给一段 DNA 打 0 到 1 的威胁分：基因组大模型被塞进笔记本，断网也能用

3分钟看懂

11 月 11 日，旧金山的 Radical Numerics 发布 Omnii Defense：一个跑在笔记本上、接一根 USB 基因测序仪就能用的边缘模型，断网状态下判断一段 DNA 序列「像不像病原体」「像不像 AI 造出来的」，最后合成一个 0 到 1 的威胁分。分数越高，越可疑。

这家公司不是无名之辈。创始人团队在斯坦福读博期间参与了 Evo 与 Evo-2 两个开源 DNA 基础模型；今年 8 月，正是 Evo 系列被用来生成第一批完整的、能在实验室里杀大肠杆菌的噬菌体基因组（发在 Science）。他们的商业模型叫 Omnii-1，宣称跨 28 种生物模态（DNA、RNA、蛋白、表观信号），Omnii Defense 是它往生物防御方向的落地版本。

（本文基于多家媒体转述整理，事件与数字以 WIRED 11 月 11 日独家报道、公司 10 月 20 日技术博客及 TPS Report、Superintelligence News、Dealroom 等独立稿为准。）

一句话先说结论

它到底输出什么

按 WIRED 的报道和公司博客，Omnii Defense 对一条序列给出三组判断，再加一个合成分：

• 致病概率：这条序列编码的东西，有没有可能贡献致病性。
• AI 生成概率：它看起来像不像被模型写出来的，而不是自然界演化出来的。
• 分类学最近邻：它最接近哪个类群。
• 威胁分（0–1）：把「不自然程度」和功能预测合起来。分数越高威胁越高。

关键在于它不是查库。美国联邦资助的 FELIX（Finding Engineering-Linked Indicators）那一类工具，本质是把待测序列拿去和已知生物库做比对——对「在现有病原体上改几刀」有效，对「序列拼写改了很多、但功能还在」就失灵。Omnii 走的是另一条路：从序列里学与生物功能相关的模式，因此能认出拼写不同但功能相近的序列。公司生物防御负责人 Christine Parthemore 对 WIRED 的说法是「step change（台阶式变化）」。

那个 Bundibugyo 实验，到底证明了什么

最有信息量的一个测试，是拿正在东非引发埃博拉疫情的 Bundibugyo 病毒做「知识切除」：先把它从训练数据里按物种删掉，模型仍把 33% 的 Bundibugyo 序列标为具有致病性；再把整个属删掉，仍能标出 22%。而传统非 AI 工具在这种情况下「基本不给任何风险信号」。

这里有个容易写错的细节：公司 10 月 20 日的技术博客里，22.0% 指的是从宏基因组读段里把 Bundibugyo 召回的比例（同一实验里 dengue 是 44.6%），不是「威胁分超过阈值」的比例。WIRED 把两个说法并成了「标出 22% 的病毒序列」。两个数字指向同一个结论——模型在「没见过这个属」的前提下仍有信号——但严格说是两个不同指标，不能混着引用。

同一篇博客给出的另外两组数字是：对「改写过的」蛋白序列，召回率比常用生信工具高 17%；在 24 种突变病毒上，宏基因组读段召回平均高 52%。这些同样是公司自测。

为什么「离线」和「笔记本」才是重点

生物安全筛查的现实约束不是算力，是现场。疫情现场、海关、移动实验室，网络经常不可用，或者按政策就不该把序列传出去。把模型压到能在笔记本 + USB 测序仪上跑，意味着筛查可以发生在采样点，而不是等样本送回中心实验室。

公司 CEO Eric Nguyen 给 WIRED 的类比是网络安全：攻击方和防守方都在用 AI 抢优势，而「生物安全这块，防守方落后得很远」。Omnii Defense 现在是受邀制，只给审查过的外部测试方，公司称正在与国家实验室、政府机构和独立评估方一起做评测。

三个必须说清的限定

• 全是自测：目前没有任何第三方复现或公开基准。TPS Report 明确指出，参数量、上下文长度、定价、正式发布日都未披露。
• 检出 ≠ 有后果：Broad Institute 病原体监测负责人 Bronwyn MacInnis 对 WIRED 的表态很克制——检测到一个信号，离判断「这个病原体会不会造成真实后果」「它是不是被工程化过」还差很远。这句是全文最该保留的一句外部评价。
• 公司在治理上刚栽过一跤：10 月宣布 AI 设计的噬菌体鸡尾酒经 FDA 特许用于一名患者时，没有披露另一家创业公司 Tabula Bioscience 的参与；作为两家公司顾问的哈佛遗传学家 George Church 因此辞去了在 Radical 的职务。技术能力和信息披露是两件事。

怎么用：三层流程

把它放进现有流程，具体动作是这样的：

• 第一层，比对筛查。序列进来先走已有的比对工具（FELIX 一类），命中已知威胁库就直接拦截并记录，这一步不依赖新模型。
• 第二层，功能预测。比对没命中、但来源可疑的序列（合成订单、环境宏基因组、匿名临床分离株），把它交给 Omnii Defense，拿到威胁分和三个分项概率。
• 第三层，人工复核。设一个阈值，比如威胁分超过某条线就升级给生物安全官，由人结合上下文判断要不要做实验验证。模型不直接放行也不直接拦截。

部署形态按现场条件选：有网、算力充足就走受限 API；现场无网就走边缘版，笔记本加 USB 测序仪，序列不出本地。

和现有筛查工具怎么配合

别把它当成 FELIX 的替代品。合理的用法是两层：先用比对类工具做「已知威胁」的快速命中，这是成熟、可解释、有监管共识的一层；再用 Omnii Defense 这一类功能预测模型看「比对漏掉的部分」，输出只作为升级人工审查的线索，不作为放行或拦截的唯一依据。公司自己也是这么定位的——它把这套东西放在「restricted-access biodefense API」和边缘部署两种形态里，配合而非取代现有流程。

适用场景

• 现场/移动实验室的初筛：网络差、样本不能外传的场合。
• 合成订单的二次审查：DNA 合成商在比对筛查之后，对「低相似度但功能可疑」的序列加一道功能预测。
• 新发疫情的早期信号：参考库里还没有这个物种/属的时候（Bundibugyo 那个实验就是模拟这个场景）。
• 监测与溯源研究：给一段序列一个可比较的风险刻度，便于排序和分诊。

不适用场景（避坑）

• 不能用于临床诊断或公共卫生决策的单一依据：没有监管许可，没有独立验证。
• 不能替代实验验证：模型说「可能致病」，仍需培养、测序、动物模型确认。
• 不能当成「AI 生成检测器」的定论：判断「是否 AI 造」本身就是概率问题，假阳/假阴都不可控。
• 不要引用未经核对的口径：上面说的 33% / 22% 是两个不同实验指标，写错就成了夸大。

成本与可得性

目前拿不到价格。能确定的只有三点：不对外公开发售、只给审查过的测试方、边缘部署意味着推理成本可以很低（笔记本级），但模型本身的训练成本、参数量、上下文长度都未公开。想评估的人，现实路径是走公司 [email protected] 的申请通道，或等独立评测方的结果。

接下来该看什么

• 独立评测：公司说在与国家实验室、政府机构合作，第一批第三方结果是最关键的信号。
• 是否放权重：Omnii-1 系列此前以研究预览形式开放 API，Omnii Defense 若是长期闭门，可复现性就无从谈起。
• 误报率：生物安全筛查最怕的不是漏，是天天误报导致没人看告警。目前没有任何假阳性数据。
• 治理披露：Church 辞职这件事之后，公司在合作方披露上的做法会不会变。

行动建议

如果你在做合成生物学合规、海关/疾控筛查或生物安全研究：第一步不是接模型，是先把「比对筛查 + 人工复核」这条现有链路跑通，明确谁负责判定；第二步再拿一批已知的阳性和阴性序列去问供应商要评测数据，尤其是假阳性率；第三步才是小范围试点，把模型输出固定在「升级审查」这一环，不给它放行权。

参考来源

WIRED（2026-11-11，Emily Mullin）：https://www.wired.com/story/startup-fights-ai-bioweapons-with-ai/

Radical Numerics 官方博客《Biodefense with Omnii-1, through API and edge deployment》（2026-10-20）：https://www.radicalnumerics.ai/blog/omnii-defense-api

Radical Numerics 官方博客《A new era of biological threats, and the technology to defend against them》（2026-06-17）：https://www.radicalnumerics.ai/blog/omnii-defense-preview

TPS Report（2026-11-11）：https://tpsreport.news/news/radical-numerics-omnii-defense-biothreat-edge-model

Superintelligence News（2026-11-11）：https://superintelligencenews.com/ai-fields/biodefense-ai-radical-omnii-defense/

CryptoBriefing（2026-11-11）：https://cryptobriefing.com/radical-numerics-omnii-defense-ai-bioweapons/

Dealroom News（2026-11-13）：https://dealroom.co/news/172473-radical-numerics-launches-offline-ai-to-flag-engineered-pathogens/

背景：Arc Institute / Stanford 用 Evo 生成噬菌体基因组（Science，2026-08-06）：https://www.science.org/doi/10.1126/science.aec2657