一句话看懂：英国 AI Security Institute（AISI）联合 SecureBio 发布 ReproBAIT 评测，发现主流编码智能体能在有限时间和算力内复现部分生物 AI 工具的核心功能，最简工具不到 4 小时、算力成本低于 20 美元。这意味着“只公开论文、不公开代码”本身并不足以构成安全防线。
事件核心：发生了什么
生物 AI 工具（BAITs）被广泛用于蛋白质结构预测、分子设计等方向。部分开发者出于商业保护或防滥用考虑，只公开论文或摘要，不放出代码与完整数据。AISI 的 Chem-Bio 团队与 SecureBio 合作搭建了 ReproBAIT 评测：在单 GPU、无网络的隔离沙箱里，让智能体仅依据有限公开信息编写并训练一个复刻工具，再由独立评分器在留出数据上对比原工具表现。
评测选取三个工具：开源的 ProteinMPNN 和 RFdiffusion3，以及仅有公开论文、从未放出代码的闭源分子设计工具 CMD。测试条件分“仅摘要”“仅论文”，开源工具另设“提供代码”基线。参与测试的智能体包括 Claude Opus 5、GPT-5.6 Sol、Kimi K3 和 Qwen3.8-2.4T，各配置运行三次取最佳结果。结果显示，每个工具的部分函数可被复现，最简工具耗时不足 4 小时、算力预算低于 20 美元。
为什么重要
这项评测把“信息落差”当作可量化的攻击面。长期以来，双用途工具的常见防护是控制代码和细节的公开程度，但 ReproBAIT 说明，当智能体具备研究、编码与科学推理能力时，公开论文本身就足以支撑相当程度的逆向重建。对政策制定者而言，这指向数据治理——训练数据、评测数据和访问权限的管理——可能比“是否开源”更值得投入。目前公开信息显示，该研究衡量的是各工具的单项能力，高分并不等于完整复现全部功能。
对用户/开发者/创作者的影响
对生物与医药方向的开发者，发布论文或预印本时的信息披露策略需要重新权衡：摘要、方法细节和补充材料都会影响被复现的难度。对使用大模型做科研编程的团队，ReproBAIT 这类基准也可作为内部评估智能体“从论文到可运行实现”能力的参照。对企业采购与合规方，托管访问、用户审核等受控发布方式仍值得保留，但不应被当作唯一屏障。创作者与内容方则应注意，公开的技术描述正在变成智能体可直接消费的“实现说明书”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 ReproBAIT 是否会扩展到更多 BAIT 类别与更高复杂度工具，以及时间与算力预算提高后复现保真度如何变化；二是 AISI 是否会把结论转化为对前沿模型部署方的具体建议或评测要求；三是受控发布与数据治理在实践中能否形成可执行的行业规范，而非只停留在研究层面。
