如果你最近刷到 AI 制药相关的内容，大概率见过这组数字：76.1% 对 47.9%。
故事也很会挑结构：一家成立才三年的公司，开源了一个模型，在公开基准上把 DeepMind 的 AlphaFold3 赢了将近 28 个点，随后拿到 1 亿美元融资。社区里已经有人管它叫"国产 AlphaFold4"。知乎"让 AlphaFold3 下岗"的标题，直接被写进了文章。知乎
乍一看像又一次代际碾压。但我把几个信源交叉核对了一遍，结论可以先说：新模型在抗体方向的优势是真的，值得关注，但"下岗"这个叙事，掺了不少公关水分。
先说清楚发生了什么
这个模型叫 OpenDDE，寻明生科（Aureka Biotechnologies）7 月初发布并开源，开源版参数 655M，代码和模型权重以 Apache-2.0 许可证开放。知乎论文名字很长：《Folding, Reasoning, and Scaling with Open-source Drug Discovery Engine》。它家闭源的完整版叫 AuraIDE，OpenDDE 是开源预览版。
8 月 11 日，公司宣布完成总额 1 亿美元的 B 系列融资，累计融资接近 2 亿美元，钱投给下一代生物基座模型和自家实验平台。知乎也就是说：融资是真的，开源是真的，跑分也是真的。问题出在跑分怎么看。
4 组数字，一个都不能少
第一组，是传播最广的那组：第三方平台 Tamarind Bio 复测，在公开基准 FoldBench v1（113 个抗体—抗原复合物、172 个界面）上，OpenDDE 的成功率 76.1%，AlphaFold3 是 47.9%。知乎融资通稿里引用的那份第三方评测，标题直接写着"Open Models Beat AlphaFold3"。知乎
第二组，很少被转述：OpenDDE 自己的技术报告里，FoldBench-AB 这一栏写的是 70.0%，跟第三方复测差了 6 个点——评测口径不完全一致。知乎连复测方和被测方都对不齐同一个数字，你就知道这类基准对实现细节有多敏感。
第三组：换个基准，故事就不一样了。另外两个抗体基准 PXMeter-AB 和 2026ARK-AB 上，OpenDDE 的成绩是 51.0% 和 66.4%，换到更严格的分布外测试，领先幅度还要再收一截。知乎76.1% 是多个数字里最高的那个，不是全貌。
第四组最该看，也最难写进标题：这些百分比的含义，是"预测结果达到 DockQ > 0.23 的体系比例"，而不是平均 DockQ。知乎而 DockQ > 0.23 在行业里只是 acceptable 门槛——大致找对表位和结合方向，离原子级精度还远。
更要命的是，OpenDDE 的 Oracle 成绩（已知标准答案后回头挑最好的那个）明显高于 Ranked 成绩（按自己的置信度挑）。知乎意思是它有时能生成正确结构，但不一定能稳稳把它挑出来。对真做研发的人来说，排序能力往往比生成能力更实用。
四组数字放在一起，结论是：OpenDDE 在抗体—抗原复合物预测上确实强，值得部署来试，但这是"特定任务的明显优势"，不是"全面代际领先"。
而这，恰好是 AlphaFold3 的主场劣势
为什么偏偏是抗体？抗体—抗原本来就是 AlphaFold3 最不擅长的一项：这一系模型最依赖的线索是共进化——同源序列在漫长进化里一起变，模型靠这些痕迹推断空间上谁挨着谁，但抗体的可变区是免疫系统现场随机重排出来的，跟抗原之间根本没有共同进化的历史，线索没了，模型只能猜。知乎所以 47.9% 不是 AF3"衰退"了，是它在最弱的科目里拿的最低分。换到蛋白—蛋白、蛋白—小分子、蛋白—核酸这些科目，AF3 依然是榜单上的强项，Boltz-2、Protenix 一堆模型也还在同一条线上互追。"下岗"两个字当标题可以，真做研发，没人会因为一个单科成绩把主力工具换掉。
结构预测赢了，也不等于制药赢了
这件事还有一层容易被略过去。寻明生科自己讲过一个数据：之前用 AlphaFold 一系模型做抗体设计，一次给 50 条序列，回来通常只有五六条有活性；今年把 OpenDDE 接进流程，同样 50 条，30 多条有活性——但这一半功劳不在模型，在实验室，他们把活性测试从 96 孔板搬进了微米级液滴，反应体积缩小约一百万倍。知乎换成单细胞功能筛选平台后，一个实验可以表征 100 万到 1000 万个分子，比传统方式提高了五六个数量级。知乎
这说明什么？结构预测全对，也不代表分子在细胞里真能干成事。PDB 里躺着几十万个结构，没有一条告诉你这分子进了细胞会发生什么，这也是"生物世界模型"这个说法目前听着热闹、却拿不出任何公开可验证内容的原因。知乎
我的判断清单
做抗体—抗原共折叠的：OpenDDE 值得一试，Apache-2.0 开源，655M 参数，RTX 4090 级别的卡就能跑推理。但记得跟 AF3、Boltz 系模型并排跑，多个模型收敛到的表位和位姿，比单模型的高分更可信；在完成自己的内部验证之前，别直接拿模型置信度当研发决策依据。知乎
做其他结构预测的：AF3 依然是稳妥首选，而且 2026 年 7 月 23 日之后，权重免申请、公开 URL 直接下载，本地部署门槛是历史最低的。知乎
纯围观的：以后再看到"某某跑分碾压某某"，先问三个问题——复测是官方还是第三方？换个基准、做分布外测试，优势还在吗？比的是结构指标，还是功能指标？
后面还有几个信号值得盯：OpenDDE 从 Preview 转正式版、排序能力能不能追上生成能力、能不能拿出"用了之后实验成功率真的提高"的项目级数据，以及 IsoDDE 和 Boltz-2 的下一步动作。
最后一句：AlphaFold3 没有下岗。真实发生的事，是结构预测进入了细分专业化阶段——抗体有抗体的强手，小分子有小分子的强手。这 28 分的掌声值得给抗体领域的进步，但"下岗"式标题，可以略过。
