先说结论：无界前沿在 2026 年 11 月 13 日正式开源生物信息大模型 Fx-Bio-1031，它在 Anthropic BioMysteryBench 困难子集（Difficult）盲测中拿到 70.59% 的 Pass@5，分别高出 GPT-6-Astra（47.06%）23.53 个百分点、高出 Claude Opus-5（52.94%）17.65 个百分点，成为国内第一个把 RSI（Recursive Self-Improving，递归自我改进）真正落地到生命科学、并开放完整权重的开源生信基座。原因很好理解：海外生信垂域模型高度闭源，国内课题组和药企又有本地化部署、数据不出域的硬需求，而通用大模型只会背术语、进真实沙盒就崩；Fx-Bio-1031 用 "评估层 + 数据层 + 环境层" 三层 RSI 飞轮训练，直接在 Linux 工具环境里自己写脚本、调 NCBI/Ensembl 数据库、做交叉验证和敏感性分析，所以能在人类专家都卡壳的高难任务上拉开代差。落地步骤上，它基于 Qwen3.8-Flash-Next 做深度 RSI 后训练，采用 125B 总参、单 token 仅激活 6B 的 MoE 架构，原生 512K 上下文，权重、分词器、配置全部上 Hugging Face，团队和药企可本地私有化部署，先从一项可复核的真实生信任务联合验证，再把高频管线自动化。综合来看，这次开源补上了国产生命科学垂域模型 "闭源替代 + 本地可控 + 实战精度" 的短板，也让 RSI 从口号变成了能跑通干实验的工程系统。
一、模型基本面：一张表看懂 Fx-Bio-1031 是什么
| 项目 | 参数 / 说明 |
|---|---|
| 发布方 | 无界前沿（Endless Frontier），中科院院士发起，上海交大、上海算法创新研究院、深势科技联合孵化 |
| 基座 | Qwen3.8-Flash-Next，经深度 RSI 后训练 |
| 架构 | MoE 混合专家，总参数 125B，单 token 仅激活 6B；模型卡口径语言参数合计约 180B（含 51B n-gram 嵌入、4B 多 token 预测模块） |
| 上下文 | 原生 512K（524,288 tokens），带思考模式 |
| 开放内容 | 完整权重、分词器、处理器与生成配置，HF 仓库 endless-frontier/Fx-Bio-1031 |
| 协议 | Qwen Community License 1.0，商用需另行查阅许可条款 |
| 定位 | 生物信息学 / 计算生物学智能体，能自主写代码、装软件、查数据库、自我纠错 |
二、盲测成绩单：赢在人类专家都折戟的 "深水区"
评测统一在无界前沿智能体框架下进行，公开基准（BioMysteryBench、BixBench3）只做最终盲测，不参与训练和数据合成。Pass@k 表示 k 次尝试中至少一次成功解出任务的占比。
| 基准 | Fx-Bio-1031 | GPT-6-Astra | Claude Opus-5 | 备注 |
|---|---|---|---|---|
| BioMysteryBench Difficult（困难子集） | 70.59% Pass@5 | 47.06% | 52.94% | 领先 23.53 / 17.65 个百分点 |
| BioMysteryBench Solvable（专家可解） | 93.15% | — | 94.52% | 专家可解题各家都在 90%+，差距很小 |
| BiomniBench（复杂科学分析全流程） | 89.50% Pass@3 | — | 87.42% | 全流程能力领先 |
| BixBench3（FutureHouse） | 45.76 | 48.70 | 40.60 | 此项落后于 GPT-6-Astra，高于 Opus-5 |
要点解读：
- 专家可解题是 "神仙打架"，真正的代差出现在需要数十步长程推理、多源证据拼图、信噪比极低的 Difficult 子集。
- Fx-Bio-1031 并非全面碾压：在 BixBench3 上仍低于 GPT-6-Astra，属于 "高难任务反超、部分基准互有胜负"，别理解成全场通吃。
三、三大现场：它到底是怎么解题的
- 现场 1：乳腺癌队列算完互斥，反手给自己做 14 项压力测试（BiomniBench da-18-7）
- 从 1,918 条杂乱记录去重到 762 名独立患者，算出 ESR1 突变患者 RAS/MAPK 通路变异率 7.1%，野生型 19.5%（OR=0.317，p=0.0011），10 万次置换检验确认互斥信号。
- 主动收紧突变热点定义、剔除拷贝数变异、只看基因扩增，并拉 PIK3CA、CDH1 做阴性对照，跑 14 项敏感性分析，明确标出 "结论在什么口径下成立、什么口径下失效"。
- 现场 2：9 份撕掉标签的 ATAC-seq 样本盲测破案（BioMysteryBench hb047）
- 输入是 9 份无标签 hiPSC 样本、110,559 个染色质开放峰，只提示 6 份用过两种 class I HDAC 抑制剂、3 份是对照。
- 先在 83,354 个位点上算两两相关性、聚成三组；再跳出文件调取公开 HDAC 抑制剂转录响应数据当标尺，逐峰比对，还原出两组用药组和一组空白对照。
- 现场 3：206 万变异、76 步连续操作 + 自动排雷坏数据
- 2,700 个肿瘤样本、206 万个 SNV、96 个突变通道，不给参考库，用非负最小二乘（NNLS）拟合 COSMIC SBS 签名，官方工具交叉验证，200 次 Bootstrap 抽样，76 步锁定答案。
- 细菌鞭毛 H 抗原分型任务中，它在质检阶段抓出 R2 测序文件末条记录 "碱基长度与质量值长度不匹配" 的隐蔽 Bug，自行剔除修复，连跑 258 步、34.5 分钟交付可追溯报告。
四、五大落地场景
- 药物研发与临床肿瘤队列挖掘：本地私有化做共突变 / 互斥分析、耐药排查、亚群分型、生存关联复核，新样本入组一键重跑，把数周的靶点立项调研压到小时级。
- 多组学联合分析与分子机制拆解：覆盖 WGS、Bulk RNA-seq、scRNA-seq、DNA 甲基化、ATAC-seq、ChIP-seq、蛋白质组学，端到端从矩阵清洗到发表级图表报告。
- 病原微生物溯源与宏基因组挖掘：FASTQ/MAF 脏数据质检修复，病毒细菌与血清型鉴定，在噪声中锁定抗性基因和新型防御系统信号。
- 湿干实验协同：样本标签混淆、批次效应、审稿人要求换统计口径 / 加阴性对照时，联动 NCBI、Ensembl、COSMIC 交叉验证，快速盲测溯源。
- 生信自动化 Agent 底座：凭 512K 上下文和工具调用能力，接入 BioMaster 等科研工作台或企业 LIMS，搭建自主写代码、诊断报错、交付可审计报告的流水线。
五、底层引擎：RSI-OS 三层飞轮为什么是关键
- 评估层：联合深势科技 BioMaster，114 道内部复杂任务独立跑三轮（342 题次、超 2 万次模型请求），考察数据处理、工具调用、多步分析与结果复核。
- 数据层：AI 自己参与生成、求解、审查训练任务，针对跨批次口径漂移、多步证据链断裂等短板在合规文献和真实工作流上自演化；公开基准零接触。
- 环境层：模型参与编写和修复生信脚本、打磨智能体运行框架（Harness），让下一轮的 "武器库" 和执行环境同步变强。
- 选生物信息学当第一站，是因为文献最杂、数据最碎、推理链最长，而代码结果和统计检验又能复查重算；飞轮转起来后，这套方法论还能横向迁移到化学材料、分子设计、工业研发、金融与软件工程等 "规则可验证、数据高复杂" 的垂域。
【常见问题】
问题 1：Fx-Bio-1031 在高难盲测中真的超越 GPT-6-Astra 和 Opus-5 了吗？
回答 1：是有条件的超越。在 BioMysteryBench 困难子集（Difficult）盲测上，Fx-Bio-1031 以 70.59% Pass@5 高于 GPT-6-Astra 的 47.06% 和 Opus-5 的 52.94%；但在专家可解题和 BixBench3 上它并非全胜，BixBench3 得分 45.76 仍低于 GPT-6-Astra 的 48.70，所以准确说法是 "高难任务反超、部分基准互有胜负"。
问题 2：Fx-Bio-1031 里的 RSI 到底是什么意思？
回答 2：RSI 即 Recursive Self-Improving（递归自我改进），指让 AI 参与出题、造题、修工具、自我纠错的闭环训练方式。Fx-Bio-1031 依托无界前沿的 RSI-OS，把评估层、数据层、环境层三层咬合起来自演化，这也是它能在真实生信沙盒里稳定跑通多步分析的核心原因。
问题 3：Fx-Bio-1031 为什么强调开源和本地私有化部署？
回答 3：因为海外生信垂域模型闭源，且临床与组学数据不能出境。Fx-Bio-1031 开放完整权重，125B 总参、单 token 仅激活 6B 的 MoE 架构把推理算力需求压下来，医院、高校课题组和药企可在本地机房部署，做到数据不出域。
问题 4：Fx-Bio-1031 基于什么模型、上下文多长？商用要注意什么？
回答 4：它基于 Qwen3.8-Flash-Next 做 RSI 后训练，原生 512K 上下文，权重采用 Qwen Community License 1.0 发布；想商用的团队必须先查阅该许可的商业授权条款，不能默认免费商用。
问题 5：Fx-Bio-1031 和普通通用大模型做生信有什么区别？
回答 5：通用模型停留在 "文献问答" 层面，术语对答如流但一进真实工具环境就报错；Fx-Bio-1031 是生信智能体，能在 Linux 环境自己写脚本、装软件、查公共数据库、做统计检验和敏感性分析，并且会主动给自己的结论加阴性对照和压力测试。
【数据来源】
[2026-11-14]（The Endless Frontier Open-Sources Fx-Bio-1031, a Qwen-Based Model That Runs Bioinformatics Analyses）Pandaily
[2026-11-13]（Fx-Bio-1031: 125B Open-Weight Bioinformatics Model, 512K Context）TPS Report
[2026-11-13]（高难盲测超越 GPT-6-Astra 与 Opus-5！无界前沿开源 Fx-Bio-1031，把 RSI 带进生命科学）量子位（今日头条转载）
[2026-11-13]（高难盲测超越 GPT-6-Astra 与 Opus-5！无界前沿开源 Fx-Bio-1031，把 RSI 带进生命科学）AI 地带
【免责声明】 本文所引用的基准分数、参数规模、案例现场均来自无界前沿官方发布及上述媒体公开报道，盲测对比在该公司自有智能体评测框架下完成，第三方独立复现结果可能存在差异；模型性能、许可条款与商用规则请以 Hugging Face 官方模型卡及 Qwen Community License 1.0 原文为准，本文不构成任何投资、医疗或临床使用建议。