无界前沿在 11 月 13 日正式开源面向生物信息领域的智能体大模型 Fx-Bio-1031，该模型基于 Qwen 基座，采用自研 RSI 递归自改进后训练方案，完整权重已经上传 Hugging Face，在 BioMysteryBench 困难子集盲测拿到 70.59% 的 Pass@5，同条件下超过 GPT-6-Astra 的 47.06%、Claude Opus-5 的 52.94%，同时在 BiomniBench 上 Pass@3 达到 89.50%，它不是只能做文献问答的生物模型，而是可以自主完成生信全流程任务，写分析脚本、调用生物数据库、安装工具、做结果校验，把原本科研人员几周的生信干实验工作压缩到小时级别，也给国内药企、生物实验室提供了可以私有化部署的开源生信大模型选择。下面把模型架构、基准测试数据、RSI 技术、适用场景、部署限制全部整理清楚。
一、Fx-Bio-1031 基础参数一览
| 项目 | 详情 |
|---|---|
| 开发方 | 无界前沿（The Endless Frontier） |
| 基座 | Qwen3.8-Flash-Next，经过 RSI 递归自改进后训练 |
| 架构 | MoE 混合专家，总参数 125B，单 Token 激活仅 6B |
| 上下文窗口 | 524288 tokens（512K） |
| 权重包大小 | BF16 精度约 360GB |
| 开源协议 | 通义千问社区协议 1.0，商用需要遵守协议条款 |
| 发布平台 | Hugging Face，开放完整权重、Tokenizer、配置文件 |
二、核心基准测试对比
测试环境统一，采用 Anthropic 推出的 BioMysteryBench，这套基准模拟真实 Linux 环境，覆盖基因组、单细胞转录组、宏基因组、蛋白质组等复杂生信任务。
- BioMysteryBench 困难子集 Pass@5：Fx-Bio-1031 70.59%，GPT-6-Astra 47.06%，Claude Opus-5 52.94%
- BiomniBench 全流程生信任务 Pass@3：Fx-Bio-1031 89.50%
- 补充说明：在 BixBench3 等其他基准上，Fx-Bio-1031 并没有全部领先，存在部分场景弱于 GPT-6-Astra 的情况
三、RSI 递归自改进后训练是什么
RSI 全称 Recursive Self-Improving，也就是递归自改进，是这次 Fx-Bio-1031 最核心的技术改动，和普通 SFT 微调不一样。
- 模型自己生成生信任务方案，执行代码、跑仿真、拿到结果
- 自动判断结果对错，找出推理漏洞、代码 bug、参数错误
- 基于失败样本迭代优化自身，反复循环完成自提升
- 优势：更贴合真实科研里的试错流程，对复杂多步骤生信分析提升明显
- 局限：RSI 是后训练方案，不是全新基座，底层能力上限依然受 Qwen 基座约束
四、Fx-Bio-1031 可以做哪些生命科学任务
- 基因组、单细胞转录组 scRNA-seq、ATAC-seq、宏基因组、蛋白质组数据分析
- 自动编写 Python、R 生信脚本，调用 NCBI、Ensembl 等公共生物数据库
- 自主安装生信工具软件，设置参数，运行统计检验、差异分析
- 结果交叉验证，自动排查实验分析里面的逻辑矛盾
- 辅助生物医药干实验、靶点筛选、测序数据解读
五、落地优势与现存短板
优势
- 开源全权重，支持本地私有化部署，敏感测序数据不用出内网
- MoE 激活参数少，算力门槛比同等总参数量的稠密模型更低
- 面向生信 Agent 优化，主打可执行、可验证的分析流程，不是单纯文本问答
- 国产基座衍生，给国内科研机构提供闭源海外模型之外的备选方案
短板
- 360GB 权重包，本地部署需要很高显存、存储资源
- 基准测试是厂商同框架盲测，第三方独立复现验证还比较少
- 只覆盖干实验生信分析，不能直接替代湿实验、临床诊断
- 商用使用有协议约束，企业落地前需要通读 Qwen 社区协议
六、上手部署简单步骤
- 前往 Hugging Face 仓库下载 Fx-Bio-1031 完整权重与配置文件
- 准备满足显存要求的 GPU 集群，配置 BF16 推理环境
- 加载 Tokenizer 与模型，开启 thinking 模式，接入生信工具环境
- 输入测序数据、分析需求，模型自主规划流程、生成代码执行
- 人工复核最终分析结论，用于科研辅助，不直接作为临床结论
【常见问题】
问题 1：无界前沿 Fx-Bio-1031 开源，盲测在哪一项指标超越 GPT-6-Astra、Opus-5？
回答 1：无界前沿 Fx-Bio-1031 在 BioMysteryBench 困难子集 Pass@5 盲测成绩 70.59%，超越 GPT-6-Astra（47.06%）与 Claude Opus-5（52.94%），该基准专门针对复杂生信 Agent 任务。
问题 2：Fx-Bio-1031 里面提到的 RSI，是怎么带入生命科学模型训练的？
回答 2：Fx-Bio-1031 的 RSI 是递归自改进后训练，模型自主生成生信分析方案、执行代码、校验结果，拿失败样本反复迭代优化推理能力，专门适配生命科学多步骤分析任务。
问题 3：Fx-Bio-1031 是稠密模型还是 MoE 模型，激活参数有多少？
回答 3：Fx-Bio-1031 是 MoE 混合专家架构，总参数 125B，每一个 token 推理时只激活 6B 参数，兼顾大模型能力和推理成本。
问题 4：Fx-Bio-1031 开源之后，能不能直接拿来做临床诊断？
回答 4：Fx-Bio-1031 是生信分析辅助模型，只能做测序数据干实验分析，不能直接用来做临床诊断，所有输出结果都需要科研人员、医生复核。
问题 5：Fx-Bio-1031 的开源协议是什么，企业商用需要注意什么？
回答 5：Fx-Bio-1031 采用 Qwen Community License 1.0 协议开源，企业商用必须遵守协议条款，不能随意无限制商用，落地前需要核对协议细则。
【参考资料】
[2026-11-14]（The Endless Frontier Open-Sources Fx-Bio-1031, a Qwen-Based Model That Runs Bioinformatics Analyses）Pandaily
[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（腾讯新闻）
[2026-11-13]（Fx-Bio-1031: 125B Open-Weight Bioinformatics Model, 512K Context）TPS Report
[2026-11-13]（Fx-Bio-1031 Hugging Face 模型卡片）Hugging Face
[2026-11-13]（国产生信 Agent 大模型 Fx-Bio-1031 发布，支持自主生信分析）QbitAI
【免责声明】
本文为 Fx-Bio-1031 开源资讯整理，基准测试数据为厂商同框架盲测结果，第三方独立复现结果可能存在差异；该模型仅作为生命科学科研辅助工具，不具备临床诊断资质，不能替代生物实验、医师诊断。模型权重下载、商用使用请严格遵守对应开源协议，本文不构成算力采购、科研方案、商业落地建议。