Kosmos：下一代自主科研 AI Scientist

AI for Science 绝对是进展最惊人的一部分，

AI加速科研的时代已来，且已徐徐展开。

小伙伴Renee对AI观察，每一篇我都必读，

在获得她的同意后，也分享给大家。以下，enjoy：

FutureHouse 是一家专注于 AI + 科学研究 的机构，由多位在 AI、生物学、神经科学、材料科学 等领域有深厚背景的科研人员共同创立，定位是“面向科学家的 AI 研究实验室 + 科研工具平台”。

FutureHouse 最早因推出 Robin（AI Scientist 原型） 而被科研圈关注。Kosmos 是 Robin 的下一代升级版，由 FutureHouse 分拆成立的新公司Edison Scientific发布，论文也同步上线：https://arxiv.org/pdf/2511.02824。相比上一代 Robin，Kosmos 在能力与规模上实现了重大跃升。AI 科学家新范式

以往的 AI Scientist（包括 Robin）主要受限于： 语言模型的上下文长度有限 → 在读取、整合大量信息时容易“走不动”。因此，能够完成的推理深度与研究复杂度也相应受限。

Kosmos 的核心创新在于： Structured World Models（结构化世界模型） 可高效整合跨越上百条 agent 轨迹的信息，并在上千万 token 的规模上保持连贯的研究目标。

一次完整的 Kosmos run 典型包含：阅读 1500 篇科学论文执行 42,000 行数据分析代码

规模远超目前任何所知的 agent 系统。Kosmos 一天，人间半年

相比 Robin，Kosmos 能执行更复杂精细的分析。Beta 用户估计： Kosmos 一天的工作量 ≈ 人类科研人员 6 个月。 其结论准确率为 79.4%。

Kosmos 已完成的 七项科学发现，涵盖神经科学、材料科学、代谢组学及统计遗传学等多个领域，多项由外部学者验证。AI 加速科研的时代正在真正到来。

使用者反馈： 单次 Kosmos run ≈ 6 个月博士/博后科研时间。 并出现了稀有的 科研推理深度的推理时长 scaling law。

该估计来自对 7 位 Beta 用户的调查。20-step 深度的 Kosmos run 平均得到 6.14 个月 的人类等效科研时间。

更客观的指标也支持这一点： 在人类先前花 4 个月完成的三项研究中，Kosmos 均能在单次运行中复现核心发现。

另一份独立估算：阅读 1500 篇论文（15 分钟/篇）执行若干分析轨迹（2 小时/条） 合计约 4.1 个月 的人类工作量。可审计 可复现

Kosmos 的设计遵循科学规范—— 每一项结论都可追溯到：具体使用的代码科学文献中的具体段落

科研必须可审计、可复现，而 Kosmos 从系统层面保证这一点。

此外，研究人员利用 Kosmos：复现未发表成果产出真实的新发现

并全部纳入技术报告中。

技术报告中展示了 Kosmos 的七项发现。其中 三项成功独立复现人类研究者的此前发现：1. 代谢组学：低温小鼠大脑

Kosmos 利用代谢组数据再现了当时尚未发表的一项研究： 核苷酸代谢是低温状态下小鼠脑内最显著的改变通路。 原研究 preprint 在 Kosmos 运行后才上传至 BioRxiv。2. 材料科学：钙钛矿太阳能电池

Kosmos 复现了另一篇 preprint（发布时间晚于模型训练数据截止），研究显示： 热退火过程中的绝对湿度决定电池效率，并找出关键阈值（约 60 g/m³ 以上会导致器件失效）。3. 神经科学：跨物种神经连通性规则

Kosmos 识别出了 Piazza 等人报告的跨物种神经元连接数学规律。 该 preprint 虽未在运行时被访问，但早于模型训练数据截止时间。四项新贡献

在另外 四项研究中，Kosmos 产生了全新贡献：4. 心肌纤维化：SOD2 的因果作用

使用公开 GWAS 与 pQTL 数据，Kosmos 提供证据显示： 高水平 SOD2 可能因果性降低心肌 T1 时间与心肌纤维化风险。 该机制此前主要在小鼠中验证。5. 2 型糖尿病：新的分子机制

Kosmos 结合多组学与统计遗传学数据，提出一个 特定 SNP 降低 T2D 风险的潜在分子途径。6. 阿尔茨海默病：tau 蛋白累积机制

Kosmos 开发新的分析方法，从 AD 患者蛋白质组数据中 重构 tau 在神经元中积累的分子事件顺序。7. 神经退行与衰老：新机制（临床相关）

任务：理解衰老中的神经元脆弱性。 Kosmos 对年轻/老年的单核转录组进行大规模无偏分析，发现：

内嗅皮层神经元随年龄下降 flippase 基因表达 → 增加膜外暴露 PS “eat-me” 信号 → 触发小胶质细胞吞噬。

研究人员在独立的人类 AD 数据集中验证了这一点： 在 Braak II 期的内嗅皮层神经元中，flippase 表达确实下降，并与 tau 病理出现相吻合。

目前这些发现正在湿实验室进一步验证中。使用

Kosmos 已上线，但它与普通 chatbot 完全不同，更接近“深度科研工具（Deep Research Tool）”。https://platform.edisonscientific.com/需要学习 prompt 技巧单次运行定价 $200/run（200 credits）学术用户有一定免费额度

Kosmos 更像高价值科研试剂盒，而不是聊天模型。意义和未来发展方向

这说明 METR 等机构当前以“人类等效任务时长”评估 AI 的方式可能过于简单： 不同任务类型的“可持续推理时间”差异巨大。 例如：PaperQA2 可写高质量 Wikipedia 文章（远超 4–15 分钟）GPT-5 单次生成的数学证明也明显超过 4 小时的人类等效时长

因此，真实世界中 AI 加速科研的能力要复杂得多。

此外，Kosmos 运行越深，越可能走偏方向（如追逐伪相关）。深度并非无限制正向提升。未来仍需更强模型来解决这一问题。