Anthropic、OpenAI同一天落子AI4S赛道，巨头混战从「拼模型」转向「卡生态」

6月30日，Anthropic和OpenAI同时在AI4S赛道投下了各自的筹码。 Anthropic发布了科研智能体工作台Claude Science，明确表态“不依赖新模型”，通过工作流整合现有能力来承包科学家的日常研究流程。 OpenAI推出了GeneBench-Pro，一套覆盖基因组学、定量生物学等10个领域的评测基准，其测试数据显示，在129个真实科研workflow题目中，即便是最强的GPT-5.6 Sol，端到端通过率也只有28.7%。 两家巨头的方向看似不同，但都是基于同一个判断：AI4S的瓶颈已不是模型不够强，而是模型远未做到真正的端到端。 基于这一共识，Anthropic的选择是把现有模型装进可扩展的工作台，用工具链和流程弥补模型的不可靠；OpenAI的选择则是抢先定义“什么是科研任务的完成”，把话语权锁进标准里。 而在此之前，Google DeepMind已凭借AlphaFold等基础模型在AI+科学领域深耕多年，其Gemini for Science平台正将专有资产与数据库捆绑，以平台整合的方式切入同一市场。 AI4S的战局，已经悄然进入“巨头生态混战”阶段，从模型能力的单点比拼，全面切换到了生态位卡位与工作流整合的战场。 01 AI4S撞上了一块怎样的“天花板” 为什么三大巨头偏偏在这个时间点，不约而同地把战火烧到AI4S的底层基础设施？ 开头提到，OpenAI这次在GeneBench-Pro中设计了129道题目，完整模拟了真实科研工作流：从原始数据清洗、质控、建模、诊断，一直到得出结论。评分标准是严苛的二元制：只有全部决策正确才算通过。也就是说，哪怕中间分析步骤全对，只要最终结论错了，这道题就是零分。 数据显示，OpenAI最强的GPT-5.6 Sol在Max推理设置下的通过率也只有28.7%，而在非GPT模型中表现最强的Claude Opus 4.8，其通过率仅达到16.0%。 这说明，模型是能够注意到数据异常，识别出局部诊断信号的，但无法将这一认知转化为下游的方法论调整，做出相应的正确分析决策。注意到了问题，但没有改变行动——OpenAI在论文中将这一缺陷，命名为“notice-act gap”。 “识别”与“行动”之间的这道鸿沟从何而来？珞米科技创始人兼CEO吴昊从技术层面指出，通用大语言模型在生命科学领域存在三重结构性短板： 其一，难以直接理解生物原始数据的特殊结构； 其二，生物学中的许多现象无法简单套用文本的tokenization规则，比如基因表达本身具有随机性； 其三，生物学数据中普遍存在大量未知缺失值。 科研成本也是不可忽视的一个因素。GeneBench-Pro数据显示，单道题的人工专家成本高达数千美元。当模型不可靠时，科研机构不得不继续依赖昂贵的人力。除此之外，生命科学领域也对数据合规有着极其严苛的要求。 这就是混