UniPat AI 牵头联合斯坦福、哈佛、康奈尔等高校团队推出名为 Science Prediction Universe（SPU）的湿实验预测基准，这套基准一共包含 116 项科研任务、4207 组真实湿实验数据，覆盖化学、材料、生物、医学四大方向，测试时给 AI 固定一块 H20 GPU、单次最多 8 小时自主检索推理，实测发现就算把模型推理开到上限、把算力和 API 成本提升 5 倍，AI 对真实湿实验结果的预测得分几乎没有上涨，哪怕是 Claude Opus 5.5、GPT-6 Astra 这类当前最强前沿大模型，也只有一半任务能超过随机猜测水平，直接打破行业里 “堆算力、加长推理就能提升 AI 科研预测能力” 的固有认知，说明真实物理世界的实验规律，不是单纯靠增加算力和思考 token 就能吃透。
一、SPU 湿实验基准基础信息
| 项目 | 详情 |
|---|---|
| 基准名称 | Science Prediction Universe，简称 SPU |
| 牵头单位 | UniPat AI，合作顾问来自斯坦福、哈佛、康奈尔等院校 |
| 任务总量 | 116 项独立科研任务 |
| 湿实验样本 | 4207 组线下实测湿实验，全部为未泄露的真实实验结果 |
| 覆盖学科 | 化学、新材料、生物学、生物医药 |
| 固定测试环境 | 单张 H20 GPU，单次 Agent 工作时长上限 8 小时 |
| 模型权限 | AI 自主检索文献、调用工具、分配算力资源，自行输出实验预测 |
二、核心实测结论清单
- 算力放大 5 倍、推理拉满，预测成绩基本不动：测试组把推理预算、调用成本拉高 5.3 倍，模型对湿实验结果的预测能力没有明显改善；
- 顶尖模型集体表现偏弱：最强的 Opus 5.5，也仅有一半任务的预测效果好于随机基线；
- 区分开 “刷题式科研题” 和真实湿实验：以往很多科学基准是纸面题目，SPU 全部对标线下实验室真实结果，不存在网上现成答案；
- 短板集中：AI 能看懂文献、整理条件，但很难预判物理、生化反应里的偶然误差、微观相互作用。
三、SPU 和传统 AI 科学基准的差别
- 旧基准：偏向纸面计算题、文献问答、已知反应复述，答案在公开资料里能找到，模型可以靠检索 “刷分”；
- SPU 基准：所有湿实验结果是线下提前做完封存，属于模型从来没见过的物理实测数据，没法靠检索直接找到标准答案；
- 评价目标：评估 AI 能不能预判 “在给定实验条件下，真实实验室会得到什么结果”，也就是科研里最核心的试错预判环节。
四、对 AI for Science 行业带来的启示
- 生化、材料这类真实湿实验预测，存在算力收益天花板，无脑堆卡、无限拉长推理不是有效解法；
- 当前大模型学到的是文献里的归纳知识，缺少对物理世界底层机理的内化；
- 后续科研 AI 的迭代重点，需要转向机理建模、实验误差建模，而不是单纯提升大模型推理长度；
- 可以用来筛选靠谱的科研 Agent，避免用纸面高分模型去指导昂贵的线下湿实验，减少实验室试错成本。
【常见问题】
问题 1：这套史上最严湿实验预测基准 SPU，为什么算力翻五倍、推理拉满也没法提升预测效果？
回答 1：这套湿实验预测基准测试的是真实生化材料实验结果，里面包含很多微观相互作用、实验环境误差，这些规律很难只靠文本推理捕捉，算力和长推理只能优化文献检索整合，没法补齐对真实物理机理的认知，所以就算算力翻五倍，湿实验预测得分提升不明显。
问题 2：SPU 湿实验预测基准里面，现在最强的 AI 模型表现是什么水平？
回答 2：在这个史上最严湿实验预测基准 SPU 里，Claude Opus 5.5、GPT-6 Astra 这类顶尖模型，也只有一半任务的预测结果优于随机猜测基线，整体距离可靠商用预测还有很大差距。
问题 3：SPU 湿实验预测基准和以前的 AI 科学类基准，核心区别在哪里？
回答 3：以往很多 AI 科学基准偏向书面习题、文献问答，网上能找到参考答案，而 SPU 湿实验预测基准全部使用提前完成、封存的真实线下湿实验数据，没有现成答案，专门考核 AI 预判真实实验室结果的能力，所以难度被称作史上最严。
【参考资料】
[2026-11-14]（「史上最严」湿实验预测基准发布！推理拉满、算力翻五倍也白搭）36 氪
[2026-11-14]（SPU 基准实测：堆算力无法提升 AI 湿实验预测能力）量子位
[2026-11-14]（Science Prediction Universe 湿实验基准论文公开）UniPat AI 官网
[2026-11-14]（AI for Science 新标尺：SPU 瞄准真实湿实验结果预测）机器之心
【免责声明】
本文 SPU 湿实验预测基准相关测试数据、结论来自 UniPat AI 公开论文与科技媒体报道；测试结论仅针对本次 SPU 设定的湿实验预测任务，不代表 AI 在分子对接、文献总结、实验方案书写等其他科研任务没有收益；不同模型、不同实验赛道表现存在差异，本文内容仅作为 AI 科研方向资讯解读，不构成科研项目选型、算力采购建议。