据动察 Beating 监测,检索真实的病毒基因数据时,即使是 GPT-5.5 或 Claude 这种前沿 AI 智能体也经常犯错。由于传统的生物学数据库(如 NCBI)结构杂乱、接口不兼容,大模型很难稳定地筛选出合格的数据集。为了让检索更可靠,Anthropic 与美国国家生物技术信息中心(NCBI)合作开发了确定性检索工具 gget virus。接入后,AI 的数据查询准确率直接提升至近 100%。
研究团队用自研的 VirBench 基准(包含 40 种病原体和 120 个检索任务)测试了各大模型。在没有工具辅助时,AI 的检索准确率在 16.9% 到 91.3% 之间宽幅震荡,且多次运行同一指令的结果极不稳定。以一次预期返回 266 条序列的查询为例,Claude Sonnet 4 运行三次,分别只找回了 106 条、15 条和 5 条。在严谨的生物研究中,基因数据哪怕有一点遗漏,都会带来灾难性后果:若用残缺数据重构埃博拉病毒的系统发育树,疫情源头时间会被错误地推前近一个世纪;在评估 maftivimab 和 MBP134 等抗体药物的有效性时,AI 还会漏掉关键的病毒突变位点,直接误导治疗方案的评估。
新开发的 gget virus 相当于在复杂的生物学数据库下方修了一条「专用隧道」。作为确定性检索层,gget virus 自动协调底层的 REST、Datasets 和 E-utilities 等多个 API,处理分批下载、本地过滤以及 GenBank 记录提取,并输出标准化日志。接入后,所有智能体的检索准确率均突破 90%,其中 GPT-5.5 达到 99.7%,彻底消除了多次运行的不一致性。这也意味着,只要配上合适的工具,廉价模型也能提供极高的可靠性。研究团队认为,未来的生物数据库应当践行 Andrej Karpathy 提倡的开发理念——面向智能体构建(build for agents),将 AI 作为核心的规模化用户进行设计,打造高可信的生物学上下文引擎。