AI for Science · 四产品工程拆解

六个“AI 科学家”,
只有一个能让你敢署名

Claude Science · Google 两款 · 三个开源国产 · 一次事实核准的工程拆解

摘要 · Abstract

2026 年,六款“科研工作台”几乎同时上台:Claude Science、Google 的 Co-Scientist 与 ScientistOne、两个西方开源版、和上海 AI Lab 的 InternAgentS。它们都能像研二学生一样,把查文献、清数据、跑分析、出图、写稿这些中间环节替你跑完。但科研有一条别的行业没有的红线:产出要署名,署名要负责——一篇论文错一个引用、编一个数字,砸的是你的信誉。所以真正的问题不是“哪个更能干”,而是:这六个里,哪一个你敢把自己的名字署上去?
本文用一条双重标准来筛:① 产出前有独立校验,拦住坏引用 / 无源数字 / 图码不一致;② 今天就能用在真实科研里,不是 demo。六家拆到底,同时满足两条的只有一个——而 Google 的 ScientistOne 用 0/337 幻觉引用证明了这条标准既对、也可达:它是这条赛道的未来,却还不是今天能交付的答案。全篇按 STORM 多视角检索接地、逐条标实证或逻辑状态。

发布 2026-06-30 模型 Claude Opus 4.8 系统 macOS / Linux 入口 Pro · Max · Team · Enterprise beta 形态 本地 app(浏览器标签页 UI)

关键词 · KeywordsAI for Science · agent harness · 推理主权 (inference sovereignty) · 独立校验 (verification) · 完整性竞赛 (integrity race) · 科学素养重估

版本演进 · Editions① Claude Science + 两个西方开源(synthetic / ai4s)  →  ② 加上海 AI Lab 的 InternAgentS(国产变量)  →  ③ 加 Google 两款 Co-Scientist / ScientistOne,成六方

闭源 · 商业

Claude Science

Anthropic

锁定 Claude 模型,牺牲开放度换取生命科学垂直深度 + 焊死的可复现性 + 托管算力伸缩。信任层做成一等公民。

Google · 闭源

Co-Scientist

DeepMind · Gemini for Science

Gemini 多智能体“假设引擎”——用创意锦标赛生成 / 辩论假设,接 AlphaFold / AlphaGenome。生命科学深,企业预览(拜耳 / 第一三共 / DOE)。

Google · 校验优先

ScientistOne

Google Cloud AI Research

把“可采信”做成产品本体:Chain-of-Evidence + CoE 审计,0/337 幻觉引用。三段式端到端,ICML 2026 demo。校验轴的极点。

Apache-2.0 · 开源

synthetic-sciences /
openscience

openscience.sh

浏览器工作台 + 本地 CLI,model-agnostic,250+ skills。能力开放度拉满,代价是 agent 不 sandbox、无独立校验层。

MIT · 开源

ai4s-research /
open-science

“Claude Science 开源替代”

Tauri 桌面 app,基于 OpenCode。自带 provenance.jsonl + integrity-auditor,信任层与桌面体验最接近商业版。

开源 · 国产

InternAgentS

上海 AI Lab · OpenClaudeScience

基于 DeepAgents + LangGraph,model-agnostic 且推理可留本地/内网。把主权从数据层下沉到推理层,信任层以三档授权为主。

01

六方架构拆解

TEARDOWN

六款产品都想当“科研人员的 AI 同事”——把查文献、清数据、调环境、跑分析、出图、写稿、校验这些最熬人的中间环节,收进同一条可控、可复现的流水线。但它们的内部骨架差得很远。先给每家一张同规格的架构卡,再把两条差异轴的两个极点摊开细看。

Claude Science

Anthropic · 闭源 · 生产

架构通用协调 Agent → 专家子 Agent + 60+ 技能 / BioNeMo + 独立校验 Agent + 常驻内核;逐项授权、数据本地(推理上云)
招牌独立 Reviewer 在结果浮现前拦坏引用 / 图码;provenance 焊死(图 = 图 + 代码 + 环境 + 对话)
Co-Scientist

Google DeepMind · Gemini · 企业预览

架构Gemini 2.0 多智能体;“创意锦标赛”生成 / 辩论 / 评估假设 → Expand;Science Skills 接 30+ 生命科学库
招牌上游“假设引擎”——产出可验证、带可点击引用的新假设,而非端到端出论文
ScientistOne

Google Cloud AI Research · 研究系统

架构三段式:Problem Investigator(调研)→ Discovery(Ideator + 并行 Explore-Exploit,每支 Solve→Evaluate→Audit)→ Paper Writing & Verification
招牌把可采信写进骨架——每分支 Audit 收口 + 末端独立 Claim Verifier,0/337 幻觉引用
synthetic-sciences

openscience.sh · Apache-2.0 · 极早期

架构浏览器 workspace + 本地 CLI(Bun);TS SDK + plugin runtime;research + 学科 specialist + critique 子 agent;250+ skill
招牌可扩展性最强(SDK + plugin);但 agent 不 sandbox、无独立校验——能力宽、信任空
ai4s-research

open-science · MIT · beta

架构Tauri 桌面 app;基于 OpenCode + MCP + skill sidecar(uv);~150 provider + 本地 Ollama;~7 精选包
招牌开源侧唯一把信任层做实——integrity-auditor + provenance.jsonl(但无 Linux,够不着 HPC)
InternAgentS

上海 AI Lab · 开源 · demo

架构本地 app + 三栏工作台;基于 DeepAgents + LangGraph(可 fork);国产 / 本地模型;MCP + SCP(3600+ 工具)
招牌推理可留域内(主权极点)+ 三档授权;缺 CS 式产出校验(Intern·Agent 栈另有多维评审)

两个极点,值得摊开细看

六家里,把内部结构摊开最有价值的是两条差异轴的两个极点:Claude Science(商业旗舰,把信任做成一个组件)与 ScientistOne(把“可采信”做成整个产品)。两张图并列,恰好是“信任作为部件”与“信任作为骨架”的对照。

Claude Science · 五组件

Claude Science 架构:通用协调 Agent 调度专家子 Agent、技能库、校验 Agent 与常驻内核 顶部为通用协调 Agent;中层为专家子 Agent、60+ 科学技能与连接器、NVIDIA BioNeMo 工具包;右侧为独立校验 Agent;底部为常驻 live kernel 与本地/HPC/Modal 算力;底座为逐项授权与数据不出域。 通用协调 Agent Generalist Coordinating Agent · 理解科研意图 / 拆分任务 专家子 Agent 基因组 / 单细胞 / 蛋白 结构 / 化学信息学 可自建 / 可复用 60+ 科学技能与连接器 · BioNeMo 工具包 UniProt · PDB · Ensembl · Reactome · ChEMBL · GEO PubMed · bioRxiv · OpenAlex · CELLxGENE … NVIDIA BioNeMo: Evo 2 · Boltz-2 · OpenFold3 校验 Agent Reviewer 查引用 / 校计算 图表↔代码一致性 常驻内核 Live Kernel 会话保持内存 · 大数据集只加载一次 · fork 会话对比方案 逐项授权(每次读文件 / 执行代码都需确认)· 数据不出域(本地 / HPC / SSH / Modal,仅送分析上下文) 安全阀:降低幻觉落地风险,控制自主执行失控
五组件协作:协调者拆任务 → 专家子 Agent + 技能库执行 → 校验 Agent 复核 → 常驻内核维持状态,底座是逐项授权与数据本地化。

ScientistOne · 三阶段 · 校验即产品

ScientistOne 三阶段流水线:Problem Investigator(调研)→ Discovery(Ideator + Parallel Explore-Exploit,每分支 Solve→Evaluate→Audit)→ Paper Writing & Verification(Paper Writer + 独立 Claim Verifier)。校验环节(Audit + Claim Verifier)以玫红高亮。ScientistOne 三阶段架构:Problem Investigator → Discovery → Paper Writing & Verification Problem Investigator 调研 Task Definition Seed Papers Citation Graph Elite Pool Filter Multi-Round Investigation Research Brief Discovery 发现 Ideator Conservative + Unconventional Gen C U Expand to Proposal Scatter Parallel Explore-Exploit B1 Solve Eval Audit B2 Solve Eval Audit B3 Solve Eval Audit B4 Solve Eval Audit I iterations × B branches Rank+Select Feedback · distillation, metrics Best Solution + Logs Paper Writing & Verification 撰写 + 校验 Paper Writer CONCEIVE GROUND CRITIC RESOLVE COMPOSE Paper Draft (.tex) Claim Verifier Extract Claims Verify Sources Refiner final_paper ✓ .pdf
ScientistOne 把“可采信”写进架构:每个探索分支都以 Audit 收口,末端还有独立 Claim Verifier(Extract Claims → Verify Sources → Refiner)才出 final_paper.pdf——这就是“确定性审计,而非模型自律”,也是它拿到 0/337 幻觉引用的结构原因。

一个贯穿六家的限制

Claude Science 的校验用的是同一个底层模型查自己的自洽性——能抓出“同一 PMID 分给两篇论文”这类内部矛盾,但不等于外部事实正确。ScientistOne 的解法是把校验做成独立、确定性的审计层。这条“模型自律 vs 确定性校验”的分界,正是下面六方对比里“信任层”那一维的核心,也是本文那条唯一分水岭。

02

六方证据强度

EVALUATION

先说清楚:六家的证据是不对称的——不是每家都有公开、可复现的评测。所以本节先逐家看各自的证据强度与机构落地,再用 Claude Science 的一次实测做演示(n=1,不可一般化)——避免拿一家的轶事去代表整个品类。⚠

六方证据强度

产品公开可核验的证据强度敢署名? 独立校验 + 生产可用
Claude Science生产案例(UCSF 胶质瘤 ×10 / Allen 百页综述 / Manifold 靶点 / 诺和诺德)+ 单次实测(n=1);GeneBench 上 Claude Opus 4.8 仅 16%生产背书敢 独立 Reviewer + 已生产署名
Co-Scientist论文发表于 Nature;拜耳 / 第一三共 / DOE 国家实验室企业部署同行评审 + 企业半条腿 验证是特性 · 只出上游假设
ScientistOne0/337 幻觉引用 · 12/12 评分校验 · 14/15 图码 · 5 任务追平/超人类专家;泛化到 MLE-Bench 金牌研究基准(未生产)未来敢 校验最强,但研究系统未生产
synthetic-sciences无公开基准;v1.2.5 · ~24★极早期不敢 无独立校验
ai4s-research无公开基准;活跃 beta,桌面体验最接近商业版早期差一步 有 auditor,缺生产 / 算力
InternAgentS无公开基准;刚开源 / demo(SCP 数据为官方口径)demo差一步 产出校验待补

证据强度≠产品好坏,只反映“今天有多少可核验的公开凭据”。ScientistOne 的数字最硬但来自研究基准、尚未生产;开源三家最缺公开评测——这本身就是它们要补的功课。

一次实测演示 · 以 Claude Science 为例(n=1)

▸先给六步执行计划,征求确认再开跑——干活前把预期对齐,你知道它接下来要干嘛。
▸去 OpenAlex 定位概念、抓元数据 —— 当天匿名访问被限流(503,需 API key)故障
▸当场诊断“匿名被限流 → 换源”,改用更稳定、覆盖也够的 Crossref,没有卡死、也没硬编假结果随机应变
▸顺手先测“相关度随抓取深度如何衰减”,据此定筛选阈值 —— 最终过滤出 1218 篇真正相关的期刊论文(62% 带摘要)。
▸清洗 → 趋势 → TF-IDF + K-means 聚类 → 高影响力排序 → 前沿定性,全自己串起来;中途自装缺失的 scikit-learn、修了图表标签重叠。
▸边界诚实:主动说明单用 Crossref 导致引用数有局限,建议接 OpenAlex API key 或 Web of Science 做更权威的引用网络分析。
▸交付一整套:内嵌全部图表的中文报告 + 高影响力论文清单 + 主题聚类图 + 趋势/期刊分布图 + 聚类分配/关键词/原始语料 CSV。每张图背后都连着代码。

三个使用感受支撑起“勤恳靠谱的科研助理”这个评价:过程可见(每步在做什么、为什么这么做都摆在面前,不是黑箱吐结论)、随机应变(源挂了会换、程序缺了会装、图丑了会重画)、边界诚实(在科研里,是否严谨直接决定结果能不能被采信)。

谁已落地到真实机构 · 六方现状

只有商业云两家真正进了机构生产:Claude Science 与 Co-Scientist 有公开机构案例;ScientistOne 是研究系统、开源三家仍在早期,均无机构生产案例——这也是“敢署名”目前只落在前两者的现实基础。

Claude Science · Manifold Bio

靶点筛选

为组织靶向药物设计筛选靶点,评估表面表达、转运、安全性并排序,结合历史项目经验,效率超过普通编码助手。

Claude Science · Allen Institute

多代理计算综述

搭含 20 个定制技能的“计算综述模板”,子代理读文献、建证据库、出图,配“行动者-评论家”双保险;原本 2 年的综述工作大幅提速,已产出多篇百页级成果。

Claude Science · UCSF 脑肿瘤中心

胶质瘤分析 ×10

分子/种系流行病学分析时间降至原来的 1/10,且独立验证结果可靠。诺和诺德亦为公开客户案例。

Co-Scientist · 拜耳 / 第一三共 / DOE

企业预览部署

拜耳作物科学、第一三共、美国能源部国家实验室(Genesis Mission)在 Gemini for Science 企业预览中用 Co-Scientist 做假设生成与研究加速;论文发表于 Nature。

谨慎的声音

东北大学 Jared Auclair:AI 更像“需要老练飞行员驾驶的副驾驶”。在解读监管指南、设计实验这类需要精细判断的环节,通用 AI 仍可能幻觉或漏细节——在药物研发里,这类错误可是要命的。

03

六方工程差异化对比

COMPARISON

六者表面都是“harness + 技能 + provenance”的科研工作台,但在模型策略、能力宽度、信任层强度、安全隔离几个维度上落点截然不同。以下逐维拆开——brass 为 Claude Science、azure 为 Co-Scientist、rose 为 ScientistOne、coral 为 synthetic-sciences、teal 为 ai4s-research、periwinkle 为 InternAgentS。

六产品技术架构总览

六产品技术架构分层总览按形态、编排、模型与推理位置、能力与协议、信任与校验、数据与算力六层,横向对比六款科研 Agent,高亮模型·推理与信任·校验两层为真正分野。 LAYER 形态 编排 harness 模型·推理 ◆ 分野 能力·协议 信任·校验 ◆ 分野 数据·算力 Claude Science Anthropic · 闭源 本地 app 标签页 UI 闭源自研 五组件 锁 Opus 4.8 推理上云 60+ skill·MCP BioNeMo 独立 Reviewer + provenance 数据本地 托管 HPC/Modal Co-Scientist Google · Gemini Gemini for Sci 平台/多智能体 Gemini 多智能体 闭源 锁 Gemini 2.0 上云 Science Skills 30+ 生命科学库 验证+引用 特性,非本体 云托管 AlphaEvolve/ERA ScientistOne Google · 校验优先 端到端流水线 研究系统 三段式 CoE 流水线 前沿模型 上云 调研+探索+校验 ScholarPeer ★ CoE 审计 0/337 幻觉引用 seed papers 并行探索 synthetic-sci Apache-2.0 浏览器+CLI Bun · TS/Py 开源 TS SDK+plugin model-agnostic BYOK 250+ skill MCP 基本空白 不 sandbox 自配云算力 Atlas 可选 ai4s-research MIT Tauri 桌面 开源 OpenCode ~150 provider +本地 Ollama ~7 skill 包 MCP integrity-auditor + jsonl local-first uv 隔离 InternAgentS 上海 AI Lab 本地 app 三栏工作台 开源可 fork DeepAgents+LG 国产/本地 推理留域内 MCP+SCP 3600+ 工具 三档授权 无产出校验 数据+推理域内 连 SSH
统一分层看六家架构:多数层收敛,只在两层上真正拉开 — 模型·推理(主权 · 分市场)与 信任·校验(可采信 · 定生死)。两条差异轴里,只有“可采信”是那条分水岭。

权衡前沿

三款科研 agent 的能力开放度与信任层强度权衡定位图 横轴为能力/模型开放度,纵轴为信任层强度。Claude Science 位于左上(低开放、高信任),ai4s-research 居中,synthetic-sciences 位于右下(高开放、低信任),三点连成一条下行权衡前沿。 高信任 · 低开放 高开放 · 低信任 ↑ 信任层强度 trust enforcement 能力 / 模型开放度 capability openness → 权衡前沿 frontier Claude Science 锁模型 · 焊信任层 · BioNeMo 深耕 ai4s-research 均衡 · auditor + provenance.jsonl synthetic-sciences 250 skills · 无 sandbox · 无独立校验 ScientistOne 校验即产品 · 0/337 幻觉引用 Co-Scientist Gemini · 生命科学 · 假设生成 InternAgentS 推理留本地 · 授权强 / 校验弱
开源三方(brass/coral/teal)落在下行前沿:开放度越高、信任层越薄。InternAgentS 靠推理主权被抬到前沿之上。而 Google 两款在低开放的左侧:ScientistOne 把信任轴推到顶点(校验即产品),Co-Scientist 居其下。完整性,而非能力,成了新的纵轴天花板。
维度Claude ScienceAnthropic · 闭源Co-ScientistGoogle · GeminiScientistOneGoogle · 校验优先synthetic-sciencesopenscience.sh · Apache-2.0ai4s-researchopen-science · MITInternAgentS上海 AI Lab · 开源
模型策略锁定
只跑 Claude Opus 4.8
锁定
Gemini 2.0(多智能体)
前沿模型
作求解器,未锁单一
中立
model-agnostic · BYOK 免费
中立
~150 provider + 本地 Ollama
中立
国产/本地;推理可留域内
形态 / 技术栈本地 app(标签页 UI),未公开栈Gemini for Science / Antigravity;多智能体端到端研究流水线(三段式)浏览器 workspace + CLI;Bun,TS/PyTauri 桌面 + OpenCode + uv本地 app;DeepAgents + LangGraph
平台支持macOS / Linux云(Google Cloud)云(研究 / demo)跨平台二进制macOS / Windows(无 Linux)macOS(Mac 安装包)
Skills / 模块60+ 精选(生命科学)+ 自建Science Skills:30+ 生命科学库三段式 + ScholarPeer + PaperBanana250+(ML/化学/LaTeX/算力)~7 精选包内置 + 科学 skill 库,可导入
科学数据库60+ 连接器,genomics/proteomicsUniProt / AlphaFold / AlphaGenome / InterProseed papers + 检索接地(CoE)~30(arXiv/PubMed/UniProt/PDB/ChEMBL)引用侧(Crossref/arXiv/PubMed)SCP:3600+ 工具,六学科
领域专业模型内建 BioNeMo(Evo2/Boltz2/OpenFold3)内建 AlphaFold / AlphaGenome无 ML/系统研究通用无捆绑无捆绑无捆绑 靠 SCP 自接
计算编排托管伸缩 HPC/Modal,单卡→数百 GPUGCloud 托管;AlphaEvolve/ERA 并行并行 explore-exploitModal/Tinker 云算力(自配)uv 隔离 Python/Jupyter(本地)连自有 SSH Linux,会话内审批
信任 / 校验层一等公民 独立 Reviewer,结果前拦坏引用/图码特性 验证 + 可点击引用★ 产品本体 CoE 审计:0/337 幻觉引用 · 12/12 · 14/15基本空白 无独立校验 agent内建 auditor 解析引用/校图码授权强 / 校验弱 未见产出级校验
可复现 / provenance图+代码+环境+对话,焊死引用可点击;Nature 论文验证Chain-of-Evidence,基准内近 100% 复现sessions/artifacts 存盘可分享append provenance.jsonl产物沉淀项目空间;未强调焊死
安全 / 隔离逐项授权云托管企业级研究系统不 sandbox 需自套容器手动审批(once/always/reject)三档授权(按项目风险)
可扩展性自定义 skill/专家 agent,闭源平台内 Science Skills;闭源研究框架;ScholarPeer/PaperBanana最强:TS SDK + pluginskills commit + SHA256开源 harness 可 fork;MCP + SCP
计费 / 获取算进 Claude 订阅额度企业预览(Google Cloud)研究 / 论文(arXiv 2605.26340)BYOK 免费;Atlas 可选软件免费;BYOK 按 token$0 开源;BYOK/国产模型
成熟度生产:UCSF / Allen / 诺和诺德企业预览(拜耳/第一三共/DOE)· Nature研究阶段 ICML 2026 demo极早期 v1.2.5 ~24★活跃 beta,最接近商业版刚开源 社区共建

读这张表的正确姿势:能力开放度(横向宽度)与信任层强度(纵向厚度)几乎成反比。synthetic-sciences 把 skill 堆到 250、模型完全开放,代价是 agent 连 sandbox 都没有、无独立校验;Claude Science 反过来锁死模型、闭源 harness,换来 Reviewer 一等公民、provenance 焊死、算力托管伸缩;ai4s-research 居中,用 auditor + provenance.jsonl 在开源侧补出一条最像样的信任层。InternAgentS 则把开放度推到最高(model-agnostic + 推理可留本地 + 开源 harness + MCP/SCP),信任层以三档授权补位,但同样缺独立校验。

04

国产变量 · InternAgentS

CASE STUDY

上海 AI Lab开源的科研工作台,把 Claude Science 式的科研体验带给开源社区——它的 GitHub 仓库内部名直接叫 OpenClaudeScience,基于 DeepAgents + LangGraph 围绕科研项目重组 runtime、workspace、skills、工具与授权。这不是独立物种的碰撞,而是一次有意的开源对标——但两者玩的是不同的游戏。

定位 · 一次公开的对标

血脉:书生全栈开源体系的一环(Intern-S1-Pro 科学多模态模型 → Intern·Agent 多智能体框架 → SCP 科学智能上下文协议 → InternAgentS 工作台),演进路径是流程驱动(1.0)→ 推理驱动(1.5)→ 项目工作台。战略上这是 国家级开放基础设施 + 国产模型生态,对位的是 Anthropic 的商业垂直护城河。

推理主权:数据层 vs 推理层

推理主权对比:Claude Science 推理上云 vs InternAgentS 推理留域内 左侧 Claude Science:数据留在机构域内,但分析上下文跨出域边界上到 Anthropic 云由 Claude 推理。右侧 InternAgentS:数据与模型推理都留在机构域内/内网,不跨出边界。 Claude Science 域边界 Claude 推理 Anthropic 云 · 域外 数据 机构域内 / 本地 分析上下文上云 推理跨出域边界 InternAgentS 域边界 域外:无外发 数据 域内 模型推理 本地 / 内网 数据 + 推理都在域内
决定性差异:Claude Science 数据留本地但推理跨出域边界上到 Anthropic 云;InternAgentS 把数据与推理都留在域内——主权从“数据层”下沉到“推理层”。

产品架构从不中立——它假设了用户是谁。Claude Science 的架构假设科学家是“判断提供者”:想让机器把深度和信任都兜住,自己只提问题、判结果——所以它把 Reviewer、provenance、BioNeMo 焊进架构,代价是你活在 Anthropic 的选择里(锁模型、上云推理、闭源 harness)。InternAgentS 的架构假设科学家是“构建者 / 所有者”:想要透明、可控、可组装的底座——所以它把 harness 敞开、把主权下放,代价是信任层与领域深度得你自己攒。这对应科研界一条真实裂缝:偏应用的实验台科学家(要“就是能用、且站得住”)吃前者,偏方法 / 计算的科学家(要看穿、控住每一步)吃后者。

Claude Science × InternAgentS 架构对位

维度 Claude ScienceAnthropic · 闭源 InternAgentS上海 AI Lab · 开源
模型策略锁定 Claude Opus 4.8中立 DeepSeek / 通义 / GLM / Kimi / Intern-S1 / Claude / 本地私有
推理位置数据本地,但推理上云(仅送分析上下文)推理可留本地 / 内网 ← 决定性差异
harness闭源自研五组件DeepAgents + LangGraph,可审计、可 fork
工具生态MCP + 60+ 精选生命科学库MCP + SCP(2.0 已接 3600+ 工具 / Skills,覆盖六学科)
领域专业模型内建 BioNeMo:Evo2 / Boltz2 / OpenFold3无捆绑 靠 SCP 生态自接
领域取向生命科学深(生产战果)六学科广(demo:咖啡因 / PbTiO3 / Y型微流控)
信任层强 独立 Reviewer + 焊死 provenance + 逐项授权授权强 / 校验弱 三档授权(自动 / 写入需批 / 全部需批);未见独立校验
计算编排托管伸缩 HPC / Modal,单卡→数百 GPU连自有 SSH Linux,会话内审阅确认后执行
数据主权止于数据层数据层 + 推理层
平台 / 成熟度macOS / Linux;UCSF / Allen / 诺和诺德背书目前 Mac 安装包;刚开源、社区共建、demo 阶段

各自独特的架构优势

Claude Science · 交付型

把“信任工作 + 搭建工作”从科学家身上拿走

· 独立 Reviewer 作为一等、前置组件:验证在结果浮现前就跑,开源侧至今无对等物——科研第一需求“能否被采信”被做成了架构。
· 焊死 provenance:复现是“构造即保证”,不靠人自律。
· 常驻 Live Kernel:大数据集只加载一次,真实数据规模下流畅迭代。
· BioNeMo + 精选 skill:有主见地替生命科学家预置深度,配置负担近零。
· 托管算力:单卡→数百 GPU,不碰集群运维。

InternAgentS · 赋能型

把整个栈的所有权与控制权交还科学家

· 推理层主权:唯一把数据与推理同时留在域内的架构——对未发表管线 / 涉密 / 药企研发 / 国产化,是准入而非体验。
· 开源可 fork 的 harness(DeepAgents + LangGraph):推理图可审可改,科学天生敌视黑箱。
· model-agnostic 底座:抗模型换代、成本波动与单云绑定。
· SCP 科学专用协议:赌科学工具 / 数据 / 仪器需要自己的上下文标准,六学科横向广。
· 三档授权:按项目风险配自主度,比单一逐项授权更贴现实。

裁决 · 哪个更靠近科学家需求

取决于把哪个需求当第一性:
· 第一性是可采信性(产出的全部价值在于能否被相信、被复现)→ Claude Science 架构更近:它把信任当组件,不甩给用户;你不能靠“trust me”发论文。
· 第一性是能不能用得上(数据不能出域、预算有限、跨学科、要审计定制)→ InternAgentS 架构更近:它拆掉的正是把工具挡在真实实验室门外的结构性壁垒。

一句更锋利的:Claude Science 的优势是“交付型”(现在就产出可采信结果),InternAgentS 的优势是“赋能型”(移除壁垒,但深度与信任要自攒)。而 InternAgentS 当前最该补、也最偏离科学家核心需求的一块,是缺一个产出级校验层——它把 authorization(控制执行)、以及想法层的多维评审做成了一等公民,却还没把产出级 verification(引用解析 / 图码一致 / 无源数字)做成一等公民。

收敛:在“科学作为要经得起同行审视的建制”这个意义上,Claude Science 离科学家的认识论内核更近;在“科学发生在有主权、预算、学科、定制约束的真实机构里”这个意义上,InternAgentS 离科学家的现实处境更近。

STORM 核对补正

① 本节“校验弱”特指 InternAgentS 未见 Claude Science 式的产出级独立校验(引用解析 / 图码一致 / 无源数字);上海 AI Lab 的 Intern·Agent / SAGE 栈另有多维评审智能体(评审想法)+ 分层记忆(SPM/TEM/SKM,官方称用于“避免逻辑幻觉”),并非全无评审机制。
② SCP 工具数以官方 SCP 2.0 口径为准,不同来源计数不一(另有“百余种实验设备 / 200+ 跨学科智能体、覆盖六大领域”的表述)。
③ 底座模型应为 Intern-S1(书生科学多模态,全文已订正)。

05

哪个开源版具备平替

VERDICT

先给结论:今天没有一个开源版是 Claude Science 的完整 drop-in 替代。差距不在“能不能跑 agent 工作流”,而在生命科学的垂直深度——BioNeMo(Evo 2 / Boltz-2 / OpenFold3)、60+ 精选生命科学库、托管 HPC 伸缩、成熟 Reviewer 这四样,开源侧都需要大量自装配。但按场景拆,结论会分叉。
(注:本节只评开源候选。Google 的 Co-Scientist 与 ScientistOne 是闭源商业 / 研究系统,不属“开源平替”,它们的定位见 §03 对比矩阵与 §07 演进。)

最接近 · 信任 / 复现 / 桌面体验轴

ai4s-research / open-science

“通用计算科学的准平替,生命科学的半成品”

  • +唯一在开源侧把信任层做实的:integrity-auditor 校引用 / flag 无源数字 / 图↔码一致,对标商业版 Reviewer 的思路
  • +provenance.jsonl + History 面板,可复现叙事最完整;Tauri 桌面体验最接近商业版
  • -无 BioNeMo / 无精选生命科学库;skill 仅 ~7,深度靠自建
  • -只支持 macOS / Windows,缺 Linux——与 HPC / 集群工作流天然错位
  • ≈适合:通用计算科学、需要数据主权 + 可复现审计的团队

最宽 · 能力 / 可扩展轴

synthetic-sciences / openscience

“能力最宽的骨架,信任层要自己焊”

  • +250+ skills + TypeScript SDK + plugin runtime,可扩展性最强;model-agnostic + BYOK 永久免费
  • +浏览器 workspace 形态轻,ML / 化学信息 / LaTeX / 云算力 skill 齐
  • -agent 不 sandbox——权限系统≠隔离边界,官方明说要自套容器 / VM;无独立校验 agent
  • -v1.2.5、~24 star,极早期;生产可靠性未经验证
  • ≈适合:有工程能力、愿意自建信任层 + 隔离层的 ML / 通用科研团队

国产 / 主权轴 · 结构性不可替代的那一半

InternAgentS / 上海 AI Lab

“推理主权的准入级平替,垂直深度的探索期”

  • +唯一把数据 + 推理同时留域内(推理可本地 / 内网)——对国产化 / 涉密 / 未发表管线是准入而非体验
  • +开源可 fork 的 harness(DeepAgents + LangGraph)+ model-agnostic 国产模型 + SCP 六学科生态
  • -无 BioNeMo / 无独立校验 agent / 未强调焊死 provenance——信任层靠三档授权补位
  • -目前 Mac、刚开源、demo 阶段,生产可靠性未验证
  • ≈适合:数据 / 推理不能出域、国产化、跨学科、要审计定制的机构

平替判定

· 通用计算科学(物理 / 化学 / ML / 数据):两个开源版都能近似复刻工作流,ai4s-research 因自带信任层与桌面复现体验,是更稳的准平替。
· 受监管的生物医学 / 药物研发:Claude Science 的 BioNeMo + 精选库 + 托管算力 + 成熟 Reviewer 尚无开源等价物,短期不可平替。
· 要极致可扩展 + 模型自由 + 零授权成本:synthetic-sciences 骨架最宽,但你要自己补齐 sandbox 与校验这两块致命短板。
· 国产化 / 高隐私 / 受主权约束(未发表管线、涉密、药企研发、内网):InternAgentS 因推理可留本地,是 Claude Science 结构性给不了的那一半——但独立校验层需自补。

06

部署成本与 ROI 分析

ECONOMICS

总拥有成本 ≈ 软件许可 + 模型 token + 算力 + 工程投入(搭建 / 维护 / 复刻垂直能力)。商业版把后三项打包进订阅换时间;开源版软件为零,但把成本转移到 token、自托管算力和工程人力上。以下为成本结构与盈亏平衡逻辑,非精确报价(单价随时变动)。

成本项Claude ScienceCo-ScientistScientistOnesynthetic-sciencesai4s-researchInternAgentS
软件许可含在订阅内企业预览(Google Cloud 定价)研究系统 未商用定价$0 Apache-2.0$0 MIT$0 开源
模型 token算进 Pro / Max / Team 额度Gemini 计费(云,按用量)前沿模型推理(云)BYOK 自付(任意 provider)BYOK 自付,或免费内置模型近零BYOK 或国产模型 / 集思近零
算力托管 HPC(SSH)/ Modal,单卡→数百 GPUGoogle Cloud 托管(含)并行 explore-exploit(云)自配云算力(Modal 等)本地 uv 为主,重任务自接集群连自有 SSH Linux,自管弹性
搭建工程最低 装完即用,60+ skill近零 平台即用(Science Skills)N/A 研究系统未开放自建装环境 + 自建 sandbox + 补校验clone + sidecar + skill 包clone + DeepAgents/LangGraph + SCP
复刻垂直能力已内建 BioNeMo + 库已内建 AlphaFold / AlphaGenomeN/A ML / 系统研究通用高 自接 Evo2/Boltz2/OpenFold3高 skill 生态尚浅高 SCP 广但深度浅
维护 / 可靠性厂商负责,已有生产背书Google 托管;Nature 验证研究阶段 未生产验证自维护,极早期风险高自维护,活跃 beta自维护,刚开源 / demo
数据主权数据本地,仅送分析上下文云 数据上 Google云完全自控 可全离线完全自控 local-first完全自控 + 推理留域内(最强)

锚点参考:GeneBench-Pro 单题人类专家 20-40h × $200/h ≈ 数千美元,AI 推理仅几美元——无论商业还是开源,agent 化本身对“专家小时成本”的替代都是数量级的。ROI 的真正分水岭不在要不要用 AI,而在自建 harness 的工程摊销。

但名义成本要打成功率折扣。独立数据佐证这个数量级:Sakana AI Scientist 生成一篇完整论文仅需 $6-15、约 3.5 小时人工介入。✔ 可是这要乘以“可用产出率”:结合 ScienceAgentBench ~1/3 的成功率,真实单位成本 ≈ 名义 token 成本 ÷ 成功率 + 校验人力。忽略成功率折扣会系统性高估 ROI。⚠

开源版摊得平的时候
  • 数据主权是硬约束(受监管数据不能出域、必须离线 / 本地模型)
  • 已在大规模 BYOK,token 成本远超一份订阅,自控计费更省
  • 有工程团队能长期维护 harness、并自建 sandbox 与校验层
  • 需要模型自由(混用多 provider / 本地权重 / 换代不改栈)
  • 工作在通用计算科学,不依赖 BioNeMo 级生命科学垂直栈
商业版更划算的时候
  • 要最快 time-to-value,没有工程冗余去自装配垂直能力
  • 核心场景是生命科学 / 药物研发,BioNeMo + 精选库是刚需
  • 信任层是采信前提(独立 Reviewer + 焊死 provenance 直接可用)
  • 需要托管算力弹性伸缩,不想自管数百 GPU 的集群运维
  • 团队规模小,工程人力比订阅费更贵
08

六方演进路线

ROADMAP

六家一张图看落点(信任缺口 × 落地缺口),再分两类给演进:商业三家你只能预判走向,开源三家能 fork、才谈得上可执行的迭代 / 运营建议。一条贯穿始终的判据:科学家不会拿一篇论文去赌一个无法验证的产出——所以每家的第一优先级,都是往左下“真实可用 + 可信”那个目标区靠。

六方落点 · 信任缺口 × 落地缺口

六方演进定位:信任缺口 × 落地缺口横轴落地缺口(距真实可用),纵轴信任缺口(距可采信/可发表),左下为目标区。Claude Science 已在目标区;ScientistOne 校验最强但落地缺口最大(研究系统);开源三家散在缺口上,各有第一优先级。 目标区 · 真实可用 + 可信 ↑ 信任缺口 · 距可采信 / 可发表 落地缺口 · 距真实可用(生产 / Linux / HPC) → 低 高 Claude Science Co-Scientist InternAgentS synthetic-sciences ai4s-research ScientistOne
一图看六方落点。Claude Science 已在目标区(今天最近);ScientistOne 校验最强却在最右——研究系统、落地缺口最大,箭头指向“产品化”;Co-Scientist 补端到端 + 校验;开源三家 synthetic 补校验 / ai4s 出 Linux / InternAgentS 补校验+Linux。箭头 = 各家第一优先级方向。

商业三家 · 演进预判(只能预判走向,给不了迭代建议)

Claude Science

已在目标区,下一步:出舒适区

软肋 锁 Claude、生命科学深但他科浅、闭源难自建。走向 横向扩科(材料 / 物理)+ 把独立 Reviewer 做成可插拔标准,守住“可采信 + 生产”的先发身位。

Co-Scientist

补端到端 + 校验深度

软肋 只做上游假设、不端到端出论文;验证是特性非本体。走向 把 AlphaEvolve / ERA 串成端到端,并把“可点击引用”升级为审计级校验,才够得着“敢署名”。

ScientistOne

从研究系统走向可用

软肋 校验最强(0/337)但是研究系统、还没生产。走向 产品化 + 接真实机构管线,把“落地缺口”补上——它一旦可用,就是 Claude Science 最直接的威胁。

开源三家 · 可执行路线(迭代 / 运营 / 别做)

模块 synthetic-sciences能力最宽,信任最空 · 先补信任层 ai4s-research信任最实,够不着算力 · 先落地 Linux InternAgentS主权最强,产出校验待补 · 补校验层
迭代优先级 ① 先做 sandbox + 独立校验(生死线),其余让路——没有信任层的 250 skill = 250 个不可采信产出
② provenance 焊死为“构造即保证”
③ 250 skill → 5-10 个“经同行验证”的深度包
④ 每学科 opinionated recipe + 一键默认,压 time-to-value
① 先出 Linux + headless/SSH——最大硬伤,真实算力活在 Linux 集群
② Slurm-over-SSH + 云 burst,破本地 uv 天花板
③ 深耕 2-3 学科(生信 / 化学信息)
④ grant-ready 复现包一键导出(Docker + provenance)
① 补产出级独立校验层(引用 / 图码)——有三档授权但无产出 verification
② Linux + HPC/Slurm 一等公民
③ 把 SCP 做成标准(“科学界的 MCP”)
④ 用 Intern-S1 打穿 1-2 旗舰学科,拿真论文替 demo
运营 卖“可审计 / 可复现”而非 skill 数;招 3-5 个 academic design partner 出真 case study;Atlas 做 freemium(个人 / 学生免费,机构付费) 独占“可复现 / 严谨”定位(唯一有真 verification 故事的开源版);接期刊 / funder 可复现徽章;学生 / 课程自底向上渗透 国家基础设施式 GTM:高校 / 国产化 mandate / 涉密相邻(CS 结构上进不来的市场);围绕 SCP 社区共建;合著真论文建可信度
别做 别把 star / skill-count 当虚荣指标;补上 sandbox 前别推增长——科研一次数据泄露就是致命的 别去比 skill 宽度、别去比主权;把 Linux + 复现钉死就够立住 别正面比 BioNeMo 生命科学深度(依赖美国模型是输的游戏);别让 SCP 3600 工具变成没质控的堆料场

收敛 · 三家的共同必答题

产品学术缺口(信任)经济优势(保住)第一优先级
synthetic-sciencessandbox + 独立校验(空白)BYOK 免费 + 可扩展先可信,再宽
ai4s-researchLinux / HPC 适配(够不着算力)免费内置模型 + 桌面易用先落地(Linux),再深
InternAgentS独立校验(有授权无验证)推理留本地 + 国产近零成本补校验 + 用 SCP 立标准

一句话

三家谁先在“开源 / 低成本”基础上补上独立验证这一环,谁就最先跨过科学家“能不能拿去发论文”的采纳门槛——因为对科学家,可采信性不是功能,是前提。

09

科学家的角色定位与现实价值

DISCUSSION

当 AI 能像研二学生一样把中间环节跑完,科学家的价值不会消失,而是上移——从“执行者”变成“方向的设定者与结果的裁决者”。GeneBench-Pro 那道近 70% 的缺口,画出的正是人类价值今天聚集的地方。

“AI 更像需要老练飞行员驾驶的副驾驶。在解读监管指南、设计实验这类需要精细判断的环节,它仍会幻觉或漏细节——而在药物研发里,这类错误是要命的。”

Jared Auclair,东北大学

交给 AI

可外包的执行层

文献抓取清洗、跑数据、聚类、出图、写初稿、跨库检索、自装依赖、修图表——这些“跟代码和数据打交道”的中间环节,AI 已能以数量级更低的成本闭环。

留给人

不可外包的判断层

选什么问题、定义目标估计量(estimand)、在混乱数据里读出因果结构、判断初始计划何时该推翻、解读监管语境、并对每一个被采信的结论负责——这是“闭合推理循环”的最后一公里。

新的分工:从操作台到指挥台

使用 Claude Science 更像“在管一个项目”,而不是“对着聊天框提问”。科学家的角色随之从操作台上的执行者转为指挥台上的项目负责人:定方向、切任务、审子代理产出、为可复现性和严谨性把关。工具越强,科研品味(taste)、判断力、和对结果负责的能力就越是稀缺资产。

现实价值也随之重估:AI 抹平的是“会不会写代码 / 会不会跑分析”这层技能差,凸显的是“会不会提对问题 / 会不会判断结果可不可信”这层判断差。在可采信性直接决定成败的科研里,人的签字权,就是最后的价值锚。

科学素养的重新定价

别把“科学素养”当一整块去问“未来还值不值钱”——那一定得到平庸答案。它至少是五层,每层的价值曲线走向完全不同:

操作性技能coding · pipeline · 检索 写代码、跑 pipeline、统计机械操作、文献检索——正被压到几美元一次推理。 ↓ 贬值趋零
领域事实知识facts · mechanisms 记得住文献与机制。被压缩但不清零:价值从“知道事实”迁到“知道哪条是承重墙”。 ~ 迁移压缩
方法论判断research taste 实验设计、定义 estimand、识别混淆、闻出“好得不真实”的结果。今天仍有近 70% 缺口。 ↑ 高价值·危险
问题选择 / 品味problem selection 什么值得问、什么是死胡同、什么是范式级问题。最难自动化、杠杆最高。 ↑↑ 杠杆最高
责任 / 签字权liability 真实存在,但要诚实:更多是 liability allocation 的制度产物,不是不可替代的认知能力。 ⚑ 制度产物

四个不那么让人舒服、但更有用的判断(每条标注实证 / 逻辑状态)

1
校验悖论 —— 价值上升,但有一个前提条件 ⚠

逻辑上,AI 干得越多,人剩下的活越是“验证 AI 的产出”;而验证一个 claim 往往比生成它需要更深的素养,不是更浅——要抓出“看起来无懈可击却错了”的结果,你得比自己从头做对它更懂。但这是规范性期望,不是自动发生的事实。自动化研究的核心发现恰恰相反:自动化自满(automation complacency)叠加 AI 系统性的自信,会让团队自信地收敛到本应保持不确定的结论上——人类系统性地少校验而非多校验。所以完整命题应是条件式:只有当科学素养被主动训练成对抗 automation bias 的能力时,它的价值才会收敛并集中到校验功能上。否则,校验悖论只是一句安慰。

2
萎缩悖论 —— 制造需求的工具,同时在掐断供给 ✔

判断力是怎么长出来的?是你亲手清洗过几千个脏数据集,才学会数据什么时候“味道不对”。当 AI 把 grunt work 全接走,产出资深判断的那条学徒链就断了。这不是推测,有直接实证:Beane 对 18 家顶级教学医院机器人手术的研究发现,受训者的实操练习少了 10-20 倍,拿到机器人执照却在毕业时缺关键手术技能——因为机器人系统让专家可以独自操作、受训者变成了可选项。于是价值分叉:对已拥有素养的人急剧升值(被 agent 放大成指挥官),但它的形成变得更难、更稀有。这是“判断不可替代所以科学家安全”这个安慰叙事里,被系统性回避的另一半——代际断裂风险。

3
杠铃分布 —— 中位数被挤空(这是一个类比,需限定)⊢

“研二学生”这个天花板意味着:低于 research taste 的活被替代,高于它的活被放大。这条借自劳动经济学的极化理论(Autor 等的 Routine-Biased Technological Change):技术自动化替代例行中等技能岗位,同时对高、低技能非例行岗位需求上升,形成 U 形“掏空中间”。但要诚实标注为类比——极化的原始机制是“例行任务可编码性”,而 AI 现在打的是非例行认知任务,机制不同;更麻烦的是已有文献指出今天的技术变革也在替代高技能岗位,这直接动摇“顶部被放大”的假设。所以杠铃分布对科研是否成立,是开放的经验问题,不是已确立的结论。方向上素养可能同时更民主化(研究生 + 工具干过去一个实验室的活)又更精英化(卓越的溢价涨了),但幅度待验。

科学素养价值的杠铃分布 横轴从入门加工具(民主化)经称职但平庸到顶尖品味(精英化),纵轴为未来价值。曲线两端高、中间低,呈 U 形,中位数被挤空。 未来价值 ↑ 中位数被挤空 入门 + 工具 民主化 称职但平庸 顶尖品味 精英化
杠铃:AI 抹平执行层 → 中位被挤空,两端(民主化的入门 + 精英化的顶尖品味)价值上升。注:借自劳动经济学极化理论的类比,幅度待验。
4
单一化悖论 —— 信任层之外的第二类风险 ✔

前三条谈的是个体层。还有一个宏观风险,是页面早先只谈“单点幻觉”时漏掉的:Messeri & Crockett(Nature 2024)指出 AI 会制造“理解的幻觉”——让科学家以为自己比实际更懂,并遮蔽科学共同体察觉“科学单一化(monoculture)”的能力,使科学更不创新、更易错。叠加 Shumailov 等的 model collapse(用递归 AI 生成数据训练时,输出分布向统计中心坍缩,丢失新颖而正确的少数派信息所在的尾部)——两者从反面强化了下面的“前沿 / 边缘”论点:模型天然向分布中心塌陷,人的不可替代价值就在尾部。这是信任层(防单点幻觉)的宏观对偶:防的是整个共同体的认知坍缩。

结论:科学素养正从“存量”变成“速率”

过去它是你毕生累积的一堆知识(stock);未来具体知识的半衰期在缩短,真正计价的是在不确定下快速评估、整合、改向的元能力(rate)。它的价值会集中到三个边界——在走熟的内部方法区间,人会被做便宜;在这三处边界上,反而比现在更贵:

前沿

没有训练分布的新范式,模型的品味学不来。

分布边缘

跨域迁移、反直觉信号——恰是模型最薄的地方。

校验 / 治理

为可采信性签字的那道闸,责任与判断在此合流。

所以对“未来还值不值钱”的诚实回答不是“值,因为判断不可替代”——而是:值,但它在重新定价和重新分配。它上移到校验与治理层、集中到前沿与边缘、而且它的形成本身成了新的稀缺品。赢家是主动把自己从执行者训练成 epistemic pipeline 设计者的人;输家是把素养等同于技能、以为守着执行层就安全的人。

一句话结论

科研 agent 的竞争,本质是能力宽度与信任强度的权衡:capability 可以外包给任意模型,trust 必须由确定性的校验与授权兜底。开源版在通用计算科学上已逼近平替、在受监管生命科学上仍有代差;而无论哪条路线,真正稀缺的都不再是执行力,而是科学家闭合推理循环、并为结论签字的那份判断。

来源与仓库

实证锚点 · 学术文献

本页每条被审计的结论旁标有状态标记 ✔ 实证支持 · ⊢ 逻辑有效待验 · ⚠ 需限定,悬停可见对应文献。

  • Messeri, L. & Crockett, M. J. Artificial intelligence and illusions of understanding in scientific research. Nature 627, 49-58 (2024).单一化 / 理解幻觉
    doi.org/10.1038/s41586-024-07146-0
  • Chen, Z. et al. ScienceAgentBench: Toward Rigorous Assessment of Language Agents for Data-Driven Scientific Discovery. arXiv:2410.05080 (2024). 最强 agent 32.4-34.3%。
    arxiv.org/abs/2410.05080
  • Lu, C. et al. The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery. (2024);及独立评测 Beel et al., arXiv:2502.14297 (2025)。$6-15/篇、算术病理、无文档修改致复现难。信任层 / 成本折扣
    arxiv.org/abs/2502.14297
  • Beane, M. Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly (2019). 受训者实操少 10-20 倍。萎缩悖论
    ASQ · Shadow Learning
  • Autor, D., Levy, F. & Murnane, R. (2003);Autor & Dorn (2013);Acemoglu & Autor (2011). Routine-Biased Technological Change & 极化。杠铃分布(类比)
  • Gao, S. …& Zitnik, M. Empowering biomedical discovery with AI agents. Cell 187(22):6125-6151 (2024). 四级自主性;L2 只生成文献线性延续;overreliance 风险。角色 / 自主性坐标
    arxiv.org/abs/2404.02831
  • Parasuraman, R. & Manzey, D. (2010) 自动化自满 / bias;Shumailov et al., Nature (2024) model collapse。校验悖论前提
更新日志 · Changelog
  • v4.52026-07-09hero 副标缩至可读副标字号;关键词下加“版本演进”三段说明;§08 扩为六方演进路线(六点定位图 + 商业三家预判 + 开源三家可执行);机构案例改六方现状;主矩阵免横滑;定位轨道商业/开源分两行
  • v4.42026-07-09标题重定为「六个 AI 科学家,只有一个能让你敢署名」,并在正文兑现:证据表加「敢署名?」判据列、演进节加双标准淘汰的明牌结论(今日 Claude Science / 未来 ScientistOne)
  • v4.32026-07-09结构对称化:§01 改为六方并列架构卡(不再独宠 Claude Science),§02 加六方证据强度对照;排版减负
  • v4.22026-07-09主题重定:「真正的分水岭只有一条(可采信)」;补入 ScientistOne 官方三阶段架构图
  • v4.12026-07-09STORM 事实核准:GeneBench 归属订正(Sol Pro 31.5% / Sol 28.7%,Claude 16%)、Google 两款一手来源;ROI 表补齐六列
  • v4.02026-07-09新增 Google Co-Scientist 与 ScientistOne,扩为六产品对比;主线更新为“能力竞赛 → 完整性竞赛”
  • v3.02026-07-08科研风改版:图 / 表自动编号、摘要 + 关键词、章节段码与分隔线
  • v2.02026-07-08四产品对比 + 开源三家演进路线 + 科学家价值重估
  • v1.02026-07-07Claude Science 工程拆解首版

作者 · 梅俊杰 独立研究员(Junjie Mei, Independent Researcher)

本页为独立工程分析,基于公开报道与开源仓库的可见事实综合整理,不代表任何厂商观点。产品数据(版本号、star 数、技能计数、价格与准入)会随时间变动,ROI 部分为成本结构与盈亏平衡框架而非精确报价,涉及采购决策请以各厂商官方文档与实测为准。三款产品均处于 beta / 早期阶段,输出结论需经领域专家复核后方可用于科研或决策。所有结论均按 STORM 方法核对,标注实证或逻辑状态。