilico Medicine Canada 人物：Andrew Aiginin（Insilico Medicine 团队科学家）、Greg Brockman（OpenAI 总裁）、Bogdan A. Zagribelnyy 博士（Insilico Medicine 论文通讯作者）、Rim Shayakhmetov（AI 学者）、Alex Zhavoronkov（Insilico Medicine 创始人） 事件详情：OpenAI 最新一代模型 GPT-6 Astra 在 Insilico Medicine 团队构建的 DDD Benchmark 抗体可开发性预测模块上拿下 37.98 分，碾压所有受测前沿模型，跃居榜首。该模块整合了 6 种不同抗体实验数据，专门考察抗体分子在聚集倾向、热稳定性、溶解度等维度的成药性表现。Astra 在不依赖任何专业生物信息学插件、也未经过抗体数据专门微调的情况下，直接切中抗体可开发性预测的命脉。Andrew Aiginin 同步披露，Astra 仅用约 1 小时便独立构建出可交互的抗体机理可视化页面，传统药企完成同等工作通常需要 2 至 3 周。Insilico Medicine 同期在 arXiv 发布 21 页论文《Training Chemical Plausibility-Aware Large Language Models for Single-Step Retrosynthesis》，首次系统披露 DDD Benchmark 的严苛评测逻辑。OpenAI 总裁 Greg Brockman 在 X 平台转发该消息，迅速引爆科技与医药圈。 背景：抗体可开发性（antibody developability）涵盖聚集倾向、结构稳定性、制剂表现等属性，是判断候选抗体能否真正成为上市药物的核心标尺，被业界称为生物制药的"死亡之谷"。过去 AI for Science 领域长期存在一条铁律：通用大模型只适合写代码和读文献，专用科学问题必须交给专用模型——AlphaFold 之于蛋白质折叠、MHNreact 之于逆合成，皆遵循这一逻辑。全球药企每年有数千个实验室表现优异的抗体分子，最终倒在成药性评估环节，耗费数十亿美金和长达十余年的研发周期。 影响：GPT-6 Astra 登顶 DDD Benchmark 标志着通用大模型首次在最硬核的生物医药评测中正面击败专用科学模型，意味着 AI for Science 范式从"专用模型逐个攻坚"转向"通用智能全面接管"。该结果预示抗体药物前期筛选与可视化设计的边际成本将大幅下降，更多 Biotech 可借助通用模型接口完成以往需要专业团队投入数周才能完成的候选评估工作，进而撬动从新药研发到材料科学、从聚变控制到量子物理等硬核行业的范式迁移。 总结：OpenAI GPT-6 Astra 凭借通用智能在 Insilico Medicine 主导的 DDD Benchmark 抗体可开发性预测中拿下 37.98 分登顶第一，并以 1 小时构建交互式可视化页面的工程效率，宣告通用大模型在 AlphaFold 之后开启科学发现的新范式。 参考来源： 1. 36氪中文：https://www.36kr.com/p/3978455065508609 2. 36氪欧洲版（英文）：https://eu.36kr.com/en/p/3978455065508609 3. 新浪财经：https://finance.sina.cn/2026-09-11/detail-inirnaiy8930536.d.html 4. 微博转载：https://weibo.com/5703921756/5341969498244693 5. Andrew Aiginin 原始 X 推文：https://x.com/andrewaiginin/status/2098078245350518884 6. Blockchain.News 英文报道：https://blockchain.news/ainews/gpt6-astra-elevates-antibody-developability 7. AI Wiki GPT-6 Astra 词条：https://aiwiki.ai/wiki/openai_astra 8. OpenAI 官方页面 GPT-6 Astra：https://openai.com/index/gpt-6-astra/ 9. Insilico Medicine arXiv 论文：https://arxiv.org/html/2608.18940