OpenClaw—AI研究AI制药公司Insilico Medicine近日推出业界首个药物发现与开发基准测试即服务，用一个标准化的评估框架，衡量前沿AI模型在真实科研任务上的能力，该服务简称为BaaS，面向所有开发药物研发模型的组织开放。
推出的背景是现有公开基准普遍存在数据污染：模型可能只是在训练中背下了测试题，分数很高，却在真实的药物决策面前失效。行业因此缺少一把能够反映真实能力的尺子，模型之间的比较也长期缺乏共同标准。
该基准建立在经过严格去污染的真实世界数据和公司自研验证项目之上，包含两套评估体系。药物发现基础涵盖三百多项评估，测量模型在疾病生物学、分子性质预测、逆合成与临床开发等方向的核心能力。
另一套候选药物要点则考察模型能否走完从命中发现到临床前候选化合物提名的完整流程，其参照基线来自公司自身已验证的研发项目，考验的是连续且高风险的决策能力，而非孤立题目的正确率。
在交付方式上，任何通过标准对话补全接口提供服务的模型，都可以联系Insilico进行评估。公司会对照专家基线打分，给出标准化记分卡；希望公开比较的机构，还可以把结果发布到公开榜单，接受同行审视。
Insilico创始人兼首席执行官Alex Zhavoronkov表示，公司六年内提名了31个临床前候选化合物，并推动一款由AI发现和设计的药物进入三期临床。这套基准正是把这些真实经验转化为行业可用的标尺，让能力判断有据可依。
不过，基准本身也面临质疑：评估数据是否足够中立、结果能否被第三方复现、商业化的评分服务如何保持公信力，都还需要时间检验。基准的权威性，最终来自同行的重复验证，而非发布方的自我声明。
从会考试到能做事，AI制药正在进入可测量的阶段。一个被广泛接受的评估标准，或许比再多一个模型发布更能推动行业向前，也更有助于把实验室里的能力转化为患者真正用得上的药物。