我們與 @Ginkgo 合作，將 GPT-5 連接到一個自主實驗室，讓它能夠提出實驗、進行大規模運行、從結果中學習，並決定接下來要嘗試什麼。這個閉環使蛋白質生產成本降低了 40%。

GPT-5 連接到一個自主實驗室：它設計實驗，實驗室執行這些實驗，結果反饋到下一輪設計，總共進行了六次迭代。 在這個設置中，GPT-5 設計了一批批實驗，實驗室執行它們，數據又反饋到下一輪。我們重複了這個循環六次，探索了 36,000 多種反應組合，涵蓋 580 個自動化板。

我們發現改進來自於識別能夠良好協同並在高通量自動化現實中保持穩定的組合。 GPT-5 識別了人類之前未曾在此配置中測試的低成本反應組合。無細胞蛋白合成 (CFPS) 已經研究多年，但可能的混合物空間仍然很大。當你能夠快速提出並執行數千種組合時，你可以找到在手動工作流程中容易錯過的可行區域。