18 岁、没有生物学背景，他用 AI 冲进虚拟细胞竞赛前 20

400 次实验，才是“前 20”的另一半

400 次已记录实验，850 次代码提交。这是 Ahmet 给出的另一组数字，也让这段经历多了一层分量。但原文没有公开实验明细，不能把它们读成 400 次细胞湿实验，更无法据此还原完整技术路线；能确认的是，他描述了一段持续记录、反复修改的参赛过程。

Ahmet 特别喜欢排行榜带来的清晰反馈：做得怎么样，可以很快看到。名次吸引眼球，但他的自述同样值得注意：反复尝试之后，要接受可测量的反馈。这也让“用 AI 参赛”的故事，多了一条容易被标题略去的线索：工具之外，还有大量迭代。

他公开提到的 AI 用法，包括在 Cursor 上启动大量云端智能体，以及编排不同前沿模型。可以把这种协作理解为给开发工作增加一组数字助手；但报道没有说明它们各自承担什么任务，也没有披露最终用于预测细胞反应的模型架构。聊天模型与预测模型，不能混为一谈。

同一份自述里，Ahmet 还在追问：模型调用的数量，多少才合适？他关心的是怎样组织 AI 工作，但公开材料没有给出“多开智能体就能涨分”的证据。没有模型版本、成本记录和对照实验，现在还无法把前 20 的成绩，单独归功于某个模型或某种编排方式。

换一批细胞，预测还管用吗？

先把题目想成一道“调低音量”的预测题：压低某个基因的活动后，细胞里其他基因的表达会怎样变化？2026 年比赛要求预测 CRISPRi 基因压低后的表达谱。但选手拿到的是目标细胞未受这些目标扰动时的对照表达谱，以及要压低的基因名单；目标扰动后的实测答案由 Arc 留作评估。

据 Arc 的当届赛事说明，2025 年主要考察同一细胞背景内的泛化，2026 年把难题推进到了跨背景预测。今年涉及六种细胞系，三种用于验证与实时榜，另外三种用于最终测试。但在熟悉的验证背景里领先，仍需接受更换细胞背景后的检验。

这里的“零样本”，针对目标细胞背景中未提供的扰动响应。但它不等于模型没有训练，也不等于选手只能拿着一份空白数据集开工。Arc 不提供当届专用训练集，却允许参赛者采用不同建模策略，使用其他公开数据，或者自己有权使用的数据。因此，参赛经历也不能自动包装成开源项目。

Arc 还明确提醒，过窄的评分方式可能诱导参赛者迎合指标；今年最终排名会综合六项指标。阶段分数提供了反馈，但比赛自己也在防范“对指标有效、对生物学未必有效”的偏差。所以，排行榜上的进步，仍需通过换背景、换评估条件的检验。

AI 越能干，人要判断的事越具体

同篇报道中的 Chenxi Qiu，来自 BIDMC、哈佛医学院，也是一人参赛，与一组 AI 智能体协作。他强调功能基因组学背景帮助自己判断哪些信号在生物学上重要。但他的目标不止于提高预测分数，还包括把模型、生物学先验与迭代推理组织起来，尝试提出新的科学假设。

他把生物学直觉和谨慎的人工监督，放在了 AI 协作的核心位置。但这与 Ahmet 的经历并不冲突：一个从开发经验切入，一个从功能基因组学切入。两份自述提示了不同的参与路径，却都不足以支持“专业知识已经不重要”的判断。能运行更多尝试之后，人仍需解释结果。

另一位选手 Clay Moore，给这股热情补上了一份失败清单。据他自述，一个方案在四种配置下同样失效，三种本地评分代理都误判过排行榜。他计划赛后连同代码一起公开这些记录。但截至这篇人物报道，公开失败记录仍是一项计划，不能写成已经完成的开源成果。

这些负结果提出了比“调用了多少 AI”更具体的问题：怎样判断一次修改真的有用？但 Ahmet 的公开访谈还没有展开这一层。400 次实验中，有多少推翻了原先的想法？哪些改善能跨细胞背景保持？这些未披露的环节，才有机会把一段个人参赛故事变成别人可复用的方法。

一个人参赛，背后仍有一座实验室

据 Arc 的数据生成说明，支撑比赛的 Perturb-seq 工作流需要约六个月，七个技术中心团队参与了数据生成与处理。个人可以提交预测，但能判断预测对错的实验真值，依然来自长期的实验协作与质量控制。把计算入口变得开放，并没有让这部分基础设施消失。

这段经历最值得追问的，是 AI 能把一个愿意反复试验的人带到多远。但目前看到的仍是单个参赛者的阶段自述，无法推广成普遍结论。参与的入口可以扩大，验证结论的责任仍然在。按官方日程，10 月 22 日将发布最终测试集；换一批细胞后，这位 18 岁开发者的预测还能走多远？