生物科技公司 Exin Therapeutics 公开实验，调用 OpenAI GPT-6.1 Sol 完成三轮活体小鼠脑部解剖标志定位，每一轮都吸收外科医生的修正反馈，不用重新训练、不更新模型权重，依靠上下文学习持续提升，第三次定位误差直接减半；注意这只是小鼠动物实验，不是给人类做开颅手术，距离临床人脑手术还有很远距离。这项实验核心是找小鼠颅骨上 Bregma（前囟点）、Lambda（后囟点）两个基准坐标点，是脑立体注射、神经实验的基础定位步骤。
一、三轮实验指标对比表
| 指标 | 第一轮 | 第三轮 | 变化 |
|---|---|---|---|
| 识别解剖标志耗时 | 169 秒 | 86 秒 | 缩短近一半 |
| 需要人工纠正次数 | 4 次 | 2 次 | 减半 |
| 定位误差 | 0.6 mm | 0.3 mm | 误差减半 |
实验规则：每一轮 AI 给出定位结果后，外科医生标注正确位置，图像、测量数据、修正记录全部存入上下文，下一轮 AI 直接参考这些真实操作经验，全程不做模型微调、不重新训练权重。
二、实验原理：上下文学习，不是自主做手术
- 任务边界：GPT-6.1 Sol 只做视觉识别定位，判断颅骨基准点，没有操控手术器械、切皮、穿刺等操作。
- 提升机制：闭环反馈学习，专家纠偏记录作为上下文给到 AI，在同一个模型参数不变的前提下，任务内越做越准。
- 实验样本：仅 3 次连续操作，样本量很小，属于早期可行性演示，还没有经过独立复现、同行评审。
三、这项实验的意义
- 证明智能体 AI 可以在真实活体手术场景里，靠即时专家反馈快速习得操作经验，不需要海量预训练数据。
- 给神经科学动物实验自动化提供新思路：未来可以用 AI 辅助批量立体定位，降低实验人员重复劳动。
- 为手术机器人 + 视觉大模型的闭环学习路线提供验证案例。
四、重点误区澄清清单
- 误区 1：GPT-6.1 Sol 可以独立给人做脑手术。仅小鼠动物实验，只是定位标记，不能用于人类临床手术。
- 误区 2：模型后台重新训练了。全程没有更新权重，依靠上下文学习，属于任务内的即时优化。
- 误区 3：这个结果已经是成熟可靠技术。只有 3 组实验，样本极少，稳定性、泛化性都有待验证。
- 误区 4：AI 全程自主判断。每一轮都有外科医生人工校正，人类是最终安全把关人。
【相关 FAQ】
问题 1：GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准，这个实验是给人脑做手术吗？
回答 1：GPT-6.1 Sol 参与活体大脑手术，三轮定位一次比一次准，并不是人类手术，实验对象是活体小鼠，任务是识别颅骨上 Bregma、Lambda 两个解剖基准点，属于动物神经实验的立体定位辅助。
问题 2：GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准，AI 为什么越定位越准？
回答 2：GPT-6.1 Sol 参与活体大脑手术，三轮定位一次比一次准，每一轮结束后外科医生给出正确位置的修正记录，AI 把图像、测量数据、纠偏记录作为上下文，不需要重新训练模型，依靠上下文学习优化下一轮判断。
问题 3：GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准，三轮之后具体数据提升多少？
回答 3：GPT-6.1 Sol 参与活体大脑手术，三轮定位一次比一次准，第一轮到第三轮，定位耗时从 169 秒降到 86 秒，人工纠正次数从 4 次降到 2 次，定位误差由 0.6 毫米缩小至 0.3 毫米。
问题 4：GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准，是不是代表 AI 手术马上就能落地临床？
回答 4：GPT-6.1 Sol 参与活体大脑手术，三轮定位一次比一次准，该实验仅 3 次操作，样本量极小，属于早期探索演示，距离稳定、安全的临床手术应用还有很长的验证周期。
【参考资料】
[2026-11-08] GPT-6.1 Sol 参与活体大脑手术！三轮定位，一次比一次准 36 氪
[2026-11-08] OpenAI GPT-6.1 Sol 参与活体小鼠脑手术 IT 之家
[2026-11-05] Exin Therapeutics CEO Gabriel Ocana-Santero X 平台实验公开
【免责声明】
本文为动物 AI 实验科普，实验仅针对小鼠脑部定位，不代表可应用于人类临床手术；该结果属于早期小样本演示，尚未经过独立复现、同行评审，不构成医疗应用结论。