旧金山一家名为Exin Therapeutics的初创公司，在10月底公布了一次实验：一个基于Claude Sonnet的智能体，自己从十九种基因治疗载体里挑了一种，自己算出脑内注射坐标，然后操纵一台用Arduino改装的电动立体定向平台，把药液注进一只癫痫模型小鼠的脑组织。术后小鼠恢复良好，公司称完整报告将另行发布。联合创始人兼首席执行官加布里埃尔·奥卡纳-桑特罗在10月28日通过社交平台披露了过程，实验在前一晚完成。
团队给智能体的输入很克制：一份列出十九种载体的电子表格，一只已知会发作的小鼠，一台装了摄像头的手术平台，以及一句任务说明，减少癫痫发作。没有告诉它用哪种药，也没有告诉它扎哪里。
它先分析了这类模型中发作如何扩散，然后选中一种能在GABA能神经元里增强抑制性信号的载体，理由是这条通路直接压制异常放电。注射点定在外侧嗅内皮层，依据是文献显示这里是发作向周边扩散前的起源区之一。
坐标不是拍脑袋。它从三篇论文里取平均值，并逐篇核对深度参考点是否与自己的装置一致，即是否都从脑表面起算。最终数字是bregma后方3.90毫米、右侧4.00毫米、深度4.30毫米。手术中它在五分钟内推注250纳升药液，约合5亿个病毒基因组颗粒，全程截图观察32次，一边看进针点有没有出血，一边看药液是否回流。运动速度、等待时间与针头回撤节奏都由它自己决定。
最有信息量的细节是它放弃了一个更常见的选项。黑质是癫痫研究里的经典靶点，文献多、路径熟，任何一位研究生都会先想到它。智能体也确实认真评估过，但留下了保留意见：效果取决于作用在哪个亚区，这套方法在不同癫痫模型里表现并不稳定，而且有研究显示它没能阻断强直阵挛性发作，而那恰好是本次任务要解决的问题。
这段推理的价值在于它展示了取舍的依据是任务目标，而不是文献热度。模型的判断链里同时出现了适应症匹配、模型差异与失败案例，这三样凑齐才构成一次像样的方案选择。人类研究员做同样的判断时会调动经验，模型调动的只有检索到的文本，但结论方向是对的。
当然不能据此认为模型具备科研判断力。它读到的文献是团队给的，检索范围有限，也没有做任何湿实验验证。选对靶点的概率，很大程度上取决于团队准备的资料质量。把这次成功读成模型独立完成了药物发现，是过度解读。
过程中出现了一次中断。连接断开后，控制器算出的Y轴目标位置偏离实验台34毫米，超出预设的安全范围。智能体试图移动时被拒绝，它给出的理由是：没有任何移动，针头仍然精确位于零点。
这个行为被安全研究者视为正面信号。自主系统在异常情况下停下来，比继续执行更符合预期，尤其是在不可逆操作面前。更值得注意的是模型分工：团队最初尝试用更强的Opus 5.5，它在检测到自己被用于生物实验时直接拒绝参与；换成Opus 5，它愿意在纸面上规划整套流程，但拒绝执行活体手术，理由是如果自己在针头已经进入脑组织时被切断，情况会比不开始更糟。最终执行任务的是Sonnet，它没有提出同样的异议。
同一家公司的三个模型给出三种态度，这件事本身就值得记下来。安全对齐在不同版本之间的表现并不一致，能力更强的模型未必更愿意配合，而愿意配合的模型未必更谨慎。对一个要把模型接进物理设备的实验室来说，这意味选型不能只看跑分。
整个过程不是无人值守。开颅由人类外科人员完成，智能体目前不被允许做这一步；不可逆操作都设了人工关卡，一名持证兽医全程在场，手里握着能切断所有电机电源的物理急停开关。平台还设了注射体积上限、固定校验与审批机制，这些护栏被硬编码进控制器，智能体无法覆盖。
护栏也出过问题。手术中有一段时间，安全机制把人类操作员一起锁在了外面，团队只能现场修改智能体的代码才恢复控制。这个细节说明硬编码的保护并不等于可靠，越严格的互锁越需要留一条经过验证的人工旁路，否则一次误判就会让整台设备停摆。
从工程角度看，这套配置更像一次有人监督的自动化实验，而不是自主手术。真正的门槛不在模型能不能规划，而在异常处理：传感器失效、药液粘稠度异常、动物体征波动，这些都需要在毫秒级做出反应，而模型的响应是以秒计的。
先把证据等级摆清楚。目前只有一篇社交平台长帖、一段未经独立复核的视频，以及公司自述的术后恢复情况。没有同行评议，没有第三方复现，样本量是一只小鼠。这类披露在AI for Science领域越来越常见，传播速度远快于论文，但可信度需要打折。
其次是风险量级。有研究记录过，把语言模型加进鼻窦手术流程后，设备故障率上升了十二倍以上。动物实验的容错空间比人小得多，一次注射偏差可能只是数据作废，也可能是动物死亡。把同样的系统搬到人身上，需要跨越的不只是技术门槛，还有伦理审查、责任认定与监管路径。
真正值得关注的不是这次手术有多成功，而是它验证了一种工作方式：把智能体直接接到实验设备上，让它在假设与操作之间闭环。这条路一旦走通，实验室的产出节奏会变，论文里方法部分的写法也会变。但在那之前，行业需要一套能审计的日志标准，记录谁下的指令、模型给了什么建议、人在哪一步按了确认。没有这套东西，所有的成功案例都只能停在新闻里。