美国能源部 Genesis Open Models 创世纪开放模型计划 开发开放权重科学大模型 GS1

2026-08-10

一、触发新闻与一句话定义

美国能源部在 2026 年 8 月正式上线 Genesis Open Models 贡献门户，并与美国开放模型实验室 Arcee AI 推进首个开放权重科学基础模型 Genesis-Science-1（GS1）；首轮数据贡献申请截至 8 月 14 日。 这不是一个已经可以下载、已经跑出榜单成绩的模型发布，而是一次从模型训练开始组织科研共同体的公开建造：DOE 面向国家实验室、大学、企业和非营利机构征集科学文本、代码、完整工作流环境、强化学习任务、测试、评分规则与验证器，试图把科研中那些会报错、会中断、需要反复判断的真实过程装进训练与评测体系。

一句话定义：GS1 是一个计划于 2026 年内开放权重的万亿参数级科学语言模型，但它真正的产品边界不是聊天模型本身，而是“开放权重模型 + 受控科学工作台 + 可复核执行记录”的组合。

这个限定很重要。截至 8 月 10 日，公开材料没有给出 GS1 的具体架构、有效参数量、训练 token 数、上下文长度、许可证、推理成本和任何第三方基准结果。Arcee 披露的确定信息是：GS1 建立在下一代 Trinity 模型之上；Arcee 已落实训练算力，负责预训练、后训练、科学工作台和发布准备；DOE 与国家实验室科学家负责选择问题、提供数据与环境，并检验结果能否经得住专业审查。模型将与一个受治理的执行系统配套，能够调用获批工具、编写和修复代码、从失败运行中恢复，并为结论保留过程记录。涉及安全、国家安全、论文发表和算力使用的决定仍由人批准，系统不会获得对 DOE 基础设施的无限访问。

所以，今天值得研究的不是“GS1 会不会成为最强科学模型”。现在没有证据回答这个问题。更准确的问题是：为什么美国能源部不只采购现成闭源模型，而要组织一套可由科研机构自己持有、改造和审计的开放权重科学模型体系？

二、纵向分析：从诞生到当下

1. GS1 的起点不在 2026 年，而在 DOE 数十年的科研基础设施

理解 GS1，容易从“大语言模型”开始讲。但从 DOE 的视角看，它更像一个接口层：下面接的是国家实验室几十年积累的超级计算机、实验设施、模拟软件、科研数据和安全制度，上面才是一个能读写代码、调用工具、规划任务的模型。

美国能源部管理着 17 个国家实验室。它们既有领导级高性能计算资源，也有粒子加速器、同步辐射光源、中子源、核聚变和材料实验设施。传统科研计算的典型形态，不是研究员向一个网页输入问题，而是围绕 Fortran、C++、Python、作业调度器、数据库、模拟器和仪器控制软件展开的长链条：准备输入，提交任务，检查日志，修复依赖，重跑局部计算，比对实验，决定下一步。

这个环境决定了 DOE 对“科学 AI”的要求与通用问答不同。论文知识答对了，只能证明模型记得或检索到了信息；科研工作要继续向下走，模型还得在权限受限的环境里让代码运行、让结果通过验证，并说明失败发生在哪里。GS1 后来强调工作台、失败恢复和执行记录，不是发布时临时添加的安全包装，而是由使用环境倒逼出来的产品形态。

DOE 在此之前已经积累了科学机器学习的模型与平台经验。天气、气候、材料、核聚变、流体、粒子物理等领域都发展出专用代理模型和基础模型；国家实验室也长期维护可复现工作流、数据管理和高性能计算软件。它们的优势是物理约束清楚、数据来源专业、评测可以贴近任务，缺点则是模型分散、接口各异、跨学科迁移困难。一个材料模型往往不能帮聚变研究员修模拟代码，一个文献助手也无法直接接管实验设施。

GS1 所要填的空白，恰好位于这些专用模型之上：用通用语言与代码能力理解任务，再去编排领域工具、数据和模型。它不是取代科学模拟，而是试图成为科学模拟之间的“操作系统用户层”。

2. 2025 年 11 月：Genesis Mission 先建国家平台，再谈单一模型

2025 年 11 月 24 日，美国政府通过行政命令启动 Genesis Mission。命令把 DOE 放在实施中心，要求建设 American Science and Security Platform，把国家实验室超级计算、云端 AI 计算环境、联邦科研数据、模型、智能体、实验与生产工具连接起来。目标是让 AI 探索设计空间、评价实验结果、自动化部分科研流程，并在十年内把美国科研与工程的生产率和影响力提高一倍。

行政命令给出的时间表很具体：90 天内盘点计算、存储和网络资源；120 天内确定初始数据与模型资产，并制定外部数据的网络安全接入方案；240 天内审查可供 AI 指导实验的机器人实验室与生产设施；270 天内争取在至少一个国家科技挑战上展示平台的初始运行能力。

这些节点说明，Genesis 从一开始就不是“训练一个美国版科学 ChatGPT”。它先定义基础设施与制度边界，再让模型进入其中。平台还必须满足涉密、供应链安全和联邦网络安全要求。开放模型在这里面临一个看似矛盾的组合：权重要开放，运行环境却不能任意开放；科研结果要可复核，敏感数据又不能被带出安全域。

这个矛盾后来变成 GS1 最鲜明的设计：开放的是可被机构持有和检查的模型能力，受控的是模型能接触什么数据、调用什么工具、花多少算力，以及哪些决定必须交还给人。

Genesis 随后迅速扩张。2025 年 12 月，DOE 与 24 家机构签署合作协议；2026 年初，通过征询意见和资助计划，把国家实验室、大学与企业纳入任务设计。到 2026 年 7 月 22 日，白宫宣布超过 50 亿美元的联邦资源承诺，参与部门超过 15 个。DOE 从逾 5000 份申请中选出 278 个首轮项目，覆盖大学、国家实验室、企业和非营利机构。于是，Genesis 从 DOE 内部平台变成了一个跨部门科研计划，而 American Science and Security Platform 仍是共同的计算、数据与 AI 底座。

这里有一个容易误读的数字：超过 50 亿美元是 Genesis Mission 的跨机构联邦承诺，不等于全部拨给 GS1，更不能当作 GS1 的训练预算。GS1 是这张大图中的开放模型项目；它能利用的真实资源、算力份额和长期经费，目前没有单独披露。

3. 2026 年：ModCon 与 American Science Cloud 把“模型周边”先做成标准

在 GS1 露面之前，DOE 已经开始把科学 AI 的公共部件标准化。Genesis 旗下的 ModCon（Transformational AI and Data）负责模型、数据、智能体和科研工作流能力，American Science Cloud（AmSC）负责安全、联邦化的交付环境。前者像能力层，后者像运行与治理层。

ModCon 公布的内容看起来并不耀眼，却直接决定模型能否进入科研生产环境：数据卡记录数据从哪里来、谁创建、如何访问和使用；模型卡记录训练方法、用途、性能、来源、计算环境、许可证和风险；智能体卡则说明智能体由谁提供、怎么调用、有哪些工具、认证要求、运行限制和安全事项。DOE 还在建设可移植的科学 Agent Skills，让领域知识、数据入口和计算步骤可以被不同 AI 工具复用。

为什么要先做这些“卡片”和接口？因为科研可复现性不是一句“请给出处”就能解决。一个结果可能依赖特定数据版本、编译器、容器镜像、随机种子、仪器状态和后处理脚本。只记录模型最后一句回答，无法还原结论。Genesis 的做法，是把模型、数据、工具和运行环境都变成带身份、版本和权限的对象。

这也解释了 GS1 为什么一定要配科学工作台。语言模型只负责提出和选择动作，工作台负责执行、记录、限制与验证。两者拆开之后，DOE 可以冻结某一版权重，替换某个工具，重放某次运行，或在不同安全域使用同一模型而不给它相同权限。

4. Arcee 的路线：从“替别人改模型”走到“自己预训练模型”

Arcee 不是美国最知名的前沿模型实验室，这反而让 DOE 的选择更有分析价值。它早期聚焦领域适配与后训练，2023 年公开的产品主张就是帮助机构将通用模型适配到专有领域。这个阶段的能力包括数据整理、持续预训练、微调、模型合并和部署：客户拥有领域数据，Arcee 帮它把现成模型改成更合用的版本。

2025 年，Arcee 开始从后训练向上游移动，训练自己的 Arcee Foundation Models，随后形成 Trinity 家族。它对外给出的理由不是追求最大参数量，而是模型所有权、可移植性和供应链可知：机构需要把固定版本保留多年，在本地或私有云运行，按自身标准审查，并避免被 API 提供商强制升级。Trinity 权重采用 Apache 2.0 许可证，覆盖从端侧到云端的不同尺寸。

这条历史路径塑造了 GS1 的任务分工。Arcee 擅长的不是单一领域科学发现，而是从数据、预训练、后训练到部署的模型工程；DOE 的科学家、设施与数据补上领域问题和验证环境。由 Arcee 训练底座，由国家实验室判断“工作是否真的成立”，是双方能力的拼接。

但拼接也带来风险。Arcee 已发布模型的规模和外部影响力，与万亿参数级 GS1 不在同一个工程量级。万亿参数级可能指总参数而非每次推理激活参数，可能采用混合专家架构，也可能是别的设计，官方尚未说明。训练能否稳定完成、推理成本是否允许国家实验室广泛使用、开放后是否容易二次训练，不能从“万亿参数”四个字推出来。

Arcee 说它“已落实算力”，这比空泛的合作意向更进一步，却仍不是完成证明。模型发布前，最有价值的信号不会是又一张合作名单，而是架构、训练计算量、数据构成、训练稳定性、许可证与复现实验。

5. 2026 年 7 月至 8 月：GS1 从模型公告进入共同建造

2026 年 7 月 22 日，Arcee 首次公布 GS1：一个建立在下一代 Trinity 之上的万亿参数级开放权重语言模型，计划年内发布权重、技术报告和公开演示。与同日扩大的 Genesis Mission 相比，GS1 给出了一个清晰的模型锚点，但并没有交付模型。

随后上线的 DOE 贡献门户把计划变得更具体。征集被拆为不同层次：

• 基础阶段需要科学文本、代码、文档和结构化技术集合，用于预训练、中期训练和上下文扩展；
• 后训练阶段需要专家示范、标注任务、科研软件、完整工作流环境、强化学习任务、留出评测、评分规则、测试和验证器；
• 还需要科学家与工程师审查任务、模型行为和最终产物，以及能够补充训练或评测算力的基础设施伙伴。

申请不是直接上传敏感数据。贡献者先提交描述和元数据，保留材料所有权并提出使用条件；DOE 治理的评审流程检查科学相关性、权利与处理条件、专家和评测准备度、技术集成可行性，最后才做项目选择。入选者获得早期评测机会，并在技术报告与发布材料中获得署名。

这套机制暴露了 GS1 最关键的数据判断：科研模型最缺的未必是论文，而是论文之前和之后的过程。编译错误、部分失败的模拟、奇怪的接口、没有整理过的日志、研究人员决定放弃某条路线的原因，通常不会进入公开语料，却最接近模型将来要处理的工作。

普通大模型从“干净答案”学习，容易学会生成看起来完整的结果；科研智能体若要可靠，需要从“失败—诊断—修改—重跑—验证”链条学习。Genesis 把完整工作流环境、测试和验证器列为正式贡献物，等于把训练单位从文档提升为可执行任务。

6. 纵轴上的核心转折：评价对象从答案变成过程

把这段历史压缩成一条线，可以看到三次转折。

第一次，DOE 把分散的超级计算、数据和实验设施组织为 American Science and Security Platform。科研 AI 不再只是实验室里的单点模型，而要进入共同基础设施。

第二次，ModCon 用数据卡、模型卡、智能体卡和工作流标准，把可追溯性前置到系统设计。科学结论的可信度不再只由模型准确率代表。

第三次，GS1 把开放权重与受控执行绑定。研究机构可以持有和改造模型，但模型运行时仍受工具白名单、权限、安全域、算力预算和人工审批约束。

于是，GS1 的真正赌注不是“给科学语料训练一个更大模型”，而是：能不能把美国国家实验室的隐性科研经验转换为可训练、可执行、可验证的任务体系。 如果做不到，万亿参数只会生成更流畅的科学文本；如果做到，模型规模反而只是其中一个部件。

三、横向分析：竞争图谱

1. 先划清赛道：GS1 同时踩进四个市场

GS1 很难找到一组完全同类的竞品。它同时具有四种身份：开放权重基础模型、科学智能体底座、受治理的科研工作流系统、国家级公共科研基础设施。多数同行只覆盖其中一到两层。

横向比较因此不能只看参数。更合适的维度是：模型与训练材料开放到哪一层，能处理何种科研对象，是否能执行长任务，验证如何进入循环，能否部署在敏感环境，以及谁控制底层数据与计算。

2. NSF OMAI 与 Ai2：最直接的“开放性”参照物

2025 年 8 月，美国国家科学基金会与 NVIDIA 向 Ai2 支持的 Open Multimodal AI Infrastructure（OMAI）投入合计 1.52 亿美元，目标同样是建设国家级、完全开放的 AI 基础设施，并用 OLMo、Molmo 等模型促进科学创新。若只看“美国公共资金 + 开放模型 + 科学研究”，它是 GS1 最直接的横向参照。

两者的差异首先在“开放”定义。Ai2 对 OLMo 的承诺是 fully open：训练数据、代码、配方、权重、评测和中间产物尽量公开。2025 年的 OLMo 2 32B 用最多 6 万亿 token 训练，模型、技术报告和训练资源已经可查。研究者可以追踪训练阶段、修改训练代码，甚至研究某类数据如何影响输出。

GS1 当前承诺的是 open-weight。权重开放能让国家实验室冻结版本、本地部署、领域微调，解决 API 锁定和敏感数据外传问题；但它不自动等于训练数据、完整训练代码、优化器状态和全部中间检查点开放。DOE 门户强调透明来源和贡献治理，却没有承诺所有贡献材料都公开。科学数据可能受许可证、个人隐私、出口管制、国家安全或合作协议约束，这使“完全开放”比通用网络语料更难。

所以 Ai2 的优势是可复现模型研究已经兑现，GS1 的潜在优势是把开放权重放进 DOE 的真实科研执行环境。前者让研究者研究模型如何形成，后者想让研究者控制模型如何做事。两者并非零和：GS1 若只发布权重，Ai2 会成为衡量其透明度的标尺；若 GS1 进一步开放数据说明、训练配方与可运行评测，它可能把“完全开放”推进到科学工作流层。

用户视角也因此不同。OLMo 已经能被下载、微调和复核，有真实社区基础；GS1 尚无用户，只有潜在贡献者。现阶段任何“GS1 比 OLMo 更强”的说法都没有证据。可比较的只是制度设计，不是能力成绩。

3. Microsoft Discovery：同样做完整工作流，但交付方式相反

Microsoft Discovery 于 2025 年 Build 大会公布，定位是企业级研发平台。它把多智能体编排、图谱化知识库、容器化科研工具和 Azure 高性能计算放进统一工作空间。研究者可以用自然语言定义目标，由智能体做文献分析、假设生成、模拟与结果分析；平台提供虚拟网络隔离、托管身份、角色权限、日志和审计。

这与 GS1 的“模型 + 工作台”高度相似。两者都认为科研价值来自长链条执行，不来自单轮回答；都允许接入领域工具和私有数据；都强调权限与可追溯性。

分歧在控制权。Microsoft Discovery 是云平台路线：企业把自己的模型、数据和容器接入 Azure，在成熟的企业权限体系里运行。它的优势是产品化程度高，平台文档和服务组件已经存在，研发团队不需要自行搭建整个执行环境。代价是核心服务仍绑定云平台，机构对底层编排引擎和模型供应链的控制有限。

GS1 走的是模型公共资产路线：权重交给机构，允许在本地或受控环境保留、评估和改造，再通过 American Science Cloud 与国家实验室设施连接。它牺牲了一部分即开即用体验，换取版本主权、跨环境部署与长期可保存性。

从真实用户角度，Microsoft Discovery 已经进入可部署的平台阶段，而 GS1 仍在建造。短期内，企业客户更容易从 Microsoft 获得完整产品；DOE 的优势要等模型发布、工作台开放程度和国家实验室案例出现后才可能兑现。

4. Google DeepMind：用强验证器做窄而深的科学发现

Google DeepMind 的路线提醒我们，科学 AI 不一定需要一个包揽所有学科的万亿参数模型。AlphaFold 解决蛋白质结构预测，AlphaEvolve 用 Gemini 提议程序，再以自动评估器打分并通过进化搜索改进候选。2025 年发布时，AlphaEvolve 在 50 多个数学问题中约 75% 复现已知最佳结果，约 20% 改进已知结果；到 2026 年，Google 披露它已用于 TPU 设计、存储策略、量子电路、电网优化和多类科学任务。

这条路线的力量来自验证边界清楚。候选答案可以写成程序，评价函数能够运行，优劣能量化，搜索才能连续迭代。它在可自动评分的问题上已经给出真实产出，而不是模型愿景。

GS1 的覆盖面更宽：代码现代化、实验分析、模拟、材料、能源系统都会包含大量不能由单一分数判断的任务。宽度使它有机会成为通用底座，也让验证更难。一个模型修好编译错误不代表物理结论正确；模拟成功结束不代表输入假设合理；新材料候选得分更高不代表能合成。

因此，GS1 不应与 AlphaEvolve 比“谁更像通用科学家”。更有用的比较是验证器密度：每一种任务有没有测试、物理约束、实验反馈或专家审批，把开放式推理逐段夹住。贡献门户专门征集评分规则、测试和验证器，说明 DOE 看到了这个问题。能否为数百种真实工作流建立足够强的验证器，将决定 GS1 是科研执行器，还是会调用工具的科学聊天模型。

5. FutureHouse：先解决文献瓶颈，再向实验推进

FutureHouse 在 2025 年开放了 Crow、Falcon、Owl 和 Phoenix 等科学代理。前三者围绕文献检索、深度综述和“是否已有前人做过”展开，Phoenix 则接入化学工具，帮助规划实验。产品通过网页和 API 直接面向研究者，强调全文论文、专业数据库、来源评价与透明推理过程。

它选择了更容易形成用户反馈的入口。科研人员每天都要查文献，结果可以通过引用准确性、召回率和专家对比来评测，不必先接入国家实验室安全域。FutureHouse 已经发布针对检索和综合的基准，并主动说明实验性 Phoenix 更容易犯错。

GS1 从更重的场景切入：老旧代码、长时间模拟、失败恢复和多工具执行。这些任务价值更高，但接入成本、风险和评测难度也更高。FutureHouse 可以快速积累大量查询轨迹；GS1 的高质量轨迹可能更少、更敏感、更昂贵。

这形成两种数据飞轮。FutureHouse 靠广泛使用积累文献型任务与反馈；GS1 靠国家实验室和入选贡献者提供稀缺、深度的执行轨迹。前者的规模更容易扩大，后者若组织成功，数据壁垒更高。

6. 竞争格局不是模型榜单，而是三种“科学控制权”

横向看，科学 AI 正在形成三种控制权结构。

第一种是供应商控制。Google DeepMind 提供强大的专用系统，Microsoft 提供完整云平台。用户得到较成熟的能力，但对权重、训练过程或底层服务的控制有限。

第二种是社区控制。Ai2 把数据、代码、权重和配方公开，让研究共同体可以重建和修改模型。优势是透明与研究自由，难点是如何接入敏感数据和昂贵实验设施。

第三种是机构控制。GS1 想让国家实验室持有权重，在自己的安全域内评估和改造，同时由 DOE 统一数据、工具、身份与审计标准。它不是完全去中心化的开源，也不是单一厂商托管，而是“公共权重 + 联邦治理 + 分布式执行”。

这正是 GS1 的生态位。它没有直接复制最成熟的闭源能力，也没有承诺像 OLMo 一样公开全部训练材料，而是在科研主权和可执行性之间找一条中间路线。机会在于 DOE 独有的设施、数据和专家；风险也在这里：治理环节一多，贡献审批、数据授权、环境集成和模型迭代都可能变慢。

四、横纵交汇洞察

1. 历史给 GS1 的不是数据优势，而是“闭环权”

很多机构都有论文，头部模型公司也能买到大量科学语料。DOE 真正难复制的资产，是把模拟、实验设施、专家判断和高性能计算接成反馈循环的权利。

这个优势来自国家实验室的历史，而不是 2026 年的模型合同。DOE 长期同时管理计算设施、科研软件、实验装置与安全体系，因此能够让模型提出动作后进入真实环境，再把失败和验证结果送回训练。如果 GS1 只吸收论文，它与其他科学微调模型没有结构性差别；一旦吸收完整工作流，它学到的是“科学如何被做出来”。

反过来，DOE 的历史包袱也很明显。实验室软件老旧、数据格式分散、权限边界复杂，许多知识藏在研究人员和本地脚本里。Genesis 先建设 AmSC、ModCon、卡片规范和贡献流程，正是在偿还这笔技术债。模型训练可能不是最慢的一步，把几百个科研环境改造成可安全重放的任务，才是。

2. “开放权重”在这里首先是治理选择，其次才是社区口号

Arcee 的演进路径从领域适配走向自研开放模型，给 GS1 带来了明确偏好：机构应当持有模型，而不是租用一个持续变化的 API。对银行、医院和国家实验室，这个需求相通——版本需要稳定，敏感数据不能外流，行为必须按本地标准评估。

所以 GS1 的开放权重并非单纯为了下载量。它让 DOE 可以在不同安全域部署同一版本，让实验室保存论文所对应的模型快照，让领域团队在不暴露数据的前提下继续训练，也让外部研究者检验模型本身。

但这里必须守住一个概念边界：权重开放不等于科研过程完整开放。如果训练数据目录、许可证、数据处理、训练代码、评测集和失败结果不透明，外部研究者仍无法复现模型形成过程。Ai2 已经把这一标准抬高。GS1 发布时，真正有判断力的问题不是“能不能下载”，而是“下载之外还能检查什么”。

3. 万亿参数可能是优势，也可能是第一个包袱

GS1 选择万亿参数级，可能是为了容纳跨学科知识、代码能力和工具使用，也可能借助混合专家结构控制每次推理成本。但在架构未公开前，这些都只是合理猜测。

已知的风险更具体。科学工作流往往需要大量长时间调用，模型每一步都很贵，会放大整个实验成本；许多国家实验室团队未必拥有持续运行超大模型的资源；开放权重若大到只有少数机构能部署，法律上的开放就会变成计算上的封闭。

Arcee 早期强调“每参数性能”和可部署性，这本来是优势。GS1 若为了国家级象征选择规模，却没有同时提供较小版本、蒸馏模型、稀疏激活说明和清楚的推理预算，就可能背离自身历史积累。最合理的产品族不应只有一台巨型模型，而应有一个高能力教师模型，加上可在实验室和边缘科研设备运行的领域版本。

4. 三个未来剧本

最可能的剧本：GS1 成为 DOE 工作流的公共底座，但不是通吃科学的单一模型。

年内发布权重、技术报告和若干公开演示，先在代码现代化、模拟排障、材料与能源系统等验证较清楚的任务上落地。不同实验室在 GS1 上做领域适配，工作台保存执行轨迹，模型卡和数据卡统一交换格式。通用能力未必超过最强闭源模型，但在本地部署、稳定版本、专有工具接入和审计上形成优势。这个剧本符合 DOE 的基础设施积累，也符合 Arcee 的机构模型路线。

它的验证信号包括：技术报告给出可复现任务而非只给问答榜单；至少一个国家实验室展示从代码、工具调用到失败恢复的完整重放；发布明确许可证和可运行评测；披露总参数与激活参数、推理硬件和单任务成本。

最危险的剧本：模型按期开放，工作流却没有真正开放或可复现。

数据贡献受权利、安全和集成问题拖累，训练主要依赖易获得的论文与代码；公开演示选取干净任务，真实实验室仍把 GS1 当作普通助手；权重体量过大，使外部社区无法经济地运行；“受治理执行”最后只剩权限限制，没有足够细的过程证据。此时 GS1 会同时失去两边：能力不如闭源前沿模型，开放程度又不如 OLMo。

危险信号包括：许可证限制模糊；训练数据只给类别不给来源统计；基准集中在知识问答；没有失败任务和负面结果；所谓工作台无法由外部研究者运行；贡献者只能提供数据，却不能复核模型如何使用这些数据。

最乐观的剧本：Genesis 建成一套“可重放科学”的公共协议。

GS1 只是第一个模型。真正扩散出去的是数据卡、模型卡、智能体卡、工具权限、实验记录、验证器和人工批准点的共同格式。其他开放模型甚至闭源模型都能进入同一工作台比较，国家实验室可以重放一次研究任务，更换模型后检查结论是否仍成立。大学和企业贡献的不再只是静态数据集，而是可执行科研环境；失败轨迹也成为公共研究资产。

这个剧本里，GS1 未必长期排名第一，却像早期互联网协议一样定义科研智能体怎样接入设施、怎样留下证据、怎样把决定交还给人。历史上，DOE 的超级计算优势建立在长期共享设施之上；未来，它可能把“共享设施”从机器扩展到可验证的智能工作流。

5. 最终判断：GS1 的成败，不由第一张榜单决定

我对 GS1 的判断是：它是美国迄今少见的、把开放权重模型直接嵌入国家科研基础设施的尝试；其最大价值不是再造一个懂科学的聊天模型，而是把科研执行权、模型所有权和过程审计放进同一系统。

但这项判断目前只成立了一半。DOE 已经拥有组织条件：17 个国家实验室、American Science and Security Platform、超过 15 个联邦机构、278 个首轮项目，以及面向数据、环境、评测和验证器的公开贡献机制。Arcee 也给出了训练、后训练和工作台的明确责任。

另一半必须等发布验证：权重是否按期出现，许可证是否真能支持长期持有与改造，训练材料能公开到什么程度，真实工作流是否可重放，模型面对失败会不会留下可信记录，外部团队能否负担推理。

开头那个细节会再次出现：Genesis 主动征集编译错误、部分运行和混乱日志。它看起来很琐碎，却是整个计划最诚实的地方。科学并不是一串正确答案，而是大量失败被记录、排除和修正之后剩下的结论。GS1 如果学会的是这条路径，它才配得上“科学模型”；如果最后只学会写出漂亮答案，万亿参数也只是更大的语言外壳。

五、信息来源

1. Genesis Open Models：DOE 贡献门户与 GS1 项目说明 2. Arcee AI：Genesis-Science-1 官方公告 3. 美国白宫：Launching the Genesis Mission 行政命令 4. 美国白宫：超过 50 亿美元 Genesis Mission 联邦承诺 5. 美国能源部：Genesis Mission 官方主页 6. 美国能源部：Genesis Mission 国家科学与技术挑战 7. 美国能源部：ModCon 科学 AI 能力、数据卡、模型卡与智能体卡 8. 美国能源部：与 24 家机构签署 Genesis Mission 合作协议 9. Arcee AI：公司与 Trinity 开放权重路线 10. Arcee AI：从领域适配起步的早期产品说明 11. Ai2：NSF Open Multimodal AI Infrastructure 12. Ai2：OLMo 2 32B 完全开放模型与训练说明 13. Microsoft Learn：Microsoft Discovery 平台架构 14. Google DeepMind：AlphaEvolve 的方法与首批结果 15. Google DeepMind：AlphaEvolve 在科研与产业任务中的后续应用 16. FutureHouse：科学智能体平台及其任务边界