新智元报道

编辑：桃子

【新智元导读】o3病毒学能力击败了94%博士级专家，准确率高达43.8%。多家研究机构联手，通过VCT测试揭示，顶尖LLM不仅能解决复杂实验难题，直接拉低了生物武器制造门槛。

AI又来攻占生物学领域了。

来自SecureBio、Center for AI Safety等机构研究人员发现，o3病毒学能力已超越了94%病毒学专家。

他们开发了一项「毒学能力测试」（VCT），包含了322道多选题，涵盖了文本、图像，聚焦实验室中实际操作复杂问题。

这些难题由57位病毒学家共同设计，模拟了现实实验中，难以上网搜索解决的场景。

测试结果令人震惊：

o3准确率高达43.8%，Gemini 2.5 Pro为37.6%，要知道，博士级病毒学专家平均得分仅为22.1%。

与此同时，31页技术报告已发布。这一发现确实令人振奋，但也敲响了警钟。

论文共同作者Seth Donoughe直言，「这些惊人的结果让人有些紧张」。

论文地址：https://www.virologytest.ai/vct_paper.pdf

这也是历史上首次，几乎任何人都可以访问「AI病毒学专家」，将大幅降低制造生物武器门槛。

在最新ARC-AGI测试中，o3（medium）成绩再创SOTA，而成本仅为1/20（每个任务1.5美元≈11元）

若不采取及时行动，届时，AI或将成为毁灭文明的黑洞。

AI踢破病毒学门槛

一直以来，病毒学知识，通常被局限在一小群专业人士之中。

若想成为病毒学领域顶尖专家，需要多年的学术训练、多次学位认证。

即便是公开，专业文献中充斥着术语，也让外行人望而却步。然而，AI快速发展正打破这一壁垒。

此外，在涉及生物安全3级（BSL-3）病原体，比如SARS、炭疽、H5N1流感的实验，均需要审批流程，包括设施认证、安全许可、专业培训和持续的医疗监控。

正是这些高门槛，有效限制了掌握病毒学双重= 用途（dual-use）知识的人群，降低了被误用风险。

然而，AI加速发展正打破这一壁垒——不仅将这些专业技能带给普通人，甚至可能为恶意的人提供便利。

o3准确率43.8%，超越人类专家

如前所述，最新研究中，多家机构联手开发出VCT基准测试，专为评估顶尖LLM在病毒学领域实际操作能力。

57位病毒专家设计的322道多选题，灵感来源于自身实验中遇到具体难题，并且仅通过简单搜索，是无法获得答案。

如下，是一个典型的VCT问题，描述了一个场景，并且只能通过视觉信息解决，最后从提供的7个答案陈述中确定哪些是正确的。

整个VCT基准测试，主要专注于实用、特定领域的病毒学知识，同时排除生物学各学科共有的基础主题，以及明确双重用途的内容。

如下图所示，横轴代表着滥用潜力的增加，纵轴表示知识抽象的水平（高度概念性到高度实用性）。

实验中，研究团队选取了一系列前沿模型参与VCT评估，包括来自OpenAI、谷歌、Anthropic多模态模型，以及纯文本DeepSeek-R1和o3-mini模型。

结果显示，大模型在湿实验室（wet lab）中问题解决能力，已经超越了博士级病毒学家。

具体来说，GPT-4o的表现优于53%专家，Gemini 1.5 Pro超越67%专家，Claude Sonnet 3.5为75%，o1达到了89%。

更值得一提的是，o3在所有模型中最为亮眼，准确率位43.8%，击败了94%的人类专家。

除了GPT-4o，这些顶尖AI在专业领域的表现也超过了人类专家平均得分（22.1%）。

此外，研究人员还将模型与个别专家进行比较，然后在整个专家池中对模型排名。

如下图B所示，所有模型得分均高于中位数人类专家，OpenAI的o3甚至超过了36位专家中的34位，在病毒学家中位列94%。

AI在STEM全面崛起

在AI专家Dan Hendrycks的一篇长文分析中称，VCT的结果并非是孤立现象。

近年来，前沿LLM在数学、物理、生物科学等STEM学科中表现持续提升，尤其在生物科学领域进步尤为显著。

比如，在「大规模杀伤性武器代理」（WMDP）测试中，o1得分高达87%，远超人类专家60%基准。

还有其他测试，如ProtocolQA、BioLP-bench显示，AI在生物实验室协议的推理和故障排查能力上，接近甚至超过人类专家。

病毒学作为STEM的一部分，其知识体系对于AI来说并不例外。如果AI在其他学科已经达到博士级水平，那么在病毒学领域也是如此。

生物安全警钟长鸣

问题在于，病毒学知识是双重用途——一位博士级病毒学家既能推动医学进步，也能制造生物武器。

生物武器的风险主要取决于三点：掌握技能的人数、制造武器的意图，以及武器的潜在危害。

而现在，AI正迅速放大第一个因素。