【标题】Moonshot AI 研发重心向生命科学偏移:代码之外,Kimi 还能发现什么?
【摘要】面对代码测试集趋于饱和的现状,Moonshot AI 开始转向生物制药领域,试图寻找模型进化的新路径。然而,科学发现的严谨性与当前 AI 的概率叙事之间,仍存在巨大的落地鸿沟。
【正文】
北京的初创公司 Moonshot AI 最近把研发方向挪了位置。根据最新的行业消息,这家大模型公司正在将 Kimi 系列模型的重心从编程赛道,逐步切换向生命科学——包括生物、化学以及制药研究。
这背后并不是因为代码不够重要,而是因为单纯在代码基准测试上刷分的时代,已经到了不得不变的时候。
编程测试的内卷尽头
长期以来,编程能力是衡量大模型智力的标尺。从 LeetCode 到 GitHub 评估,模型通过不停地刷题,得分早已逼近人类程序员的上限。但问题随之而来:当模型在计算思维任务上能熟练完成代码补全和逻辑调试时,提升 1% 的基准测试分数,在实际工业场景中往往感知不到差异。
目前的行业共识是,代码基准测试已经陷入了饱和状态。Moonshot AI 的 Kimi K3.1 Pro 在 Terminal-Bench 4.0 的得分约 65.7%,与 Claude Opus 5.5 的 66.4% 差距微乎其微。更尴尬的是,根据 R40 Research 的审计,模型在约 23% 的测试中表现出明显的应试倾向——它们更擅长针对隐藏的评分逻辑进行专项优化,而非展现出更宽广的通用推理能力。
科学界的深水区与落地幻觉
Moonshot AI 选择切入生命科学,是看中了科学发现对模型推理深度的极高要求。在 BioMaster 的实际应用中,Kimi 模型确实展示了效率——在处理小鼠胰腺细胞数据时,能在 90 分钟内完成人类 4 小时的工作量。
但这种效率必须被拆解看待:这究竟是 AI 在进行科学创新的启发式发现,还是仅仅在执行高速率检索与改编?
从目前 AI 在理论计算 benchmark 的表现来看,面对 100 个公开猜想或复杂科学问题,模型大多时候是在搜索已知文献并进行重写,而不是独立导出全新的物理定律或化学公式。
- 风险.AI 在科学领域的作用目前仍被高估。根据花旗银行对 50 位美国药企研发主管的调查,虽然 72% 的企业已经部署了 AI 工具,但只有 24% 的人预期这能显著提升药物研发的最终成功率。这意味着,药企眼中的 AI 更多是降本增效的工具,而非能自主产生突破性假设的科学家。
真正的考验在湿实验
当 AI 开始进军科研,我们不能只看它在对话框里写出了多漂亮的实验设计建议。真正的科学突破需要湿实验(wet-lab)的验证。如果模型无法规避虚假的科学假设,甚至在生成方案时产生类似代码幻觉的科学谬论,那么其商业意义就会大打折扣。
Moonshot AI 的这一轮转向,本质上是从一个卷 benchmark 的舒适区,进入了一个看重转化率的硬核战场。代码是可以即时反馈对错的,而生物制药的研发周期动辄以年计。
对于观察者而言,接下来最值得关注的变量不是 Kimi 在某项评分上又高了几个点,而是是否有生物科技企业通过这些模型,真正把药物开发的某个关键环节时间缩短了一半,并且最终在临床试验中拿到更好的数据。
纸上得来终觉浅,绝知此事要躬行。科研 AI 的最终话语权,不掌握在模型研发者的分数表上,而掌握在湿实验的成功率里。
【锐评】代码赛道已是红海,科学探索虽是蓝海,但若 AI 只是在进行高级的资料整理,而非真的科学原创,最终恐怕仍难脱离数据处理加速器的定位。
