Claude 发现新酶系统！950 个 Agent 跑了 21 小时

950 个 Claude Agent，跑了 21 小时，用掉约 2.1 亿 token。

它们在超过 20 万个逆转录酶里翻找，筛出 3,500 个候选系统，再缩到 20 个。最后，其中一个候选进了人类科学家的实验室。

Anthropic 9 月 23 日公布的结果，是一个叫 ART 的新型酶系统。它带着一串很像 CRISPR 的 DNA 重复序列，藏在噬菌体的 DNA 里。好家伙，看到这组数字，很多人的第一反应大概都是，AI 开始自己做科学发现了？

如果你正在把 Claude Code、Codex 这类模型塞进研发、数据分析或知识工作流，这件事跟你有关的地方，不是它会不会替代科学家。

而是它把研究 Agent 最难交付的一段，摆得挺清楚。模型可以给你成百上千个答案，真正值钱的是，它能不能把一个答案送到人敢接手、也有办法证伪的位置。

ART 目前还不知道具体做什么，更没有被证明能像 CRISPR 那样编辑基因。这个边界先放在桌上，后面所有讨论才不至于飘起来。

它找到的不是一个成品，而是一处值得验证的异常

先把新闻里最容易被压缩过头的部分掰开。

ART 的全称是 array-associated reverse transcriptases，中文可以叫阵列关联逆转录酶。它主要出现在噬菌体里，也就是感染细菌的病毒。这个系统由一类逆转录酶、旁边的伙伴基因，以及一长段间隔均匀的 DNA 重复序列组成。

重复序列这个东西听上去有点像生物学教材，但它并不无聊。CRISPR 当年也是从这类不太寻常的重复结构开始，后来才被发展成基因编辑工具。限制性内切酶、Taq 聚合酶这些大名鼎鼎的家伙，也都不是谁在白板上凭空设计出来的，它们先是自然界里一个不合群的细节。

Claude 这次盯到的，就是这个不合群的细节。

此前的研究其实已经标注过这类巨型噬菌体里的逆转录酶。新的部分在于，Claude 把它旁边的非编码 DNA 重复阵列、一个功能未知的伙伴蛋白，以及这类逆转录酶放到了一起看，认为它们不像三件碰巧挨着的杂物，更像一个未被描述过的系统。

它没有凭空发明 ART。它在公开数据和已有文献之间，找到了一种以前没人完整命名、也没人系统验证过的组合关系。

这差别很大。

「生成一个漂亮的解释」和「发现一个值得验证的异常」，中间隔着一整条证据链。前者的错误常常写得很流畅，后者得容忍大量空白，甚至得接受最终实验把它推翻。做过 Agent 的朋友对这种感觉应该不陌生，模型最会把不确定的地方补圆，研究工作偏偏需要把没补上的洞保留下来。

Anthropic 自己也没有把话说满。官方页面写得很直白，ART 的主要功能仍在研究中。现有实验只说明，ART 阵列会表达成多种短 RNA。这给了研究者继续追的理由，但离「它已经是一个可编程基因编辑工具」还远得很。

图里不是炫技海报，而是 Agent 在原始序列旁读到重复模式时所面对的材料。真正难的不是看见一串重复字符，是在海量上下文里知道哪一串值得停下来。

20 万进 20，不是算力表演，是一台候选淘汰机

很多同题报道把重点放在近千个 Agent 和 2.1 亿 token。数字当然够吸睛，但我更在意另一个漏斗。

超过 20 万个逆转录酶。

3,500 个新候选系统。

20 个最有希望、值得写成人类可读报告的候选。

最终才有一个 ART，进入了后续分析和湿实验。

厉害了，真正干活的不是把 20 万份材料同时塞进上下文窗口，而是不断删掉那些看着也挺像回事的东西。

Anthropic 描述的流程其实很朴素。Claude 先读文献，再用公开数据复现已知结论，确认自己没有把基本题做错。随后，它去找那些不符合既有系统描述的蛋白家族成员和基因组邻域，为每个候选写一份带证据的假设报告。研究人员和模型继续审，绝大多数候选会在这里出局，有时一轮下来一个也不留。

只有活到最后的候选，才会被送进实验室。研究人员会表达蛋白、做生化和结构表征，再判断这个系统是否真的存在、又在做什么。

这里没有一条「模型觉得很有趣」就直通实验台的快速通道。挺好。

我一直觉得，很多 Agent 项目翻车，不是模型没有发现东西，而是项目组把「生成」误当成了「通过」。模型提交了一份答案，没人知道它参考了哪些数据，哪些是重放已知结果，哪些是新增假设，哪些已经被反例击穿。到了最后，所有人只能对着一段看上去很自信的文字点头，跟拿一段没跑测试的代码直接上线差不多。

Anthropic 的研究组反过来把淘汰当成主产品。他们甚至会研究，什么样的候选报告值得做实验，什么样的报告该被放下。这些判断再回流进指令，慢慢让 Agent 更接近科学家筛候选时的品味。

这才是我想从这件事里拿走的部分。

不是让模型学会替人宣布发现，而是让模型学会提供一个能被拒绝、也能被复查的发现候选。

人类留在最后，不是在等模型犯错

有个很容易被忽略的细节，Anthropic 的生命科学实验室只处理 BSL-1 和 BSL-2 范围内的工作，不接触能感染人的病原体。所有湿实验都由人类科学家完成。

这不是发布稿里顺手加的一句安全免责声明，它定义了协作边界。

模型负责的大头，是文献检索、公开数据复现、候选发现、证据归档、报告整理，以及在实验结果回来后协助解释。人的工作没有被压缩成最后签个字，而是集中在三种模型不该替你下的判断上。

第一种，是研究问题值不值得问。你可以让 Claude 在 DNA 库里不停找异常，却不能只靠异常本身决定投入方向。资源总是有限，实验台、样本、合规审查和研究者的时间都不是 token。

第二种，是证据够不够进下一关。模型会给出一大串相关性，但相关性不是机制。ART 的短 RNA 结果很有意思，可它是否参与切割、复制、粘贴 DNA，目前没有答案。把未知写成未知，没那么性感，却是科学工作里最硬的一块骨头。

第三种，是实验是否真正支持那个假设。湿实验不像跑一次 benchmark，换个随机种子再来一遍就完事。表达失败、结构不稳定、对照不成立，都可能让一条看上去完美的推理链断在最末端。

所以，人类留在最后一道门，不是等着给模型擦屁股。更像是 code review 里的 maintainer，不负责替你把每一行代码敲出来，但负责判断这个改动能不能进主分支，进去了会不会把后面的系统拖垮。

不是哥们，这个位置一点也不轻松。模型越会写，最后那道门反而越需要清楚的验收标准。

实验操作没有被放进自动化的背景里。官方明确说，湿实验由人类科学家执行，模型参与的是假设和数据解释的循环。

如果你在做研究 Agent，别只盯着它找到了什么

ART 离普通软件团队很远，可验证链的逻辑并不远。

一套能进生产的研究 Agent，我会希望它每次提交候选时，都能把四个东西放在一起。

它从哪一批资料里找，资料的版本和边界是什么。

它有没有在已知样本上重放过正确结果。如果连旧结论都复现不了，新的候选先别急着庆祝。

它为什么把这个候选排在前面，哪些证据支持，哪些反例已经查过，哪些空白还没补。

它下一步需要什么独立验证，谁来做，什么结果会让这条假设作废。

这四段看着很土，没有「自主研究」几个字那么气势汹汹。但它们能把一堆漂亮回答，变成团队敢分配时间的待办。

你如果做的是代码研究，最后一段可以是可重复的测试、隔离环境和人工审查。

你如果做的是数据分析，最后一段可以是留出数据、独立复算和业务方确认。

你如果做的是药物、材料或生物方向，那它就得是实验设计、对照组、实验室复现和安全审查。

场景不同，逻辑没变。模型负责把搜索空间压缩，人负责决定压缩后那条路能不能走。

这套安排还有一个很现实的好处。模型错了，你不会只得到一句「抱歉，我刚才判断错了」。你能看到它错在哪一层，是资料源不完整，还是复现没过，是排序逻辑太松，还是独立验证推翻了候选。这样才能修系统，而不是下一轮换个 prompt 再祈祷一次。

这条新闻最值得克制的地方

我也理解大家为什么兴奋。一个通用模型从海量 DNA 数据里识别出可能的新系统，还推动了后续实验，这事儿确实有点子牛逼。

但越是这样的时刻，越别把候选、功能、产品、临床价值揉成一句话。ART 不是已经可用的基因编辑工具，预印本也不是同行评审后的终局。Anthropic 的材料中，连 ART 的原始功能都还在确认。

这种克制不是给热度泼冷水。恰好相反，它让这件事有机会走得更远。

科学发现从来不是一次模型输出。它更像连续过闸，文献和公开数据一关，候选报告一关，人工复核一关，实验一关，别人能不能复现又是一关。每过一关，结论才多一点重量。

我们做 Agent 也是一样。别把「它给出了答案」当作完成。让它把答案连同证据、反例、未知和下一步验证一起交上来，才配得上自动化三个字。

ART 的故事才刚起步。接下来更值得看的，不是 Claude 又能讲出多漂亮的发现叙事，而是这条验证链能不能在别的课题上重复跑通。

如果你的团队已经在让 Agent 做研究、分析或复杂排查，你们现在最缺的是更大的搜索空间，还是一套敢把候选拒在门外的验证门槛？

资料来源：Anthropic 官方发布 与其预印本技术报告。