Radical Numerics
首例病例，尚无独立证实

服务条款写缔约方是 Radical Numerics Inc.，适用加州法律，争议归 San Mateo County 的州法院和加州北区联邦法院；条款没有写注册州。官网 About 页列出四位联合创始人：Eric Nguyen（CEO）、Michael Poli（首席 AI 科学家）、Stefano Massaroli（总裁）、Armin W. Thomas（CTO）。按官网履历，Nguyen 在斯坦福读博期间发起了 Evo 项目，之前在 Google DeepMind 的 Co-Scientist 团队和 Google Research 工作；Poli 参与 Hyena 架构、带领 Evo 预训练，后来在 Together AI 和 Liquid AI；Massaroli 做过 RIKEN、Mila 的研究职位，是 Liquid AI 的创始科学家；Thomas 参与 Evo 和 HyenaDNA，之后在 Liquid AI 做自动架构设计。Fortune同样写四人中有三人此前在 Liquid AI 做核心技术。

地点和规模只能侧面看：LinkedIn 公司页写总部旧金山、11–50 人（页面列出 30 名员工）；官方 X简介写 “San Francisco & Tokyo”；招聘页有 16 个岗位，5 个运营岗都在旧金山，11 个研发岗里 5 个写旧金山/东京，覆盖预训练、后训练、机制可解释性、分布式系统、推理和两个产品负责人（发现、生物防御）；Hugging Face 组织接口返回 28 个成员。官网和条款都没有写地址与注册州。

“2026 年出隐身”指的是融资公开，不是公司 2026 年才存在：GitHub 组织创建于 2025-03-02，官方 X 账号 2025-05 注册，官网 Research 目录里能看到的博客条目最早是 2025-09-12 登记的 Nguyen 的 TED 演讲，2025-10 起以 Radical Numerics 的名义发布 RND1。本刊没有找到登记日期或“成立于某年”的官宣，成立时间只能给出最早的公开痕迹。

钱和顾问：公司公告2026-06-15 宣布 5000 万美元种子轮并预览 Omnii；Nguyen 当天的 X 帖写 Emergence Capital 领投，Obvious Ventures、Triatomic Capital 和 Patrick Collison 等参与，官网首页另列 Factory、First Spark Ventures。Fortune 称 Collison 是 Stripe CEO、Arc Institute 联合创始人，在 pre-seed 阶段投资，并写收入模式仍在成形——API 授权、为药企微调专有模型和里程碑付款的组合，今后发布的模型不会自动开源；公司公告和 Fortune 都没有写估值。官网列八位顾问（George Church、Tri Dao、Paul Friedrichs、Eric Horvitz、Jill Hruby、Chris Ré、Ben Spector、Andrew Weber）；2026-09 起新增 Jacob Rinaldi（科学战略负责人，曾在 Genentech、Recursion，联合创办 Noetik）和 Christine Parthemore（生物防御负责人，曾任 Council on Strategic Risks 的 CEO）。公司称在建一座装满 NVIDIA Blackwell 的数据中心，位置和规模没写。

6 月的预览把 Omnii 定位成“规模 + 新的多混合架构（200 万 token 上下文）+ 多模态 + 中后训练对齐”，自称是第一个做过中训练和后训练的大规模基因组模型。同一预览的健康篇还写到，Evo 类基因组模型好比后训练之前的基础语言模型，在变异解释这类应用任务上常常不如 Borzoi、CADD 这样的专用工具。10 月 20 日的 Omnii-1 发布文说，模型在 28 种生物模态（DNA、RNA、蛋白、染色质可及性、转录因子结合、组蛋白修饰、DNA 甲基化、剪接、基因表达等，带细胞类型与组织条件）、数万亿 token 上原生预训练，再靠中训练和后训练适配八个应用：基因组调控与多组学重建、噬菌体、遗传病变异、癌症早检、生物防御、稀土结合蛋白、抗体、癌症疫苗。

基准的写法值得看清。发布文的表里，Omnii-1 对 AlphaGenome、Borzoi 的数字是：RNA-seq 0.830 对 0.80 和 0.75，CAGE 0.781 对 0.745 和 0.713，ATAC-seq 0.904 对 0.860；变异效应里 eQTL AUROC 0.810 对 0.799 和 0.705，sQTL AUPRC 0.818 对 0.764 和 0.707。页脚注明：AlphaGenome 的数字取自其论文，eQTL 一栏用的是它的监督结果（零样本为 0.713），sQTL 的队列也不同（AlphaGenome 用完整的 26,795 例，Omnii-1 和 Borzoi 用测试染色体划分的 14,458 例）。有的差距很小，如 dsQTL 0.637 对 0.631。多组学重建的详文另报告单个 CpG 的甲基化预测与实测的 Pearson r 为 0.879，表里 AlphaGenome 和 Borzoi 那一栏没有可比数字。

发布文没有写架构、参数量和数据来源，也没有链到技术报告或模型卡，页面只给了这篇博文自己的引用格式；技术页只说用了“专有的架构设计进展”。访问方式是研究预览，页面提供 Request access 申请入口，生物防御 API 只给经审核的研究者和机构。GitHub 组织的仓库列表和Hugging Face 的模型列表里没有 Omnii 的仓库或权重，只有 RND1 和 Halcyon。作为对照，Arc Institute 的Evo 2 页面写明权重、训练数据和代码都公开。

噬菌体博文（Aniketh Iyengar、Benjamin Siranosian、Arpan Sarkar、Avery Noonan、Michael Poli、Eric Nguyen 等署名）讲的是：不重写整个噬菌体基因组，只在受体结合蛋白这类关键区域，用两侧序列做条件生成。示例是大肠杆菌噬菌体 T7（基因组约 39.9 kb）的尾丝蛋白 gp17。公司说在设计数据里，改动 11–15 个氨基酸的设计有 221/316（69.9%）在“重启”后被检出，随机对照是 1/21（4.8%）；6,694 个有可测活性的变体里 2,161 个活性超过野生型，最多改了 28 个氨基酸，随机对照里超过野生型的最多改了 5 个。对两个菌株，模型挑的前 100 个里分别有 97 和 96 个超过活性阈值；第三个菌株整体只有 4.5% 过阈值，前 100 个里有 24%。

博文自己写了几条限制，本刊读表后又补几条。自己写的：“恢复率”只是存活的代理，没检出不等于无活；T7 是例子，没有说临床用的是不是它；各应用结果是特定数据集上的。本刊读表补的：随机对照在 11–15 个改动那一组只有 21 个、16–20 那一组 12 个，样本很小；7–10 个改动的恢复率（61.6%）反而低于 5–6 个（99.3%）和 11–15 个（69.9%），并不是随改动数单调下降；这是公司自己的实验，没有第三方复现。

宿主预测的数字要对着基线看。留出整个 37 株大肠杆菌进化枝时，前两个推荐的噬菌体命中合格宿主的比例是 91.4%，随机留出时是 92.1%（合格宿主 38 个，约合 35 个，本刊折算）；但随机留出时 Omnii-1 的 AUROC 为 0.866，低于 GenoPHI 的 0.880 和 Gaborieau 的 0.870，AP 为 0.640，与 0.645、0.617 相近，也就是“可比”而不是“更强”。铜绿假单胞菌的互作数据只有 7,308 条（大肠杆菌是 32,681 条）；加入大肠杆菌数据后 Omnii-1 的 AP 从 0.570 升到 0.608，对照 GenoPHI 从 0.581 降到 0.457。

这和 Evo 的噬菌体工作不是一回事。Hie 实验室（Stanford / Arc Institute）的预印本用 Evo 1 和 Evo 2、以 ΦX174（约 5.4 kb）为模板做整基因组设计，摘要写 16 个噬菌体有活性，Garyk Brixi 是作者之一，同时出现在 Radical Numerics 的 Phalanx 博文作者栏和 RND1 博文的引用作者名单里；Radical Numerics 的 T7 工作是在更大的基因组里改一个区域。两者难度不同，不能直接比谁更强。

诊断与疫苗。诊断文用 ClearNote Health 的 cfDNA 5hmC 数据：模型预训练里没有 5hmC，后训练后在 32 名留出患者、250 个留出 QTL 上，预测的等位基因剂量效应与实测的 Pearson 为 0.854，对照“匹配的全基因组测序覆盖度”是 −0.057；在多癌种数据集（851 名癌症患者，八种组织，I–IV 期）里，加入 Omnii-1 特征的分类器在 98% 特异度下早期灵敏度更高。文内自己写明仍需前瞻性筛查研究。癌症疫苗文（2026-09-08）报告 I 类免疫原性 allele 平均 AUROC 为 0.750，对照 BigMHC-IM 的 0.558，同时自己写“基准不代表患者”“公共免疫原性数据集小且异质”。

遗传病。遗传病文用 Boston Children’s Hospital Manton Center 的 5 例未解先天性肌病：4 例得到候选变异，其中一例候选 RYR1 变异被预测形成新的剪接位点，文中说这可以直接在患者 RNA 里检验，本刊没有看到验证结果。约 1,800 个有实验真值的 GWAS 可信集里，90% 的集合在模型前四名里有功能变异；153 个帕金森 GWAS 信号被给出候选变异和机制，是预测。

稀土与抗体。稀土文与 Lawrence Livermore National Laboratory 合作：LLNL 提供 1,331 孔数据，其中 609 个天然蛋白可测；Omnii-1 的 105 个元素对中位 Spearman 为 0.340，ESM-C 6B 为 0.318；文内写生成结合蛋白的实验验证是下一步。抗体文与 Aptamino 自 2026-09 中旬起做了三轮设计—实验，第三轮有两个设计的结合强于检测下限（小于 0.2 nM），所以只报告了界限而不是 Kd；327 个设计上的表达和结合力预测相关性分别为 0.359 和 0.273，是被比较的模型里点估计最高的。

这六个应用共用一个模式：公司拿到一份合作方数据，自己在留出集上评测，并把“局限”写进了正文。本刊没有找到 ClearNote、LLNL、Boston Children’s、Aptamino 或“一家美国国家实验室”（种子轮公告里的试点方，未点名）自己的公告，也没有第三方复现，所以这些合作细节都按公司自述记。

公司的立场写在种子轮公告里：前沿生物 AI 的设计实验室和防御实验室需要是同一个机构。Fortune则把它放进“两用”框架：同样的技术既能加速癌症诊断，也可能降低设计生物武器的门槛，并指出公司自己的开源工作使首个 AI 设计的基因组成为可能；Nguyen 说防御目前在这场竞赛里是输家。

防御一侧的数字来自公司自测。防御 API 文写：47,754 条蛋白序列的标注集上，DIAMOND 单用召回 78.6%、精确率 64.9%，加 Omnii-1 召回升到 95.8%、精确率 63.8%；模拟的登革病毒和本迪布焦埃博拉病毒读段，把整个属从参考库和模型训练里排除之后，传统流程恢复的读段对不到 0.1%，联合系统恢复 44.6% 和 22.0%。访问是受限 API，面向经审核的研究者和机构，另有笔记本端部署。6 月的防御预览把 Omnii 与九个系统比较，其中四个“工业筛查工具”是匿名的（Tool 1 到 Tool 4），外界无法对号。

顾问方面，2026-10-19 的公告介绍 Jill Hruby（曾任美国能源部核安全副部长和 NNSA 局长，2021–2025）和 Paul Friedrichs（退役空军少将，白宫大流行防范与应对政策办公室首任主任）。本刊没有找到独立机构对 Omnii 防御能力或其访问控制的评估。

官网自己说，这条线是为多模态生物预训练找方法。RND1（2025-10-09）是一个 30B 总参数、3B 激活的 MoE 扩散语言模型，由 Qwen3-30B-A3B 转换而来：把因果掩码换成双向掩码，在掩码扩散目标上续训 500B token，注意力层学习率高、MLP 与嵌入层学习率低；公司报告它在 MMLU、ARC-C、RACE、BBH、GSM8K、MBPP 上优于 Dream-7B 和 LLaDA-8B，并自称是“最大的开源扩散语言模型”。这个“最大”的时效很短：LLaDA2.0的论文 2025-12-10 上 arXiv，用同样的“由自回归模型转换”思路扩到约 100B 总参数。RND1 以 Apache-2.0 发布，仓库有 189 个星标，Hugging Face 上 63 个赞，说明有人关注但规模不大。

Phalanx把滑窗注意力换成按 GPU 内存层级设计的滑窗递推层，自述在 1B 参数、8K 上下文下，混合模型训练最多比注意力或滑窗注意力基线快 40%，困惑度持平；Halcyon（2026-10-15）是 0.1B–4B 的早期融合自回归文生图模型，只在 1 亿图文对上从零训练，自述 Halcyon-0.52B 用少 18.2 倍的预训练算力得到比 LlamaGen-XL/8 更好的 gFD（48.0 对 63.3），1.6B 版本对 JiT-T2I-XXL/8++ 少 275 倍；Tessera从文档行为出发构造数千个“派生数据源”来做数据混合，自述增益是按话题分类做混合的四倍。三者都是公司自己的实验，参数量止于 B 级，本刊没有找到第三方复现。这条线对生物产品的意义要靠 Omnii，而 Omnii 的架构没有公开。

病例。公司的实验室数据和病例是两件事。前者是公司自己的实验，可以复读，不能复现；后者连医院、国家、监管方和结局都没有。《纽约时报》的标题用了 “Claims”，Baym 的第一反应是怀疑，Nguyen 说会走同行评议。在这些东西出现之前，“首例”只是一个带限定词的公司声明。

基准。Omnii-1 没有公开权重、模型卡和独立技术报告，架构和数据来源不披露；对 AlphaGenome 的数字取自对方论文，部分队列不同；防御预览里的工业对手是匿名的。这使得“全面超过专用模型”在外界不可验证。

署名与归属。公司写“创始团队训练了 Evo 和 Evo 2”。论文作者表里能核到 Nguyen、Poli、Thomas 在 Evo 作者之列，Nguyen、Poli 在 Evo 2 的前 47 位作者里；Evo 2 来自 Arc Institute 与 NVIDIA 等的合作，Arc 的页面没有提这家公司，Fortune 只提到 Collison 这一条线（Collison 同时是 Arc 联合创始人和早期投资人）。比较稳妥的写法是“多位 Evo 作者创办”，不写“Arc 的公司”。

开放程度。RND1、Halcyon 是开放权重，Evo 2 是全开放，Omnii-1 是申请制的研究预览和受限 API；Fortune 写今后发布的模型不会自动开源。这是公司的取舍，本刊没有找到独立机构对它的安全理由的评估。

本刊没有核到的有：病例的医院、国家、监管方、授权日期、结局、鸡尾酒组成；公司的注册州、成立日期和员工总数；Omnii-1 的架构、参数量、数据来源、定价；ClearNote、LLNL、Boston Children’s、Aptamino 等合作方自己的说法；官网“Featured in”里 Nature、Science、TED、Just AI 的具体报道；King 等人的噬菌体论文在 Science 期刊页的版本（本刊只核了 bioRxiv 预印本）；两篇 6 月预览文的原始发布日期（官网页面标 10-20，正文写“今天发布”，对应 6 月）；第三方对 Omnii-1 的复现和独立的生物安全评估。本刊也没有试用 Omnii-1。