材料基座模型排行榜：超级递归智能体40项实验全SOTA
先说几个核心判断：AI的自我进化，正在从理论走向现实。这不仅是技术圈的热点，更是硅谷在去年年底就已经形成的基本共识——它是破解当前算力瓶颈的关键路径。
Anthropic的联合创始人Jack Clark最近就放话，他认为到2028年底，递归自进化发生的概率有六成。说白了，AI很快就能自己改造自己了。就在上周，OpenAI还专门挂出了“递归自我改进安全研究员”的职位，年薪开到44万美元，目标明确：寻找能搞定递归式自我改进的技术执行者。
在AI for Science这个方向上，进展更是惊人。Nature一口气发表了三篇AI科研智能体的论文：Google DeepMind的Co-Scientist在急性髓系白血病药物筛选里，直接命中了3个阳性候选分子；FutureHouse的Robin系统，已经能自主完成从假设生成到实验验证的完整闭环；Google的ERA引擎，可以并行生成数千个代码变体来做计算实验。
这些案例指向同一个趋势：AI智能体的自我迭代飞轮正在启动。它需要智能体自主完成代码重构、数据清洗、模型训练，最终独立产出超越人类精心设计的SOTA模型。
而第一步已经迈出去了。就在本周，深度原理团队发布了Materials Property Axiom（MPA）模型。这个由他们自研的AI Scientist平台MIRA，通过递归自训练产出的材料基座模型，在40项实验性质预测任务中全面刷新了SOTA，平均MAE降低10%，最高降幅达到51%。
根据技术报告，在整个研究流程中，MIRA承担了绝大部分关键工作：从开展初步研究、适配并更新骨干基础模型，到自动化训练与评估循环、分析实验结果，最后撰写报告初稿。这或许可以算作“AI for AI”这个概念迄今为止最有说服力的一次落地。
对MPA的性质预测能力和效果感兴趣的话，可以直接上手试一试。
前SOTA的暴力美学
2026年3月，上海科学智能研究院发布了Suiren-1.0，一个参数量1.8B的分子基座模型家族，一举击败了长期霸榜的UniMol系列模型。320张NVIDIA H800 GPU、7000万条量子化学级别的分子构象数据——Suiren走的是典型的“暴力美学”路线。
但Suiren有一个结构性盲区。它的训练数据和优化目标主要围绕计算性质展开，也就是那些可以通过量子化学软件批量算出来的性质。而现实中的材料研发，决定一个分子能不能用的，是实验性质：沸点、闪点、毒性、溶解度等等。
实验性质预测为什么难？实验数据天然稀疏，一次实验可能花好几天；噪音大，不同实验室测出来的值可能天差地别；而且不同性质的物理机制完全不同。靠堆数据和堆参数，解决不了这种物理多样性带来的迁移难题。这正是MPA切入的突破口。
递归自训练：MIRA从自主科研到新SOTA的诞生
AutoResearch架构：从自动化科研开始
MPA的诞生过程，和传统的“人类设计实验、手动调参、反复试错”模式截然不同。深度原理团队搭建了一套基于MIRA的AutoResearch架构，人类科学家只需要参与意图说明和阶段性审核，AI科研智能体就能全自主完成从文献调研、代码实现、数据处理到模型训练的完整科研管线。
具体来说，MIRA在这套架构里扮演的角色类似于一个全栈科研员：它能理解研究目标，自主拆解任务，调用计算资源执行实验，分析中间结果并据此调整策略。整个过程形成递归闭环，每一轮迭代的输出成为下一轮的输入，模型性能在自主循环中持续攀升。这和Self-Improving Agent的研究方向不谋而合，只不过深度原理把它落地到了一个可量化验证的科学问题上。
自主重构：AI改写AI的代码
AI科研同样需要先动脑子后动手。举个例子，团队向MIRA抛出一个开放性问题：“考虑到目前已经具备3D分子结构和实验性质标签，最可行的多性质预测模型是什么？”
MIRA启动了brainstorm，系统性地分析了当时所有可选路径，认为UniMol系列的3D预训练编码器是最合理的起点。它给出了几条改进路径，最终推荐了保留UniMol-v2的3D Transformer骨架，增加多构象感知能力和面向实验性质的对齐训练方案。这个决策过程完全由MIRA自主完成。人类研究员的角色，是提出问题和确认方向。
随后，MIRA对现有的分子基座模型代码进行自主重构。这个过程包括：识别架构中的冗余模块，重新设计数据流管线以适配三阶段训练框架，以及将预训练、中间训练和后训练三个阶段的接口标准化。重构后的代码库，成为MPA三阶段训练框架的工程基础。值得强调的是，这种代码级的自主重构能力，正是MIRA区别于任何一个科研工具的关键——它操作的对象不仅是超参数空间，而是整个模型架构和训练管线的源代码。
自主清理：AI的“科研直觉”
在准备训练数据的过程中，MIRA展现出了一种接近人类科研直觉的能力：自主发现数据中的系统性问题。MPA的下游基准包含40个实验性质预测任务，数据来源涵盖OPERA、Yaws手册、CRC化学物理手册、TDC、MoleculeNet等多个公开数据库。这些数据集由不同团队在不同时期整理，存在单位不一致、重复样本、标签噪声等问题。
MIRA在数据预处理阶段自主执行了多阶段清洗管线。更关键的是，它能够基于物理常识判断数据的合理性。例如，当某个分子的沸点数据与其分子量和官能团组成明显不匹配时，MIRA会将其标记为可疑数据点并从训练集中移除。这种能力在传统流程中需要领域专家花数周人工审查，MIRA把它变成了自动化流程的一部分。
自主设计：三阶段训练框架的诞生
在完成代码重构和数据清洗后，MIRA进入了最核心的环节：自主设计和迭代训练策略。MPA最终采用的三阶段训练框架——预训练、物理对齐中间训练、下游后训练——其核心设计思想来自一个类比：大语言模型的训练范式。在LLM中，广泛的预训练之后是领域对齐的中间训练，最后是任务特定的微调。MIRA将这一范式迁移到材料基座模型，但做了一个关键的物理学改造：中间训练的监督信号必须与下游目标共享物理机制。
预训练阶段：基于PubChem-xTB数据集（约6400万分子结构），采用几何恢复的3D自监督目标，让模型学习通用的分子空间表征。
物理对齐中间训练：这是MPA的核心创新。MIRA在迭代过程中发现，并非所有辅助任务都能提升下游性能，只有与目标性质共享物理机制的辅助监督才有效。
后训练阶段：MIRA在迭代中还自主发现了两个关键改进。第一，将MSE损失替换为Huber损失，在scaffold split下带来2.65%的MAE降低，有效抑制了实验数据中异常值的干扰。第二，设计了混合读出头（hybrid readout），将注意力池化分支与原子加和分支结合。注意力分支提供灵活的非加和分子摘要，适合强度性质；加和分支强制原子级分解，适合广延性质。可学习系数α让模型自动适配不同性质的物理结构。
这个设计的精妙之处在于，它将物理先验编码进了模型架构本身。对于热力学量（生成焓、燃烧焓、热容等），加和分支提供了天然匹配的归纳偏置，scaffold split下MAE降低高达21.38%。对于非加和性质（闪点等），注意力分支则占据主导。
最终战绩
MPA的最终版本，配合三阶段训练框架，交出的成绩单如下：
与仅进行预训练的模型结构相比，40个实验性质中38个获得提升，平均误差降低14.0%
热力学性质优势最突出：燃烧焓误差降低51.1%，吉布斯自由能降低31.6%
与Suiren正面对决：40个可比端点中赢下35个，平均误差再降5.4%
分布外泛化鲁棒性最强：面对全新分子骨架时，MPA的性能退化仅25.7%，而Suiren为31.8%
最后这一点尤其重要。在实际材料发现中，你要预测的往往是从未见过的新分子。MPA在这种“真正的考试”中表现最稳，这才是它对产业界最有价值的地方。
迭代实录：进化的飞轮已经转动
之前讲的那些干净利落的模型架构和成就全新SOTA的实验结果，背后是MIRA在一个月时间内尝试的上百轮“假设→验证→调整”循环。每一轮，MIRA根据之前的结果自主决定下一步做什么。上百轮尝试贯穿了数据整合与计算、模型架构调整、训练策略迭代、损失函数设计、超参数优化，以及推理阶段的优化与增强。其中，数据、模型架构、损失函数及推理阶段的升级，成就了MPA的SOTA表现。
在数据侧，MIRA做了三次有效的尝试。它分析了模型的表现后判断：模型从预训练直接跳到下游微调，中间缺了一层“物理直觉”。为此，MIRA使用deep research、计算化学相关的技能，最终得到了理论计算的热力学、偶极矩等数据。在此基础上，它从文献中获取了油水分配系数（logP）数据集，并自主完成了一个关键步骤：将基准测试中间出现过的分子从训练集中剔除，避免数据泄漏风险。在这三次数据叠加中，MPA实现了MAE降低6.5%、7.5%，最终降低8.4%的表现。
到这里，MIRA做出了一个关键判断：继续堆数据的边际收益在递减，应该转向模型结构的改进。它发现下游微调阶段只用了简单的多层感知机（MLP）做预测头，还有很大的改进空间。接下来的十几轮迭代中，MIRA在模型结构方面做了两次有效的尝试。第一次改进，它将MLP替换为多头注意力机制，MAE又降低了1.8%。第二次改进，它发现了一个物理层面的规律：40个实验性质，有一部分具有“广延性”，即性质值随分子大小线性缩放；另一部分则是“强度性质”，和分子大小无关。因此，在多头注意力之外，MIRA增加了一条原子级embedding经过残差网络后求和的通路。这条通路显式表达了广延性质“各部分之和等于整体”的物理规律。这个发现让MAE继续降低至12.3%。模型学会了“什么性质该用什么物理假设”。
在损失函数和模型推理侧，MIRA在迭代中发现了两种有效的策略。一种是将损失函数从MSE换成Smooth L1（Huber损失），降低了少数极端值对模型训练的拖累，使得MPA在benchmark中的MAE又降低了1.3%；另一种是在推理阶段加入了多构象信息聚合，有效提升了模型在构象相关性质上的表现。最终，MAE降低至14.6%。
如果AI能在材料科学这样一个高度专业化的领域，自主完成从0到SOTA的全流程，那它在其他科学领域呢？在AI for AI本身呢？
MIRA做的事情，本质上是用AI来改进AI。它重构了一个AI模型的代码，优化了这个AI模型的训练数据，迭代了这个AI模型的训练策略，最终产出了一个更强的AI模型。人类在这里的角色已经从“执行者”变成了“目标设定者”——AI在用AI做原料，产出更好的AI。一旦这个飞轮转起来，每一圈都比上一圈转得更快。
从Coding Agent自动写代码，到Research Agent自动做科研，再到Self-Improving Agent自动改进自身，AI智能体的能力边界正在以一种加速度向外扩展。每一次成功的递归迭代，都在缩短我们与AGI之间的距离。递归进化的齿轮已经转动，AGI可能比我们预想的来得更快。