GPT-6 Astra登顶抗体可开发性预测基准

9月10日，OpenAI总裁Greg Brockman转发Andrew Aiginin在X平台的消息，宣布GPT-6 Astra在Insilico Medicine构建的DDD基准测试中，以37.98分登顶抗体可开发性预测榜单，击败所有受测前沿模型。Aiginin还表示，Astra约1小时内生成了展示抗体作用机理的交互式可视化页面。

该基准的抗体可开发性模块综合6种抗体实验数据，评估聚集倾向、稳定性等与成药相关的属性。此次GPT-6 Astra未使用外部专用工具，也未进行针对抗体数据的专门微调。

Insilico Medicine同日将21页论文《Training Chemical Plausibility-Aware Large Language Models for Single-Step Retrosynthesis》上传至arXiv。论文介绍了URSA-expert-2026数据集，其中包含100个经人类化学专家确认合成可及性的全新分子；以及从反应中心映射、官能团兼容性等底层规则判断化学合理性的ChemCensor打分系统。

论文还提出通过Top-K提示词生成多个候选路径、用约4560万个验证过的化学反应数据训练化学限制对齐语言模型C3LM、并在强化学习中引入“新颖性”奖励。结果显示，C3LM在单步逆合成任务上超过了传统专用模型。

Aiginin在消息中称，找到一个能结合的抗体只是开始，还要判断其是否聚集、能否保持稳定、是否真的能像药物一样发挥作用。GPT-6 Astra此次在抗体可开发性预测上的表现，被视为通用大模型应用于生物医药研发的一次能力验证。