OpenAI 6 月 17 日宣布，其 GPT-5.4 模型與藥物探索新創 Molecule.one 旗下 Maria AI 系統合作，在約 2.5 個月內近自主完成一項藥物化學專案，從文獻回顧、研究提案到實際實驗的所有流程均由模型主導，人類化學家負責審核與最終驗證。該專案最終提出一種非預期的反應改進，可優化藥物探索中廣泛使用的一道化學反應。據 OpenAI 官方 X 公告，這是 GPT-5.4 在「實驗室可驗證實驗結果」上的具體交付，不是傳統的學術 benchmark 分數。

2.5 個月、從文獻回顧到實驗驗證的完整流程

專案執行時序包括三個階段：

• 提案階段：GPT-5.4 閱讀相關科學文獻，自行選定研究方向，生成多個研究提案並依潛在價值評分排名。
• 實驗階段：Maria AI 與配套的 Maria Lab 自動執行模型選定的實驗，回傳實際反應數據。
• 驗證階段：人類化學家審核模型提出的提案，挑選具備驗證價值的方案，對最終結果進行人工驗證，再花費約半個月撰寫研究結果。

整段流程的關鍵在於模型不只是「建議」，而是實際指揮一個能運作的實驗室執行研究，形成「近自主 AI 化學家」（near-autonomous AI chemist）的工作模式。

具體成果：改進廣泛使用的化學反應

本次專案的具體輸出是 GPT-5.4 提出一種非預期的方法，改進藥物探索領域中被廣泛使用的一道化學反應。OpenAI 並未在公告中揭露具體改進的反應名稱或量化幅度，但強調這是「實驗驗證可重現」（validated experimental result）的具體成果，不同於僅在模型內部的推理產出。

本次公告與 OpenAI 同日推出的 LifeSciBench 生命科學評測基準（與 173 位生技與藥廠科學家共同設計）一起發布。LifeSciBench 為標準化的能力測試工具，與本次 Molecule.one 的實際實驗合作形成互補資源。

Molecule.one 的「AI + Lab + 數據」三位一體

本次合作的關鍵基礎設施是 Molecule.one 自家開發的 Maria 系統。Maria 把 AI 模型、實驗室自動化、與既有實驗數據庫整合在同一個架構下，允許模型直接觸發實驗室執行反應，回收數據，再用於下一輪推理。換言之，模型不必只依賴歷史文獻，可以實時取得新實驗數據作為決策輸入。

這種「模型 + 實驗室」緊密耦合的架構是近年生技 AI 領域的熱門方向之一。從 DeepMind AlphaFold 把蛋白質結構預測推上新里程碑，到本次 OpenAI 與 Molecule.one 把模型整合進實際反應的執行端，AI 在生命科學的角色正從「離線推論工具」轉變為「實驗工作流參與者」。