AbMaze 评测前沿 AI Agent 在蛋白质适应性景观中的表现

AbMaze 是一个基于 65,536 个实验室测定的抗体变异的基准测试，评估 AI Agent 在 150 次测量预算下寻找多抗原结合物的能力。测试结果显示，最强模型 Gemini 4 的得分（55%）与脚本化的贝叶斯优化器（50%）处于同一水平，未能表现出超越传统方法的智能；GPT-6 Astra 和 Grok 4.7 等模型则表现落后。