据量子位消息，一个被称为「史上最严」的湿实验预测基准已作为论文发布。所谓湿实验，是指在真实实验室中完成的实验操作；该基准考察的正是模型对这类实验结果的预测能力。
报道给出的核心结论相当直接：即便把推理强度拉满、把算力提升到原来的5倍，模型在该基准上的成绩依然没有实质起色，用报道的话说就是“白搭”。
对 AI for Science 方向的从业者而言，这几点值得注意。其一，湿实验成本高、周期长，模型只有能可靠预测实验结果，才真正具备缩短试错链条的价值，因此这类基准比常规刷榜成绩更能反映落地潜力。其二，从报道口径看，该基准的“严”指向的是预测质量本身，它把现有模型的能力边界摆到了台面上：此前的进展可能被高估，或至少没有被严格设定检验过。其三，结论对技术路线有明确提示：推理侧算力扩张不是万能钥匙，单纯堆叠测试时算力无法弥补数据、表征与任务设定上的不足，后续改进更可能来自这些环节，而不是继续加卡。
对关注模型评测与科学应用的人来说，这一基准提供了一个更贴近真实实验场景的参照系。基准的具体设置、任务定义与评测细节，可参见原论文与报道。