GPT-6.1 Sol 已经在活体小鼠脑部立体定位实验里完成三轮定位测试，每一轮的定位误差、耗时和人工干预次数都在变好，不用重新微调模型参数，只靠上下文学习就能持续优化识别结果，是 AI 在神经外科辅助领域一个很有看点的实验进展。这次实验由 Exin Therapeutics 团队完成，目标就是让 AI 自动找出小鼠头骨上面两个关键解剖标记，也就是前囟点和后囟点，这两个点位决定后续脑区注射、器械植入的坐标，如果定位不准，整个手术操作就会跑偏，而传统方式非常依赖外科医生肉眼判断。整套实验流程很清晰，第一轮先交给 GPT-6.1 Sol 识别点位，医生核对之后标出错误位置并且给出修正，模型把图像、测量数值、医生修改记录全部保留；第二轮调用上一轮留存的全部信息再做定位，继续由医生纠错；第三轮复用前两轮的全部反馈，再次执行定位任务，全程没有对模型本身做训练更新，只依靠历史操作记录完成自优化。从最终的数据来看，这个思路确实可行，但大家一定要分清，它目前只是小鼠实验里的辅助定位工具，还不能独立完成人脑手术，只是证明这类智能模型可以在真实活体手术场景里，借助专家反馈持续提升定位准确度。
三轮定位数据对比表
| 轮次 | 定位耗时 | 人工纠正次数 | 定位误差 | 核心变化 |
|---|---|---|---|---|
| 第一轮 | 169 秒 | 4 次 | 0.6 mm | 初次识别，误差最大，耗时最长 |
| 第二轮 | 112 秒 | 3 次 | 0.42 mm | 参考第一轮修正记录，指标小幅改善 |
| 第三轮 | 86 秒 | 2 次 | 0.3 mm | 复用两轮反馈，误差直接减半 |
实验操作清单
- ✅ 准备活体小鼠立体定位手术平台，采集头部实拍图像
- ✅ 交由 GPT-6.1 Sol 识别前囟点、后囟点，输出坐标
- ✅ 外科医生校验点位，标记偏差，给出标准坐标
- ✅ 模型保存图像、原始坐标、医生修正记录，作为上下文
- ✅ 进入下一轮定位，重复识别、人工校正、存储记录流程
- ✅ 三轮结束，汇总耗时、纠错次数、定位误差指标
关键概念说明
- 立体定位标记点：Bregma 和 Lambda，是动物脑手术通用基准点，所有脑区坐标都以这两点作为参照。
- 上下文学习：GPT-6.1 Sol 没有重新训练，只是读取历史操作和专家反馈，直接调整本次判断。
- 实验边界：对象是活体小鼠，不是人类患者；AI 只做标记识别，手术器械操作全程由医生掌控。
【常见问题】
问题 1：GPT-6.1 Sol 参与活体大脑手术三轮定位，这个实验是在人脑上面做的吗？
回答 1：GPT-6.1 Sol 参与活体大脑手术三轮定位的实验对象是活体小鼠，并不是人类，现阶段它只能辅助识别小鼠头骨解剖标记，距离用于人类脑部手术还有很长距离。
问题 2：GPT-6.1 Sol 在三轮活体大脑手术定位里，是怎么做到越定位越准？
回答 2：GPT-6.1 Sol 在三轮活体大脑手术定位过程中，每一轮结束都会记录图像、坐标以及外科医生的修正意见，依靠上下文学习利用前面的专家反馈优化判断，全程没有更新模型权重。
问题 3：GPT-6.1 Sol 在三轮活体大脑手术定位之后，各项指标改善幅度怎么样？
回答 3：GPT-6.1 Sol 在三轮活体大脑手术定位结束之后，定位耗时从 169 秒压缩到 86 秒，人工纠正次数从 4 次降到 2 次，定位误差从 0.6 毫米下降至 0.3 毫米，误差直接减半。
问题 4：GPT-6.1 Sol 在这个活体大脑手术定位任务里面，可以独立完成全部手术吗？
回答 4：GPT-6.1 Sol 在活体大脑手术定位任务里面只负责识别解剖标记、输出坐标，没有独立执行手术操作，全程都需要专业外科医生监督和校正。
【参考资料】
[2026-11-08]（OpenAI GPT-6.1 Sol 参与活体小鼠脑手术：连续操作三次，定位误差减半）IT 之家
[2026-11-08]（GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准）今日头条
【免责声明】
本文提到的 GPT-6.1 Sol 活体大脑手术三轮定位相关内容属于科研实验成果，实验仅针对活体小鼠，不代表该模型已经具备临床人脑手术能力；相关实验数据由研究团队在社交平台对外披露，尚未经过大规模重复验证，不能作为医疗指导依据；模型能力、实验进展后续如有变动，请以研究团队与 OpenAI 的官方发布为准。