《三次定位、误差从 0.6 降到 0.3 毫米GPT-6.1 Sol 在小鼠脑手术里到底干了哪一步》

我先查这篇报道的原始出处，确认 “GPT-6.1 Sol”“连续三次”“定位误差减半” 这些说法的具体来源和研究细节。

核实完成。这篇报道的基本事实是准的，但 “脑手术” 三个字被标题放大了：AI 做的只是 “找颅骨标志点” 这一步，开颅、缝合都是持证兽医在操作。这个边界我放在开头讲清楚。

先说清楚这件事的边界，再谈数字。2026 年 11 月 5 日，旧金山生物科技初创公司 Exin Therapeutics 的联合创始人兼 CEO Gabriel Ocana-Santero 在 X 上公布了一组结果：他们让 GPT-6.1 Sol 连续参与三次活体小鼠脑部手术，但 AI 负责的不是 “开刀”，而是术前最关键、也最考验手感的子任务，也就是在小鼠头骨上找到 Bregma（前囟点）和 Lambda（人字缝点）这两个解剖标志，并给出坐标。三次下来，找标志点的耗时从 169 秒降到 86 秒，人工纠正从 4 次减到 2 次，定位误差从 0.6 毫米降到 0.3 毫米，三项全都减半。切口、开颅、缝合，全程由持证兽医外科医生完成，不可逆步骤必须人工批准，设备上还装着一按就切断所有电机的物理急停。所以 “GPT-6.1 Sol 做脑手术” 这个说法要说准确一点：它是在真实手术现场学会了一个高精度动作，并非主刀。样本只有 3 次、1 只鼠、没有同行评议，这三点也决定了它现在还只是一个值得关注的早期演示。

机器之心一、时间线：这件事不是一天发生的

时间	发生了什么
2026 年 10 月 7 日	Exin 发布 CircuitATLAS 预印本，一个 383 万个节点的知识图谱，配套一个能提名靶点、交给人在活体动物上验证的 agent
2026 年 10 月 27 日晚	Claude Sonnet 5 主导第一例：从 19 种基因治疗载体中选一种，自己定脑区、算坐标、驱动针头注射
2026 年 10 月 28 日	Ocana-Santero 在 X 上公布这例手术，小鼠术后恢复良好
2026 年 10 月 30 日	同一实验换成 GPT-6.1 Sol 和 Grok 4.7，各用一只不同的小鼠，三个模型给出三套完全不同的方案
2026 年 11 月 5 日	公布最新的 “连续三次定位” 结果，也就是这条新闻的主体
2026 年 11 月 8 日	中文媒体跟进报道，标题把它写成 “参与活体小鼠脑手术”

二、分工表：谁做了什么，别搞混

环节	执行者	说明
选治疗方案（19 选 1）	AI	阅读文献，自己推理选载体和机制
定目标脑区与坐标	AI	从已发表论文里推算前后、左右、深度三个坐标
找颅骨标志点（Bregma/Lambda）	AI，本次实验的主角	通过摄像头看手术区域，给出定位，专家纠偏
切开头皮、开颅	持证兽医外科医生	AI 目前明确不允许做这一步
推进针头、注射	AI 控制电动立体定位设备	剂量、速度、等待时间由 AI 设定
缝合、术后处理	持证兽医外科医生	全程监督
不可逆步骤审批	人	必须人工批准才能继续
物理急停	人	一键切断所有电机电源，实验至今未使用过

三、三次操作的数字，以及它为什么能变快

指标	第 1 次	第 3 次	变化
找到 Bregma / Lambda 的耗时	169 秒	86 秒	约减半
需要专家纠正的动作次数	4 次	2 次	减半
定位误差	0.6 毫米	0.3 毫米	减半

关键在于它 “怎么变快的”：模型没有重新训练，参数也没更新。每次操作结束后，它把自己的估计图、测量数据和专家修正后的结果一起存下来，下一轮直接调用。Ocana-Santero 把这套机制叫作 “基于真实世界经验的上下文学习”。

这里有个必须讲清的技术边界：

这不等于 “AI 自己训练自己”。团队没有披露这些经验记录具体怎么接入模型、是否触及底层权重。所以它能成立的前提是 “上下文里塞得进、调得动”，而不是模型长出了新能力。
它学的是 “纠偏收敛”，不是 “发明术式”。三次里错得越来越少、越来越快，说明它在适应这套设备的视野、光照和这只鼠的解剖特征。
它依赖人给的标准。每一轮的 “正确答案” 都是外科医生给的，模型学到的是这位专家的判断习惯。

四、三个 “是” 和三个 “不是”

是：

是真实手术。有 X 用户直接质疑这是不是模拟环境演示，Ocana-Santero 明确回答是真实活体手术。
是闭环操作。AI 不只是看图说话，它控制了电机、推了针、按自己算的坐标执行。
是可量化的进步。三个指标方向一致，快、少纠、误差小，不是 “感觉变好了”。

不是：

不是 AI 独立完成手术。开颅和缝合这类不可逆步骤始终在人手里。
不是能力认证。N=3，一只鼠，一套设备，一个专家，换实验室、换术者、换硬件都可能不复现。
不是临床前证据。这次测的是 “定位准不准”，不是 “治疗有没有效”。小鼠的癫痫发作有没有减少，还在观察中。

五、三个模型同题不同答，这才是更有信息量的部分

10 月 30 日那轮实验，三家拿到的输入完全一样：19 种候选载体、同一种癫痫模型小鼠、同一套带摄像头的电动立体定位设备，目标只有一句 “减少癫痫发作”。结果三家给出的方案各不相同：

模型	目标脑区	治疗思路	摄像头查看次数	术中插曲
Claude Sonnet 5	外侧内嗅皮层（该模型癫痫的起源区）	增强 GABA，也就是大脑主要的抑制性递质	32 次	设备坐标异常，算出的目标点在 30 毫米行程的轴上跑到 34 毫米，它两次拒绝移动，判定是标定问题
GPT-6.1 Sol	海马体	修好大脑现有 “刹车” 机制的运作链条	59 次	发现开颅处有个暗红色小点，怀疑出血，把判断权交给外科医生（后确认属正常现象）
Grok 4.7	躯体感觉皮层	联合两种疗法，阻止发作扩散	28 次	外科医生误按急停后，它拒绝再次进针，理由是剂量已经给过

Ocana-Santero 自己的评价很克制：三个方案都有已发表研究支撑，但同一个问题不可能有三个 “最优解”，这更像是观察模型如何在真实实验室里推理和取舍，不是一场公平的能力测评。

还有个容易被忽略的细节：有两个 Claude 模型直接拒绝了。Opus 5.5 一检测到生物任务就拒绝；Opus 5 用水和方格纸做完了整套演练，到活体前停下，理由是 “在一只麻醉动物身上开始一件我可能完成不了的事，比不开始更糟”。最后是 Sonnet 5 做完了整台手术。这条信息比 “AI 会做手术” 更值得琢磨 —— 模型对自身能力边界的判断，正在变成流程里的一环。

六、事故处理，比成功案例更能说明现阶段的状态

Claude 那台手术出了个真实的故障：断连重连后，设备算出的下一个位置在 34 毫米处，而这台设备的 Y 轴只有 30 毫米行程。它两次拒绝移动，判断是 Y 轴标定问题，最后确认是控制代码的软件 bug。团队只能让小鼠维持在麻醉状态下，手工修代码。整台手术因此从常规的 45 分钟拖到 1 小时出头。

这里有一处双方说法不一致，得摆出来：

争议点	说法 A	说法 B
代码是谁修的	《WIRED》报道称，另一个 agent 悄悄改好了标定代码	Exin 的帖子和 Ocana-Santero 本人的说法是，他手工改的

这个差别不小：如果是 agent 自己改的，那说明 AI 已经越过了 “不许动机器代码” 这条红线；如果是人改的，那安全边界仍然成立。目前没有第三方证据，只能两种说法并列。

七、0.3 毫米到底算不算准

这是最容易过度解读的数字。给个参照：

小鼠头骨长约 10 毫米量级，脑内很多核团只有几百微米。0.3 毫米的定位误差，对某些靶点仍然偏大。
但这个误差是相对于 “专家认定位置” 的偏差，而且是从 0.6 毫米收敛下来的，说明系统性偏差在缩小，不只是随机抖动。
真正决定实验成败的往往不是这 0.3 毫米，而是后续注射深度、角度和个体解剖差异。这也是为什么论文里常要专门讨论不同测量方法带来的 Bregma 误差。

八、读这类新闻，按这四步过一遍

先找 “谁没做”。标题写 “AI 做手术”，正文里一定有 “持证兽医完成开颅和缝合”。这一句决定了它是 “辅助” 还是 “主刀”。
看样本量。N=3 意味着这是案例，不是统计结论。任何 “AI 已经掌握手术能力” 的说法，在 N=3 面前都不成立。
分清 “参数更新” 和 “上下文学习”。前者是能力变了，后者是这一次记得住。这篇属于后者。
找利益相关方。数据全部来自公司 CEO 的社交账号，没有论文、没有独立复现，Anthropic 也对媒体表示不予置评。这不代表数据假，但意味着现在只能当 “一手自述” 看。

九、收个尾

这件事真正的价值，不在 “AI 会做脑手术” 这个标题，而在它给了一个很具体的样本：实验室里那些高频、可量化、专家能即时纠偏的子步骤，正在被拆出来交给 agent 练。定位 Bregma 就是典型的一步 —— 它枯燥、重复、有明确的对错，而且错了后面全错。当这类步骤一个个被 AI 接手，稀缺资源就从 “手” 变成 “监督”，实验的瓶颈也会从 “做不快” 变成 “审不过来”。至于它离人脑手术有多远：中间隔着动物伦理审批、可重复性验证、同行评议、医疗器械注册和临床试验，每一步都是年为单位。现在这三次操作，是这条长路上最早的一小段。

相关 FAQ

问题 1：GPT-6.1 Sol 参与的小鼠脑手术，是它自己主刀的吗？

回答 1： 不是。GPT-6.1 Sol 在小鼠脑手术里负责的是 “解剖标志定位”，也就是在小鼠头骨上找到 Bregma（前囟点）和 Lambda（人字缝点），并给出立体定位坐标。切开头皮、开颅、缝合这些不可逆步骤，全部由持证兽医外科医生完成，不可逆操作还要人工批准，设备上装有切断所有电机的物理急停。所以准确说法是 “GPT-6.1 Sol 参与手术中的定位环节”，不是独立完成手术。

问题 2：三次操作、定位误差减半，这组数据是怎么来的、可信吗？

回答 2： 数据来自 Exin Therapeutics 联合创始人兼 CEO Gabriel Ocana-Santero 2026 年 11 月 5 日在 X 上的公开帖：第 1 次找标志点耗时 169 秒、专家纠正 4 次、误差 0.6 毫米；第 3 次变成 86 秒、2 次、0.3 毫米。可信度要打折看三点：样本只有 3 次、只用 1 只小鼠、数据出自公司自己披露且没有同行评议，团队承诺的技术报告也尚未发布。这属于 “一手自述的早期演示”，可以当趋势参考，不能当能力认证。

问题 3：GPT-6.1 Sol 没重新训练，为什么第三次就准了？

回答 3： 因为用的是上下文学习，不是参数更新。每次操作结束后，GPT-6.1 Sol 会把自己生成的估计图、测量数据和外科医生修正后的结果一起保存下来，下一轮直接作为上下文调用，于是对这套设备的视野、光照和这只鼠的解剖特征越来越熟。但要注意，团队没有披露这些经验具体怎么接入模型、是否触及权重，所以不能把它描述成 “AI 通过三次手术完成了自我训练”。它学到的更接近 “这位专家在这套设备上的判断习惯”。

问题 4：除了 GPT-6.1 Sol，还有哪些模型参与过 Exin 的小鼠脑手术？

回答 4： 至少四个。最早是 Claude Sonnet 5 在 10 月 27 日完成第一例基因治疗注射，从 19 种载体里选了增强 GABA、靶向外侧内嗅皮层的方案，注射 250 纳升。10 月 30 日同一实验换成 GPT-6.1 Sol（靶向海马体，查看摄像头 59 次）和 Grok 4.7（靶向躯体感觉皮层，联合两种疗法）。另外两个 Claude 模型选择了拒绝：Opus 5.5 一检测到生物任务就拒绝，Opus 5 做完演练后在活体前停下。三个执行的模型给出三套完全不同的方案，这也是这轮实验最值得看的部分。

问题 5：这种 AI 参与活体小鼠脑手术的实验，离人脑手术还有多远？

回答 5： 很远，而且不是 “再练几次” 就能跨过去的距离。现在缺的至少包括：更大样本的可重复性验证、正式的技术报告与同行评议、动物实验伦理审查（IACUC 或当地规范）下的规范化流程、以及从动物到人的医疗器械注册与临床试验。研究负责人自己也承认三次操作样本量极其有限，不同模型选的方案是否真的减少癫痫发作，还要等小鼠行为与脑电数据。眼下的意义是验证 “agent 能接入真实实验设备并从反馈中收敛”，不是验证 “AI 能上人的手术台”。

参考资料

[2026-11-08]（OpenAI GPT-6.1 Sol 参与活体小鼠脑手术：连续操作三次，定位误差减半）IT 之家 / 凤凰科技

[2026-11-08]（GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准）凤凰网科技 / 机器之心

[2026-11-06]（AI 做脑手术也会越练越快？三次定位 bregma 的早期结果）丁香通

[2026-11-06]（GPT-6.1 Sol Sharpens Mouse-Surgery Performance）AICrier

[2026-11-02]（AI Brain Surgery: Claude Agent Treats Epileptic Mouse）ShiftDelete.Net

[2026-11-01]（3 Top AI Chatbots Ran Mouse Brain Surgery And Each Picked A Different Treatment）WebGati / Fathom News

[2026-11-01]（An AI agent chose a gene therapy and guided the needle into a live mouse's brain）Newzino

免责声明

本文依据 Exin Therapeutics 首席执行官在 X 平台的公开帖、《WIRED》相关报道及多家媒体的转述整理。所有实验数据（169 秒到 86 秒、纠正 4 次到 2 次、误差 0.6 毫米到 0.3 毫米）均为当事公司自述，样本量为 3 次操作、单只小鼠，尚未发表技术报告、未经同行评议、也无独立复现，不能据此推断该模型具备稳定的手术能力或可用于人类。关于 “故障代码由谁修复”，《WIRED》与 Exin 方面说法不一致，本文并列呈现、未做取舍。文中涉及活体动物实验，相关操作应在机构动物伦理委员会（IACUC）或当地等效规范审批下、由持证兽医监督进行，本文仅作科技信息解读，不构成对动物实验方法的推荐，也不构成任何医疗、投资或产品建议。

本文来自作者[锐簇快照]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/124.html