从基准到实战：开源智能体 MAGI 能否胜任真实药物发现？

过去十年，深度生成模型已成为分子设计的常规手段：从早期用对抗自编码器按预设性质生成新分子的尝试 ^[3]，到对该领域方法、数据与技术挑战的系统梳理 ^[1]，生成端的能力不断积累。工具侧，REINVENT 自 2.0 起便以开源、可用于实际项目的从头设计工具定位，帮助研究者权衡化学空间中的探索与利用 ^[2]，其第四代进一步覆盖全新设计、R 基团替换、骨架跃迁与分子优化 ^[4]；评估侧则有 ADMET-AI 这类平台，本地批量预测一百万个分子只需 3.1 小时 ^[5]。真正的卡点在更上层：智能体系统已开始协调这些分子设计工具，但究竟哪一层限制了真实项目的结果，此前并不清楚。

一项未经同行评议的 arXiv 预印本把这个问题直接搬进真实项目。作者开发了开源模块化智能体 MAGI，它能自行撰写优化目标、启动并监控优化、解读构效关系并据此修订策略；分子既可以由大语言模型直接生成，也可委托给 REINVENT 4，打分服务则在统一契约下可互换。研究在固定时间截点下回放三家制药公司的九项先导优化战役。两条路线都产生了有效结构：LLM 提案更贴近项目原有的局部化学，以更少的操作取得相当或更高的主活性；REINVENT 则探索了更宽的化学空间。但决定成败的不是生成路线而是预测模型——目标达成度跟随模型对所提化学的准确性，一旦化学越出模型适用域便明显下滑。盲测中，化学家无法区分智能体提案与预留的真实化合物，认为其构效关系推理大体可信、但尚不完整。

这项工作推进的一步在于把整条工具链放到真实战役上做归因：既有生态多围绕单一工具构建 ^[2][4][5]，而这里表明协调层已可作为即插即用的组件接入现有计算化学流程，瓶颈被定位在打分器的适用域而非编排本身。这一判断也与行业动向相呼应——arXiv 上同期已有 LLM 引导的先导优化智能体协调异构优化工具的报道^[6]，以及主张更贴近真实分子设计场景的 MolDesignBench 基准^[7]。

需要保留的审慎是：所有结果来自固定时间截点下的回顾性回放，尚无前瞻性湿实验验证；构效关系推理被参与盲测的化学家评为可信但不完整；用作者自己的话说，真实项目的上限目前仍由打分器的适用域、而非工具编排来设定。