模型与 Benchmark板块首页
怎么读
怎么给 benchmark 分类一个分数能信到哪一步:真值噪声、简单基线、泄漏与饱和协议索引:113 条协议按谁判对错分组方法与数据:分类口径、收录与停更标准、已知局限
模型与数据
模型索引:112 个模型按领域分组模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…benchmark 的规模、更新与 wet lab 数据
Benchmark:理解状态(表征与排序)
02 ProteinGym09 scIB11 ClinVar hold-out protocol13 CAGI16 GUE + Nucleotide Transform…17 CAFA21 DREAM5 / BEELINE / CausalB…26 FLIP / FLIP234 AbBiBench37 TraitGym38 BEND39 RNAGym45 DART-Eval49 NTv3 Benchmark67 VenusX
Benchmark:预测给定对象的结果
01 CASP03 MoleculeNet04 TDC05 PoseBusters06 CASF-201615 CAMEO22 CAPRI24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles27 Polaris / ASAP / OpenADMET30 PLINDER / PINDER / Runs N'…31 FoldBench33 PoseX35 FLAb / FLAb243 Ginkgo GDPa146 FEP 相对结合自由能基准47 PoseBench / DockGen51 OpenADMET 盲测系列52 Biogen ADME53 UNICORNE-BENCH54 OMol25 + FAIR Chemistry 榜单55 PDBbind-CleanSplit / LP-PD…57 CatPred-DB66 MassSpecGym
Benchmark:提出候选(生成与设计)
19 PMO20 CACHE28 Adaptyv competitions / Ben…36 AIntibody40 MotifBench50 蛋白 motif scaffolding 基准56 Protein Engineering Tourna…
Benchmark:多步分析与问答(agent)
14 PubMedQA18 LAB-Bench / LABBench223 BioASQ29 BixBench42 BioMysteryBench58 ChemBench59 LifeSciBench60 Terminal-Bench-Science61 BiomniBench / Biomni-Eval162 HeurekaBench63 scBench64 ScienceAgentBench65 SciReasoner / Biology-Inst…68 BioDesignBench
Benchmark:已停更
07 USPTO family08 Basenji/Enformer test set10 GuacaMol12 DUD-E / LIT-PCBA32 CrossDocked202041 BioML-bench44 FS-Mol
相邻领域
相邻领域:不在主分类内的评测
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

Quine:Microsoft Research

整理 2026-11-18 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

Microsoft Research 的生物世界模型加研究 harness,限研究用途。

文本与 agent · 大厂实验室 · 美国 · 截至 2026-11-17

概况

字段 内容
名称 / 别名 Quine;别名:Microsoft Quine;有歧义、不自动链接:Quine
家族 否(单一系统,无后续版本)
机构 Microsoft Research
机构类型 / 国家 大厂实验室 / 美国
模型类别 agent / 世界模型 + harness
领域 文本与 agent(次领域:单细胞)
首次发布 (依据:Microsoft Research 官方博客)
其他里程碑 最早公开证据 (官方博客);官方公告 (官方博客)
最近更新 ;未检出发布后更新(截至 2026-11-17):未检出发布后更新(截至 2026-11-16);访问限于 Quine Fellows 与选定合作,计划经 Microsoft Discovery 扩大,未给时间。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:不开放;权重:不开放;首批仅限 Quine Fellows 计划与选定研究合作,仅供研究用途
状态 仅产品形态:闭源,限定访问
报过的 benchmark 0 项计入;另 6 条不计入(未证实 6)
湿实验验证 1 条记录
全站实体页 无(全站实体库有合作机构页,但无该模型自身的实体页)
截至 2026-11-17

做什么

由两部分组成:覆盖基因组、蛋白、化学、RNA、细胞状态与生物影像的多模态世界模型,以及把模型、科学工具、文献与研究者连起来的 harness;Quine 提出预测,由湿实验检验。与偏假设生成的 Co-Scientist、偏工具编排的 Biomni 相比,特点是把自有预测模型与湿实验伙伴绑在同一研究项目里;细胞状态预测可对照 STATE。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入;另 6 条不计入(未证实 6)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
14 PubMedQA 未证实 否 — 未知 官方材料中未检出相关报告 †(未核实) 出处
18 LAB-Bench / LABBench2 未证实 否 — 未知 官方材料中未检出相关报告 †(未核实) 出处
23 BioASQ 未证实 否 — 未知 官方材料中未检出其报告。 †(未核实) 出处
29 BixBench 未证实 否 — 未知 官方材料中未检出相关报告 †(未核实) 出处
41 BioML-bench 未证实 否 — 未知 官方材料中未检出本基准的报告。 †(未核实) 出处
42 BioMysteryBench 未证实 否 — 未知 官方材料中未检出本基准的报告。 †(未核实) 出处

其他评测(不在 44 项内)

  • 站内文本与 agent 类 benchmark(未披露,自报):已核查 LAB-Bench、BixBench、BioASQ、PubMedQA、BioML-bench、BioMysteryBench:官方博客无任何 benchmark 分数
  • 胰腺癌细胞状态转换预测(湿实验验证,合作方):与 Broad 合作,在患者来源 ex vivo 模型上检验化合物排序;数量未披露

开发方称:多模态生物世界模型加研究 harness 能快速收敛候选(约一个周末),排名靠前的预测在湿实验中得到证实。

独立证据:未检出独立证据(只有媒体评论,未检出第三方复现或定量独立评测)

训练数据

类别 值 说明 出处
a 公开库 未披露 未披露具体数据集 出处
b 私有 / 授权 未披露 — 出处
c 自产 wet lab 训练数据 未披露 胰腺癌患者来源 ex vivo 模型来自与 Broad 的多年合作,是否用于训练未说明 出处
d 仅用于验证的 wet lab 是 胰腺癌细胞状态转换预测由 Broad 方面的 ex vivo 实验检验 出处

湿实验验证

每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。

实验 靶点数 受测设计 命中 成功率 最佳亲和力 分母口径 版本 来源类型 日期 核实 执行方 说明 出处
胰腺癌细胞状态转换 — — — — — 未披露计数:博客只说对"数千个"化合物排序、挑出"少数几个"送检 developer blog 自报 未核实† 合作方 Broad Institute 的 ex vivo 实验,非独立复现 博客称排名靠前的化合物产生最大的预期状态位移,另有化合物被预测并确认推向第三种表型;无命中率、阴性结果与对照 出处

背景

  • 机构:Microsoft Research 是微软的研究部门,设 AI for Science、Health Futures 等方向,实验室分布于 Redmond、英美两地 Cambridge、纽约、蒙特利尔、班加罗尔、北京与内罗毕等地。
  • 融资:微软内部研究预算,无独立融资。
  • 产品与合作:Project Ex Vivo 是 Microsoft 与 Broad Institute 的联合癌症研究合作,Dana-Farber Cancer Institute 提供支持,初期聚焦胰腺癌;访问通路为 Quine Fellows,后续经 Microsoft Discovery。
  • 相关模型:Co-Scientist、Biomni、STATE

怎么看

  1. 没有任何数值,看不出比其他系统强多少。
  2. 胰腺癌案例说明"预测到湿实验确认"可行,但没有命中率、阴性结果与对照,不能推断泛化到其他疾病。
  3. 一个周末完成的只是从数千化合物收敛到少数候选这一环,实验体系建立在多年合作之上。
  4. 限定访问使外部几乎无法独立评测。

局限与注意

  1. 湿实验无计数,按未核实处理,不能换算成成功率。
  2. 训练数据完全未披露。
  3. 定位为实验性研究技术,开发方提示输出可能不完整或不准确。

来源

  1. Microsoft Research 官方博客(公司博客)
  2. Project Ex Vivo 项目页(官方网站)
  3. Microsoft Research 机构介绍(官方网站)

更正记录

无。

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。