知识卡片：Biomni——整合百余工具的通用生物医学智能体

一句话结论

斯坦福团队在《Science》上发布的Biomni是首个整合105个生物信息学软件与59个数据库的通用AI智能体，可自主完成基因分析、药物研究、罕见病诊断等全流程科研任务，在443题评测中平均准确率57%，多项任务达到资深专家水平，并将罕见病诊断耗时从110分钟压缩至3分钟。

事件概述

斯坦福大学研究团队在《Science》期刊上推出通用生物医学智能体Biomni。该智能体集成了105个生信软件和59个数据库，旨在让AI贯穿生命科学研究的全过程，包括基因分析、药物研究、疾病诊断、蛋白优化与实验设计。Biomni能够自主调用工具完成复杂工作流，并可与PyLabRobot对接，将自然语言实验需求转化为机器人可执行代码，打通干湿实验壁垒。

方法/产品要点

• 工具整合：集成105个生物信息学软件与59个数据库，覆盖常见生信分析需求。
• 自主工作流：可端到端完成基因分析、药物研究、疾病诊断、蛋白优化与实验设计。
• 机器人对接：通过PyLabRobot接口，将自然语言实验指令转为机器人可执行的代码，实现干湿实验联动。
• 评测基准：在包含443道题目的评测集上评估性能。

主要结果或产业意义

• 评测成绩：Biomni平均准确率57%，显著高于Claude Sonnet 4.5（30%）和Claude Code（43%）。
• 罕见病诊断：准确率60%，耗时从传统方法的110分钟压缩至3分钟。
• 多项任务：达到资深专家水平，且大幅缩短耗时。
• 产业意义：表明AI智能体已能在生命科学研究中实现端到端自动化，有望大幅降低科研门槛并加速新药研发和疾病诊断。

为什么重要

Biomni代表AI在垂直科研领域从“辅助工具”向“自主执行者”的跨越。与SIMA 2等通用游戏智能体不同，Biomni专注于生物医学真实工具链，首次大规模整合了行业标准软件和数据库，并验证了在复杂科研任务上的有效性。其与机器人平台的对接更是打通了计算实验与物理实验的闭环，为“AI科学家”的落地提供了可操作的范本。

局限与不确定性

• 评测数据集为443题，尚不清楚在更广泛、更多样化的生物医学任务上的泛化表现。
• 准确率57%仍有较大提升空间，尤其在罕见病诊断等高风险场景，60%的准确率可能尚不足以直接用于临床。
• 工具整合依赖于现有软件和数据库的API稳定性，真实科研场景中工具版本更新、数据权限等问题未在材料中提及。
• 能否处理需要湿实验反馈的迭代优化流程（如主动学习、实验设计）尚待验证。

可用于图书/PPT/简报的角度

• “AI科学家”的里程碑：以Biomni为例说明AI智能体如何从单一问答进化到多工具协作，自主完成科研全流程。
• 生命科学自动化：展示AI在罕见病诊断中“时间压缩36倍”的具体案例，突出实用价值。
• 干湿实验结合：以PyLabRobot为例，探讨AI从数字世界到物理世界的延伸趋势。

原始材料

• 来源文章：腾讯研究院AI速递 20260715（搜狐转载）
• URL：https://m.sohu.com/a/1050336266_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 英文标题（建议保留）：A Generalist AI Agent for Biomedical Research
• 英文关键词：Biomni, biomedical AI agent, bioinformatics, rare disease diagnosis, laboratory automation