模型發布
無界前沿開源生物資訊模型 Fx-Bio-1031:採 125B MoE 架構,BioMysteryBench 困難題 Pass@5 達 70.59%
量子位單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據量子位報導,無界前沿正式開源專業生物資訊大模型 Fx-Bio-1031 並開放完整權重。該模型採用總參數 125B、每 token 啟動 6B 參數的 MoE 架構,支援 512K 上下文長度,專門鎖定醫療院所與生技藥企在本地私有化部署、維持核心資料不出域的需求。
評測數據顯示,在 Anthropic 發布的 BioMysteryBench 基準測試中,Fx-Bio-1031 在困難子集(Difficult)取得 70.59% 的 Pass@5,高於同框架下的 GPT-6-Astra(47.06%)與 Claude Opus-5(52.94%)。此外,在評估科學分析全流程能力的 BiomniBench 測試中,該模型的 Pass@3 達到 89.50%。
報導指出,Fx-Bio-1031 具備編寫程式碼、呼叫 NCBI、Ensembl 與 COSMIC 等資料庫、交叉驗證與自我除錯能力,主要涵蓋五大場景:藥物研發與腫瘤世代分析、多組學聯合分析(涵蓋全基因組測序 WGS、單細胞轉錄組 scRNA-seq 及 ATAC-seq 等)、病原微生物溯源、實驗異常排查與盲測還原,以及做為生信自動化 Agent 底座(支援接入 BioMaster 等工作台或 LIMS 系統)。
在具體測試案例中,該模型在乳腺癌佇列任務中篩選 762 名獨立患者得出互斥結論後,主動執行了 14 項敏感性分析與陰性對照以驗證結論邊界;在面對 9 份撕去標籤的 ATAC-seq 樣本時,透過公開藥物響應資料完成盲測還原;另在 2,700 個腫瘤樣本與 206 萬個突變資料的無先驗任務中,模型經 76 步操作擬合出突變簽名,並在細菌定序質檢時主動排查修復格式損壞的讀段,連續執行 258 步完成分型交付。
讀原始報導背景
遞迴自我改善(Recursive Self-Improvement,RSI)是指人工智慧透過優化自身或後繼系統,產生正向回饋以持續提升自我能力的過程。而 Anthropic 設計的 BioMysteryBench 基準則透過 99 道真實的生物資訊學難題,專門評測模型在複雜科研環境下的分析與解題能力。