同一套配方，四种命运
"GPT"火起来，已经是好几年前的事了。当年那阵把什么都冠上"GPT"的热潮里，生命科学是跟得最紧的领域之一——打开预印本网站，scGPT、ProtGPT2、MolGPT、DNAGPT、BioGPT……仿佛每个角落都长出了一个自己的"GPT"。它们背后其实是同一套配方：把"下一个词"换成"下一个基因、氨基酸、分子片段、核苷酸或原子"，用自回归 Transformer 去建模一段生物学序列。当时的叙事是清一色的乐观：基础模型要"统一"每一个子领域了。
几年过去，喧嚣散场，正是回头盘点的好时候。有意思的是，这批模型并没有走向同一个结局——恰恰相反，它们分出了四种截然不同的命运。决定谁活下来的，从来不是名字里那三个字母。
蛋白质：修成了正果
活得最好的，是蛋白质这一支。
道理不难理解：蛋白本就是 20 种氨基酸串成的序列，天生就是一种"语言"，让语言模型来学，几乎是最顺理成章的迁移。而它们也确实交出了"能用"的答卷——不是停在论文里的漂亮指标，而是真的进了实验台。2024 年，有研究者用 ProtGPT2 和 ZymCTRL 从头设计出了能催化丙糖磷酸异构酶反应的全新酶，其行为和催化效率与天然酶相当[13]；也有工作把蛋白语言模型接入自动化的"生物铸造厂"，让蛋白的定向进化跑得更快、更准，直接指向工业应用[11]。
更重要的是，这一支还在健康地自我迭代，而不是原地吃老本。ProtGPT2、ProGen 之后，出现了用扩散机制来生成和预测序列的 DPLM[12]，以及能直接从一段文字描述"读"出氨基酸序列的 ProtDAT[15]。2025–2026 年一项系统比较也给了它们公允的定位：相比结构扩散类模型，蛋白语言模型生成的设计更多样、更新颖，只是预测出的结构置信度略低一些——两条技术路线各擅胜场，而非谁淘汰谁[16][17]。对蛋白 GPT 来说，热潮退去留下的不是空壳，而是一整套还在长大的工具。
单细胞：从最耀眼到被冷静重估
命运反差最大的，是单细胞这一支。它当年最耀眼——scGPT 号称能一口气做细胞注释、多组学整合、扰动预测、调控网络推断，几乎覆盖了单细胞分析的所有主任务；如今，它也是被泼冷水最多的一个。
2024 年以来，一连串独立的系统评估给出了相当一致、也相当扫兴的结论：scGPT、Geneformer 这些单细胞基础模型，在零样本和扰动预测任务上并不能稳定胜过更简单的、任务专用的方法[1][4]。更尖锐的发现藏在稳健性里——模型在标准榜单上的高分，和它换个场景还灵不灵，其实是"脱钩"的：在多达 1600 多个数据集、6 类任务的考察下，榜单上的冠军一旦遇到数据分布变化就明显失稳，没有任何一个模型能全面领先[9]。还有工作把矛头指向更底层的问题，认为它们在把基因表达切成"词元"时丢掉了关键的生物学上下文，以致在某些场景连传统统计模型都不如[6]。
这并不意味着这一支就此出局——它反而催生了 BioLLM 这样的统一评测框架，让不同模型能被公平地摆在一起比较[5]。但如果说这几年单细胞 GPT 留下了什么最硬的教训，那就是它用真金白银的基准反复证明了一句话："带 GPT"绝不等于"最先进"。
药物与分子：范式在延续，但“评测”出了信誉问题
分子这一支，活得不算差，却活得有点尴尬。
MolGPT 开创的思路仍在扩散——把分子写成 SMILES 字符串、教模型学会"分子的语法"再续写出新分子，这条路 2025–2026 年还在长出新变体，比如可控的 SMARTS 引导生成、图-motif 生成等等[20][24]。从这个角度看，范式是延续的，没有断档。
但这几年这个领域最有分量的进展，其实是"反思"而不是"生成"。多篇 2025 年的工作集中揭穿了评测里的水分：生成模型产出的分子，有相当大一部分在现实中根本无法合成，漂亮的结构只是纸上分子[27]；而"生成库开多大"本身就会严重扭曲模型排名，只有在十亿量级的设计库上比较，结论才相对可靠[29]；一篇综述干脆点破——现行的基准常常系统性地夸大了这些模型"从头设计"出真正可成药分子的能力[26]。分子 GPT 没有退场，只是整个领域越来越清醒：能刷高的生成指标，离能进实验室、进临床，中间还隔着一条很宽的河。
临床与文本：被前沿通用大模型直接盖过
被超越得最彻底的，是临床文本这一支。
BioGPT 当年的立身之本，是"领域专用预训练"——用海量生物医学文本喂出来的模型，自然比通用模型更懂医学。这个逻辑在 2022 年是成立的。但风向变了：到 2026 年，多项研究发现，前沿的通用大模型（如 GPT-5.2、Gemini 3.1 Pro、Claude 等）在 MedQA、HealthBench 等医学基准上，已经反超了专门的临床 AI 工具[38]；通用模型的零样本表现，常常追平甚至压过精心构建的领域专用模型[39]。换句话说，当通用底座本身足够强，"专门训练一个医学 GPT"的性价比就被大幅稀释了。
当然，这不是盖棺定论。也有研究强调，在数据稀缺、任务复杂的临床场景里，经过微调的领域模型依然有它的价值[37]。但大趋势很清楚：曾经需要一个专门"医学 GPT"才能做的事，如今越来越多地被"直接调用最强的通用模型"取代了。
尾声：留下来的不是名字，是判断力
把四种命运并排放在一起，图景就清楚了：蛋白这一支修成了正果，单细胞被冷静重估，分子在反思自己的评测，临床则被通用大模型盖过。
它们当年顶着同一个响亮的后缀出场，几年后却走向了完全不同的地方。这恰恰说明，"带不带 GPT"从来不是一条科学分界线，而只是一种命名习惯——真正影响它们命运的，是各自到底解决了一个多真实的问题、经不经得起严苛基准的反复捶打。
所以，"那些生物学的 GPT 们现在都怎么样了"，答案不是一句简单的成或败。热潮会过去，名字会褪色，但它们共同验证过的那个朴素想法——只要一样东西能被写成序列，它就有可能被"生成"——留了下来，并且还在被 2025–2026 年那些千亿参数的新模型继续往前推。而对今天的读者来说，真正值得留下的，也不是数清有多少个"GPT"，而是那份分得清"谁是真本事、谁只是蹭名"的判断力。