人类一败涂地？AI Agent 杀穿湿实验，蛋白设计师饭碗不保
标题党。先把结论给你：没败。但故事比"AI 赢了"复杂得多。
2 月 28 日，旧金山。一场只有一天的黑客松。9 支人类队伍，对阵 6 个全自主 LLM Agent——Claude Sonnet 4.6、Qwen 3.5 Plus、Grok 4.1 Fast、Gemini 3.1 Pro、GLM 5、GPT 5.2。任务：针对 TREM2 这个阿尔茨海默症相关的微胶质细胞受体，设计 de novo binder。
Agent 每个只收到一份 brief，然后被丢进 muni 的 sandbox。自己挑工具、自己跑 pipeline、自己排序、自己交 final 10。141 个设计交上来，top 100 进 Adaptyv 湿实验，最后 37 个真 binder。
第一幕 / IAgent 追平了人类
Fisher's exact p = 0.83。pK_D 分布也几乎重叠（Mann-Whitney p = 0.75）。统计意义上没有任何差异。
排行榜前三都是人类——MRAZS 用 Mosaic 拿下第一（K_D 1.11 nM）和第二（1.3 nM），BraiNSEY 用 BindCraft 拿第三（1.9 nM）。Agent 的最好成绩是 GPT 5.2 用 PXDesign 做的，3.64 nM，排第四。最强人类比最强 Agent 紧 3 倍，但只是 3 倍。
对比一下历史：Adaptyv 第一届 EGFR（2024）hit rate 2.5%，第二轮 13.2%，今年 1 月 Nipah 9.6%。这场 TREM2 37% 是 post-AlphaFold 时代 binder 设计的新高水位线——Adaptyv 原话，这是 binder hit rate 的"摩尔定律"。
第二幕 / II但"打平"建立在一个不太准的评分上
141 个设计怎么筛出 top 100 的？用的是 Boltz-2 ipSAE_d0res。但 muni 团队湿实验做完回头一算……
ipSAE 对"是不是 binder"的二分类 AUC 只有 0.65。比随机猜（0.5）强，但离 sharp classifier（0.85+）差得远。
更微妙的是，这个不准的 filter 对 Agent 砍得更狠。原始提交是 81 人类对 60 Agent，top 100 变成 65 比 35。Agent 损失了 60 个里的 42%，人类只损失 81 个里的 20%。
换句话说，在一个 AUC 0.65 的 noisy ranker 下，Agent 被砍掉了更多设计——剩下的依然能打 34.3%。这场"打平"的 bootstrap CI 是 [-14.7, +23.5]，宽到能装下"Agent 其实更强"或"人类其实更强"两种结论。
第三幕 / III最让人后背一凉的：6 个 Agent，集体撞车同一个工具
这才是这场 hackathon 真正的信号。
muni 的工具菜单很长：PXDesign、BindCraft、RFDiffusion、RFPeptides、BoltzGen、AFHallucination、Foundry（RFdiffusion3）……
6 个 Agent 全部独立地选了 PXDesign。
PXDesign 占了 Agent 提交的 53%，Agent 的 top 10 binder 10 个全是 PXDesign。Claude、Qwen、Grok、Gemini、GLM、GPT——六家完全不同公司的 LLM，没有互相沟通，集体收敛到同一个工具。
为什么是 PXDesign？它确实不错——8 月刚发的 preprint，marketing 做得漂亮，声称 17–82% 的 hit rate。
Agent 可能通过 knowledge cutoff 之后的知识、muni 的工具列表、或 web search 发现它。机制不重要，结果重要：它们都看到了同一个被 marketing 得很好的最新工具，然后都用了。
序列层面也在收敛：Agent 内部 pairwise identity 中位数 28.1%，人类 22.4%（p = 0.0002）——Agent 的设计长得更像彼此。
人类这边完全不一样。冠军 MRAZS 用的 Mosaic 甚至不在 muni 官方菜单里，是自己带进来的。
同一个 PXDesign，人类用得明显更准（72.7% vs 44.4%），但完全押宝的 Agent 反而撞出了最紧的 binder。
尾声 / Coda那"蛋白设计师饭碗不保"吗？
短期不保的不是设计师，是只会跑单一 pipeline 的设计师。
这场 hackathon 真正的信号是三个同时发生的事：Agent 端到端能力已经够追平人类 hit rate；现有 in-silico filter AUC 只有 0.65，湿实验闭环才是真相；Agent 在工具选择上严重单一化。
第三点最值得警惕。当 Agent 成为科研 pipeline 的入口，谁的工具被 Agent "看见"，谁就赢了。PXDesign 这次赢 Agent 投票，可能不是因为它最好，而是因为它最新、最被 marketing、最容易被 LLM 检索到。
工具厂商以后要做的不只是发 paper，还要被 LLM 训练数据收录、被 web search 排前面、被 MCP 工具描述写清楚。Agent 就是新的渠道，新的把关人。
muni 下一步在做 Adaptyv API × autoresearch-CLI 集成——Agent 设计、submit、拿 K_D、redesign。真正的 DBTL 闭环。等 Agent 能从湿实验数据学习而不是只从训练数据学习，这故事才真正开始。
但端着饭碗的姿势，要变了。