125B 参数只激活 6B：国产开源生信大模型硬刚 GPT-6-Astra

让通用大模型做生物信息分析，常见的场景是：术语对答如流，一进真实命令行就报错。11 月 13 日，无界前沿开源了面向专业生信任务的模型 Fx-Bio-1031，试图把“会聊天”变成“能干活”。

一分钟速览：

• Fx-Bio-1031 总参数 125B，每个 token 仅激活 6B，采用 MoE 架构
• 支持 512K 超长上下文，可本地私有化部署
• 在 BioMysteryBench 困难子集取得 70.59% 的 Pass@5
• 覆盖药物研发、多组学、病原溯源、实验排错和自动化管线五类场景

成绩单：难在什么地方

BioMysteryBench 不是普通的问答题。模型会被放进真实的生物数据和 Linux 工具环境，面对全基因组测序、单细胞转录组、染色质开放性、宏基因组与蛋白质组学任务。它要自己看原始文件、去 NCBI 和 Ensembl 找注释、写多步统计脚本，跑不通就推翻重来。

在人类专家可解的子集里，顶尖模型通过率都在 90% 以上，差距不大。但到了需要数十步长程推理、多源证据拼图的困难子集，GPT-6-Astra 和 Opus-5 的通过率卡在 50% 左右，Fx-Bio-1031 则达到 70.59%，领先 17.65 到 23.53 个百分点。BiomniBench 的 Pass@3 同样领先。

一个案例看清“执行力”

在一道乳腺癌临床队列任务里，模型要从 1918 份杂乱记录中清理重复项，锁定 762 名独立患者，判断 ESR1 突变与 RAS/MAPK 通路变异是共存还是互斥。它算出突变患者通路变异率为 7.1%，野生型为 19.5%，比值比 0.317，p 值 0.0011，又做了 10 万次置换检验确认信号。

多数模型到这一步就交卷了。Fx-Bio-1031 接着对自己的结论发起 14 项敏感性分析：收紧突变范围、剔除拷贝数变异只看点突变、只看基因扩增，还拉入 PIK3CA 和 CDH1 做阴性对照。最终它给出的不只是一个显著结果，还有一张“结论边界地图”：哪些设定下结论稳固，哪些设定下显著性会消失。

另一道盲测题更极端：9 份彻底撕掉标签的干细胞 ATAC-seq 样本，只知道其中 3 份是对照、6 份用过两种药。模型先把相似的样本归堆，再去外部数据库查药物作用方向，用外部证据回头比对，把 9 份样本的身份全部还原。

为什么强调“能私有化”

医院、高校课题组、药企和 CRO 的数据，多数不能出境，也不适合长期放在海外云端。Fx-Bio-1031 的 125B 总参数、6B 激活设计，把单次推理的计算量压了下来，目标是让机构在自有服务器上部署，而不是依赖昂贵的外部 API。

它覆盖的五类场景也贴着真实需求：临床队列的靶点与生物标志物验证、多组学联合分析、病原微生物溯源与宏基因组质控、湿实验异常排查与审稿补实验，以及作为生信自动化管线的底座。官方称已跑通生物医药干实验，并提供了 Hugging Face 上的评测数据。

开源生信模型的真正考验

开源只是第一步。生信任务高度依赖工具链、数据库版本和运行环境，模型在基准上表现好，不代表在医院机房里也能稳定复现。接下来要看的，是社区能否补齐安装、依赖、报错恢复这些“脏活”，以及机构是否愿意把真实管线交给它跑。

另一个看点是竞争格局。海外头部实验室过去半年密集布局生命科学：OpenAI 有 GPT-Rosalind，谷歌有 Gemini for Science，Anthropic 有 Claude Science。它们的专业模型大多闭源，本地化和数据安全成为空档。Fx-Bio-1031 选择开源，正好切进这道缝。

如果这套模型能在真实课题组里跑通，意义不只是一次基准超越，而是把“AI 做科研”从演示推进到可审计、可部署的生产工具。对生命科学这样数据敏感、流程复杂的领域，能落地比能答题更重要。