我们与 @Ginkgo 合作，将 GPT-5 连接到一个自主实验室，以便它能够提出实验、进行大规模实验、从结果中学习，并决定接下来尝试什么。这个闭环将蛋白质生产成本降低了 40%。

GPT-5 连接到一个自主实验室：它设计实验，实验室执行这些实验，结果为下一轮设计提供了信息，进行了六次迭代。 在这个设置中，GPT-5 设计了一批实验，实验室执行它们，数据反馈到下一轮。我们重复了这个循环六次，探索了 36,000 多种反应组合，涉及 580 个自动化板。

我们发现，改进来自于识别能够很好地协同工作的组合，并且在高通量自动化的现实中能够保持稳定。 GPT-5 识别了低成本的反应组合，这些组合在这种配置中之前没有被人类测试过。无细胞蛋白质合成（CFPS）已经研究了多年，但可能的混合物空间仍然很大。当你能够快速提出和执行成千上万的组合时，你可以找到那些在手动工作流程中容易被忽视的可行区域。