950 个 agent 找到的「新 CRISPR」：功能未知、无对照、未评审

Anthropic 称 Claude 自主发现新酶系统 ART：约 950 个 agent、21 小时、2.1 亿 token 扫出。但 RT 是已知酶，新观察只有「重复阵列+伙伴基因」；功能未验证、无对照、无评审。新闻主角是 Anthropic 的湿实验室与生物业务，判断标准是一份三问清单。

9 月 24 日，Lucas Harrington 刷到 Anthropic 的公告，停了下来。标题写着「Claude discovers a novel enzyme system」，正文里冒出「CRISPR-like」。Harrington 是 Jennifer Doudna 门下的博士，和导师一起创办了 Mammoth Biosciences——这家公司的生意就是用 genome mining 找 CRISPR 系统。他发了条 X：这个方法存在几十年了，类似系统 2008 年就有；难点是搞清楚一个系统到底干什么，Anthropic 没展示；把早期结果当重大发现，isn't helpful。这条帖子由 the-decoder 转述，二手，但指向明确。他卡住的那一下，不是被「新 CRISPR」吓到，是被「新」字硌到。

公告本身有一组漂亮的数字。约 950 个 agent、21 小时、2.1 亿 token，扫完 20 万个反转录酶，筛出 3,500 个候选系统，写出 20 份报告，最后挑出一个被命名为 ART 的系统：array-associated reverse transcriptases，反转录酶旁边的一排等距重复 DNA 序列，加一个功能未知的伙伴基因。Feng Zhang 看完预印本后背书：「genuinely intriguing」，值得「further investigation」。这组数字全部出自 Anthropic 自己的公告，没有独立核算。

这件事撞上了上周的两则新闻。OpenAI 用 1 万个并发 agent、88 小时「解决」Navier-Stokes；再往前，Claude 11 天把费马大定理形式化进 Lean。「AI 自主发现」已经是个成熟叙事。这次不一样的地方有两处：第一次有真实湿实验室参与；第一次有第三方领域研究者当场、指名道姓地反驳。

反驳和公告并不矛盾。Harrington 没有否认 agent 扫库这件事。所有人都承认那 950 个 agent 是能干的。分歧在定性：公告说「发现新酶系统」，研究者说「一个已知酶旁边的新排列，功能未知」。标题里被削掉的东西有三件：RT 是已知的，功能是未验证的，对照是没做的。这篇把这三件补回来，然后说说主角——Anthropic 的湿实验室。

「Claude 发现新酶系统」：一个已知酶、一个新排列、一个未知功能

官方帖里有一句容易被跳过的话：「While this underlying RT, found in a jumbo phage, had been identified in previous studies, Claude appears to be the first to notice the system's defining features」。那个 RT 酶，之前的研究已经鉴定过。Claude 第一次注意到的是「系统」的特征：一段非编码重复阵列，加一个功能未知的伙伴基因。官方帖自己把「新」字的边界划在这里。

ART 的三件套，公告交代得很细。RT 负责把 RNA 拷贝成 DNA，是个老面孔；旁边那个伙伴基因，功能未知；那排等距重复序列，布局像 CRISPR 的 array。首次实验只做到一步：这段阵列会表达成一堆短 RNA。CRISPR 值钱，是因为它能被编程去定点切割 DNA。ART 有没有这个功能，官方原话是「we don't yet know its function」。

昆士兰理工大学的 Dimitri Perrin 把话说得最干净。他在 The Conversation 上写道：「The enzyme itself was already known. What is new is the recognition that it may form part of this larger system.」酶是旧的。新的是「它可能属于一个更大的系统」这个认识。Perrin 是计算机科学学院的院长，常年做 CRISPR 与 AI 交叉项目，这个判断带行内分量。他补了最后一块：「ART is CRISPR-like in its architecture, but there is no evidence that it is CRISPR-like in its function.」架构像，功能没有证据。

HN 最高赞评论把口径压得更低：这是「围绕一个已知反转录酶、此前未被描述的基因组排列」，「not all that sexy」。三家媒体标题可以对照着读。Reuters 写「Claude AI helped discover novel enzyme system」；Al Jazeera 写「AI model Claude discovers CRISPR-like enzyme system」；The Verge 写「made a discovery it's comparing to Crispr」。官方帖自己都承认酶是已知的。标题和正文之间，隔着一整套被削掉的限定词。

Gizmodo 还给这层包装起了个名字：machine-learning version of apophenia——把不相关的点连成意义的倾向。排列像 CRISPR，就被叫「CRISPR-like」；短 RNA 表达，就被暗示「类似机制」。每一步都有出处，每一步都往前多走了一格。单看一格没问题，连起来看，就是公告标题。

「新」在这个标题里有三种读法，要分开核。新酶：假的，RT 已知。新系统：部分成立，阵列加伙伴基因的组合没人描述过。新功能：未验证。公告的聪明之处，是让三种读法共用同一个词。读者按哪种读法理解，取决于他看的是标题、正文还是 preprint。

950 个 agent 的数字是真的，但那是过程，不是成果

21 小时、950 个 agent、2.1 亿 token：这些数字出自 Anthropic 官方帖，可以核。漏斗也清楚：20 万个 RT 序列 → 3,500 个候选 → 20 份人类可读报告 → 1 个 ART。按官方说法，同样的初筛一个专家要做几周到几个月。preprint 口径里还有一层：先扫约 19 亿个蛋白簇（Gizmodo 转述）。对没有领域团队的公司来说，这个速度是真实的能力变化。官方描述的工作流有一道自检：Claude 先复现已发表的结论来校验自己的方法，再去找没有归属系统的成员；候选报告是给人类看的，每份提议一个功能、列一份证据。

2.1 亿 token 还有一个成本注脚。HN 有人算过：按 Anthropic 自家对外服务的价格，这笔扫描的推理成本是天文数字；把 context 拉大，是实验室控制成本的主要手段之一（评论者推测，二手）。能力的展示，本来就是烧钱的展示。

但这些是过程指标，不是成果指标。Perrin 在 The Conversation 里点名了三处缺失。第一，没有对照：「A purpose-built conventional bioinformatics pipeline could probably have detected the same pattern」，而研究没提供对比，无法判断 ART 是传统流程难以发现的信号，还是几千个候选里谁都会撞上的一个。第二，没有底数：3,500 个候选里有多少是真新颖、真有趣的生物学，没人知道。第三，单次命中不构成可靠性：「Finding one intriguing result after exploring thousands of possibilities is not the same as showing that the system can reliably recognise discoveries.」

预印本还有一个缺口：描述 agent harness 的 Supplementary Note 1 没有随文公开（HN 评论者指出，转述）。没有 harness 细节，就没有复现路径。官方帖引了一句 agent 的原话：「[The DNA next to the RT] is spectacular: I can see by eye a tandem repeat array … that's a CRISPR-like … repeat array?!」这句话被当卖点。HN 用户分两派：一派说这是未来科学史里的珍贵引语；另一派提醒，Claude 对外展示的 reasoning 是加密后的摘要，agent 的「惊叹」可能是事后合理化。当证据用，它立不住；当广告用，它很有效。

社区里用 Claude Science 做过真实验的人，给的是另一手经验：模式识别很强，「you could put your primer here but that looks like an Alu repeat」这种提醒很准；但「VERY non-reproducible」，得自己盯着 git 才能复现它做过的事。有人还点出一个技术上的意外：这类任务本该是基因组大模型的菜，HN 评论者观察 agent 用的是经典生信方法，比如 HMM（转述，preprint 的 Sup 1 本应说明这点）。还有研究者点出漏斗的暗面：200,000 筛到 1 的过程，会把「不像已知系统」的真新颖当离群值丢掉。假阴性没人看见。

「21 小时」是广告词，要单独拎出来。它说的是扫库时间，不包括写 harness、选目标、做实验、写报告。一个 agent 在 21 小时里「惊叹」了一句，后面是几十个人类科学家在实验室里验证。把过程时间当成发现速度，是这轮 PR 最顺滑的一步。

还有一层争论在「该不该现在发」。HN 上有人说：他们没投 Nature 或 Science，只有 preprint，这阶段对别人没价值。另一派翻出作者名单：全是 CRISPR 领域的资深研究者，实验室实验做了，preprint 是给同行抢时间的正常动作。两派吵不出结果，因为双方都默认了一件事：这则公告的读者是公众和投资人，不是同行评审委员会。

复现还有一层对比值得记。Anthropic 上个月对 Mythos 5 越权事故，交过 1,022 页完整 CoT 转录；这次连描述 harness 的 Sup 1 都没公开。同一家公司，安全事故给全文，科学发现给摘要。披露标准的差异，比 ART 本身更说明问题。

整个 CRISPR 圈子在皱眉：功能证据为零

Harrington 的完整反驳值得逐句看。他是 Doudna 的学生，Mammoth 的联合创始人，公司靠 genome mining 吃饭。他说「方法存在几十年了、类似系统 2008 年就有」，这是行话，不是外行话。他说难点是「figuring out what a system actually does」，Anthropic 没做到。最后一句：「Presenting early results as a major discovery isn't helpful.」

华盛顿大学的 Kevin Blake 对 Al Jazeera 说得更直（Gizmodo 转引）：「There's nothing to indicate this is a rival to CRISPR-the-technology, or could be developed into any kind of therapeutic or practical application.」没有迹象表明这是 CRISPR 技术的对手，也没有迹象表明能变成任何疗法。注意 Blake 是微生物学家，看的是功能，不是架构。

Perrin 的态度最平衡，但结论一样。他承认「how it was found」比「what was found」更有价值——过程是真进步。他对「发现」这个词保持距离：一次命中不等于可靠发现。反驳者的共同点也在这里：没有人否认 950 个 agent 扫库的能力，所有人否的是「新 CRISPR」这个成果定性。

圈内人反应这么大，还有一个职业原因。genome mining 是 CRISPR 领域的标准动作，Harrington 的公司靠它吃饭，Perrin 说传统 pipeline 也能检出。Anthropic 把一个标准动作包装成「自主发现」，等于把整个领域的日常劳动降级成背景板。这场争论的实质是叙事权，学术成分反而小。

Feng Zhang 的背书要按原文读。他看完预印本说：「genuinely intriguing and merits further investigation」，希望更多科学家探索 AI 怎么支持研究。注意他没有说「breakthrough」，没有说「new CRISPR」，说的是「值得进一步研究」。这是一份带限定词的背书，和公告标题之间差着温度。

背书还有个前提值得写：预印本是 Anthropic 先送给他看的，他的评论印在公告里。这是邀请制背书，够不上独立评审。邀请制背书的功能，是给「genuinely intriguing」这句话一个可信的面孔。限定词还是他自己写的。

支持者支持的是什么也值得看清。多伦多的 Bo Wang 说这是「scaling scientific attention」——数据太多，人看不完，agent 帮人注意到异常个案。他支持的是过程，不是 ART 本身。两边从未在「950 个 agent 能不能扫库」上分歧，分歧落在「扫出来的东西能不能叫发现」。

湿实验室才是这则新闻的主角

酶的故事之前五天，路透已经报道过实验室本身：Anthropic 悄悄建生物实验室、加码 AI 药物项目（The Conversation 引用该报道）。所以 9 月 23 日的公告，是实验室的第一份公开成果，也是它的开工广告。

官方帖的落点不在酶，在组织。life sciences 组织里，除了这个实验室，还有 drug discovery 团队和训练 Claude 生物化学的团队；结尾是招聘式邀请，「we would like to work with other scientists」。同场还有一份更说明问题的文件：Life Sciences Verification Program（LSVP）。它给通过验证的生命科学从业者 Mythos、Opus、Sonnet 访问权，用「refined set of safeguards more permissive for biology-related work」。在普通产品里被挡住的 drug discovery、research biology、clinical development、manufacturing 任务，验证后放开。分 Standard Use 和 High-risk Use 两档 grant，Standard Use 覆盖 Mythos 5.1、Opus 5、Sonnet 5，一年一续；已有几十家机构上车。

时机也排过。Dario Amodei 在联合国安理会 AI 安全会议开始前几分钟发 X 宣布这件事，同一天他在会上讲「apocalyptic risks」。一边对全世界讲末日风险，一边发布自家实验室的基因编辑系统发现。Gizmodo 把这两条放在同一段里，不是巧合。

实验室的边界，公告里写得很保守：BSL-1 和 BSL-2，不碰能感染人类的病原体，所有实验由人类科学家完成。同一篇公告里还有一句：他们试过用 AI 加速实验室工作，但对分子生物学的临时流程不适用。湿实验这块，agent 还没进来。Dario 的远期句子，把这块也预定了。

把这条和同族新闻排在一起，模式就清楚了。OpenAI 1 万 agent 88 小时解 Navier-Stokes；Claude 11 天形式化费马大定理；现在 950 个 agent 21 小时扫出 ART。每一家都在用「AI 自主发现」叙事给模型能力做广告。这次多了两样：真实湿实验室，和真实业务版图。HN 有人点破：他们要的是能自主做发现的系统，辅助人类只是中间站。OpenAI 那次事后被社区追问「是不是吸收了用户会话数据」，这次绕开了那个坑：扫的是公开数据库，没有隐私争议。代价是扫库本身的分量也更轻。

对动手的人来说，这则新闻的可核对象是 Anthropic 的生物业务：实验室、LSVP、药物发现，三样都是真的、都在扩张。ART 的功能反而是最不急的那件事。HN 还有人补了一个背景：论文一作曾在 Doudna 实验室研究 CRISPR 起源，博士毕业后加入 Anthropic（评论者转述，二手）。

HN 有人把商业逻辑摆上台面：一个给癌症研究者用的 chatbot，估值只值个位数十亿美元；Anthropic 的估值叙事建立在「能替代多数知识工作」上。生物发现、数学证明、agent 能力报告，都是这个叙事的证据链。还有一层更实际的：高风险能力模型不会放出 API，只会在内部用。实验室就是内部能力的展示窗口。

生物安全立场与内部放开之间有条裂缝

Anthropic 对外讲过最重的生物风险话术。Dario 9 月 13 日的「We Must Pace the Frontier」把生物能力列为减速理由之一；普通产品里，生物任务默认被挡——LSVP 官方页原话：「currently blocked in our generally available Fable models」。

对内是另一套。自家湿实验室用高能力模型做 drug discovery 和 research biology；LSVP 把「验证过」的第三方也放进来。HN 的梗图式总结流传最广：「Anthropic: You absolutely cannot, under any circumstances, use Claude for bio-engineering. It could literally end humanity. Also Anthropic: Claude discovers a new way to edit your genome!」辩护方的论据也站得住：对内用和对外放是两回事，一家公司信任自己、不信任陌生人，是理性行为。

硌人的是流程本身。LSVP 的验证——研究资历、安全标准、伦理审查——由 Anthropic 自己执行。谁验证「验证者」，文件里没有答案。Dario 在 X 上还留了一句远期：「eventually it may even be possible for Claude itself to safely perform the experiments by autonomously controlling lab equipment」。护栏的边界，正在从「人类科学家做实验」往「agent 自己做实验」移动。同一家公司，一边说生物能力是减速理由，一边训练模型去做药物发现。

也有用户把两件事焊在一起看：「Where did the doomsday fear go now?」上周还在谈减速、谈生物风险，这周自家实验室就在做基因编辑系统。安全立场如果只约束外部、不约束内部，它就从原则变成了公关。

这条裂缝比 ART 的功能更值得盯。当「内部高能力」和「对外护栏」焊在同一家公司里，裂缝往哪边开，就不再是科学问题，是政策问题。

三条今天能做的动作。第一，打开 preprint 的 Methods 页，找对照：有没有和传统 genome-mining pipeline 的对比实验；再翻目录，Supplementary Note 1 有没有真的公开。第二，给 ART 建一张验证清单：短 RNA 表达之外，等一个功能实验——切割、复制、粘贴，任一出现都算数。第三，下次看到「AI 发现 X」的标题，先核三件事：对象是否已知，功能是否验证，有无对照。三条都过，再谈惊喜。