2025年6月2日，斯坦福大学黄柯鑫、Serena Zhang、王瀚宸、屈元昊、陆荧洲等研究人员领衔的团队，联合Genentech, Arc Institute, 加州大学旧金山分校, 普林斯顿等多个顶尖研究机构，发表了突破性研究论文“Biomni: A General-Purpose Biomedical AI Agent”，首次报道了通用生物医学AI智能体Biomni, 并在http://biomni.stanford.edu 开放免费注册和使用（信息来源动脉网）。

不同于以往局限于单一任务的专用工具，Biomni实现了跨遗传学、微生物学、药理学及临床医学等多领域的自主研究能力，为生物医学研究提供了一种全新的工作范式。

技术架构：双核驱动与专业集成

Biomni由两个关键组件构成：

Biomni-E1：整合了150个专业生物医学工具、105个软件包及59个数据库（如PDB、OpenTarget），构建统一的数据与工具环境。

Biomni-A1：采用三大创新机制——基于LLM的动态工具选择、代码化行动接口支持复杂逻辑（循环/并行），以及自适应规划策略，实现从目标到执行的全流程自主化。

这一架构解决了传统AI工具在生物医学领域泛化能力不足的痛点，尤其是将高度专业化的工具操作与高级推理能力有效结合。

性能表现：全面超越现有基准

在权威测试中，Biomni展现出显著优势：

人类最后考试（HLE）：在14个生物医学子领域的52个问题上取得17.3%准确率，显著高于基础LLM模型（6.0%）和文献智能体（12.2%）。

LAB-Bench数据库问答（DbQA）：74.4%准确率，与人类专家（74.7%）基本持平。

真实研究任务测试：相较基础LLM模型性能提升402.3%，较编码智能体提升43.0%。

实际应用：从数据分析到实验设计

Biomni已在多个场景验证其价值：

可穿戴数据分析：自主解析458份连续葡萄糖监测数据，识别出餐后平均体温升高2.19°C的群体规律及个体代谢差异。

骨骼发育研究：分析33万个单核RNA测序和ATAC测序数据点，重现RUNX2等已知转录因子调控关系，并发现AUTS2、PBX1等新因子。

Biomni的诞生，标志着生物医学研究从碎片化工具迈向通用智能体的关键转折。通过无缝融合专业工具与自主决策能力，该系统让研究人员得以摆脱重复性操作，专注于科学发现的创造性环节。随着药物重定位、罕见病诊断等场景的深入应用，AI与人类专家协作的科研新范式正加速形成——不是替代科学家，而是赋予他们探索未知的新坐标。