Analemma推出的全自动科研系统FARS，在228小时内生成了100篇论文，展示了自动化科研的巨大潜力。该系统通过多智能体协作，将科研流程流水线化，不仅大幅提升了效率，更引发了关于未来科研范式的深刻思考。
智能速览
FARS系统228小时生成100篇论文，消耗114亿Token
采用多智能体架构，覆盖构思、规划、实验、写作全流程
论文平均得分5.05，高于ICLR 2026人类投稿平均分
展现自我纠错能力，能诚实报告负结果
成本约10.4万美元，平均每篇耗时约2小时
精华内容
FARS的出现标志着科研工作正从个体智力密集型向系统化流水线转变，这种工业级的科研生产模式正在重塑行业格局。
工业级科研流水线
FARS并非单体模型，而是一套包含构思、规划、实验和写作四大模块的多智能体系统。它将传统科研流程拆解为标准化作业，就像一座全自动化的科研工厂。
为了支撑这一系统，Analemma搭建了160张显卡的计算集群，使其能够调用各类开源及闭源大模型。这种配置远超普通高校实验室甚至部分大厂AI团队，实现了24小时不间断的并行研究推进。
效率与成本碾压
在短短228小时的运行中，FARS累计消耗114亿Token，生成了244个研究假设并完成100篇论文。总成本约为10.4万美元，平均每篇论文成本仅1000美元，耗时约2小时17分。
这与人类科研常见的3至6个月一篇的周期相比，产生了数量级级别的效率差距。这种吞吐能力证明了自动化科研在处理大规模常规性研究时的巨大优势。
质量超预期表现
质量方面，斯坦福的AI审稿系统Agentic Reviewer给出的平均分为5.05。这一分数明显高于ICLR 2026人类投稿的平均分4.21，虽然距离被接收论文的平均分5.39仍有差距，但已具备学术竞争力。
值得一提的是，FARS表现出稀缺的“算法诚实”。例如在尝试解决DeepSeek Engram架构问题时，它如实记录了失败结果并通过诊断性实验反思原因，而非掩盖负面数据。
科研范式重构
FARS的出现迫使我们重新思考人类在科研中的价值。大量常规性、重复性的科研工作势必将被AI取代，这不仅仅是工具的升级，更是科研范式的崩塌与重构。
未来的科研工作者将从繁琐的实验和写作中解放，专注于更具突破性的方向。FARS不仅仅是生成了100篇论文，更是证明了“无限心智生产线”的可行性，预示着科研产出速度将不再受限于人类生理极限。
FARS展示了全自动科研系统的雏形，虽然距离顶级研究者仍有差距，但工业化的科研时代已然开启。当AI能够自主探索未知领域，人类的科学发现将迎来怎样的爆发？
