OpenAI 放了数千个 agent 去读小鼠脑：32 分钟干完，人类预估得干几个月

OpenAI 这周干了一件很能说明"多 agent 到底有什么用"的事：和 PerturbAI、Scripps Research 一起，放了数千个 GPT-Rosalind agent，去啃一张小鼠全脑 CRISPR 图谱——数百万个脑细胞、每个基因敲除后的细胞反应，全扫一遍，32 分钟出结果。

做法值得细看：不是一个大 agent 吭哧吭哧读全库，而是"一个 agent 负责一个基因扰动"——看细胞反应、查文献、写解释，最后汇总成一张 3397 条发现的"推理图谱"，已经开源在 GitHub 上。OpenAI 还做了对照实验：单 agent 在同样任务下只引用了 11 篇文献，分布式 agent 引用了 700 多篇；盲评里人类专家 75% 更认可分布式的结果。

为什么这对做 agent 的人重要？它给出了一个可复用的范式：任务分解到"一人一基因"这种细粒度，查文献和写报告这种脏活累活并行掉，最后再汇总。金融研报、代码审计、全库扫描，都是同一个套路。上下文一长单 agent 就开始偷懒少查文献——这个 700:11 的对比，是"该上多 agent"的硬证据。

冷静三句话（都是官方自己框定的）：第一，"人类要干几个月到一年"是研究团队的预估，不是实测对比；第二，挖到的生物学结论是"值得跟进的实验方向"，比如 DCTN1 和胆固醇转运的新假设、Tsc1/Tsc2 在小脑的差异——是假设，不是定论；第三，剑桥和 UCSF 的专家背书的是"这个方向值得做"，不是"结论是对的"。AI 在这里的角色是产出"值得做的实验清单"，做实验的还是人。