27 个有机分子、810 种空间构象的测试中，多款前沿大模型的稳定性排序准确率超过经典力场 UFF，并逼近现代 GFN-FF。这件事值得关心，因为语言模型的化学推理边界，可能比我们此前判断得更靠近专业工具。

这是什么

构象排序，是按空间形态判断同一分子的不同摆位谁更稳定。它直接影响药物分子设计、反应路径和材料计算，必须处理原子连接之外的三维关系。

俄罗斯有机化学研究所与佛罗里达州立大学团队，以 DFT（用量子力学方法计算分子性质）结果为标准，测试了不同代际的大模型。GPT-5.6 Sol、Kimi K3 和 Gemini 3.6 Flash 超过经典力场；GPT-6 Astra 与 Claude Opus 5 已接近现代力场。

更值得研究的是失败位置：模型对氢键等定义清楚、量化充分的化学概念表现较好，却在环张力等边界模糊的概念上普遍失准。换句话说，它不是先获得完整化学直觉，而是在语言中可描述、可计算的部分获得了较强能力。

行业怎么看

这项结果支持一个更克制的判断：纯文本训练不只让模型复述知识，也可能从论文和教材中形成可迁移的三维结构表征。尤其是能力与科学、编码、抽象推理测试成绩相关，为这一解释提供了线索。

但反对意见同样明确。测试只覆盖 27 个小分子，不能代表庞大化学空间；模型读取的仍是几何文字描述，不等于真正感知三维；与推理测试相关，也不等于相关能力就是构象排序的成因。所谓“自行涌现”，目前仍是假说，而非已证实机制。

因此，我们不会把它解读为“模型已经替代专业化学软件”。更可靠的结论是，AI 已进入可验证的专业工作流，下一步价值将取决于结果能否通过更多分子、实验和真实项目复核。

对普通人的影响

对企业 IT：药物、材料和研发型企业的 AI 评估应从问答能力转向可验证任务。若企业已有结构化数据与专业软件，大模型更可能先成为搜索、解释和方案筛选层，而非独立决策系统。

对个人职场：化学、制药、材料及科研支持岗位将更早接触模型辅助排序和验证。短期内，模型擅长的是有明确标准的问题，专业人员仍需审查边界条件与失败案例。

对消费市场：模型参与分子筛选，可能缩短部分早期研发周期，但不会直接转化为更便宜的药品或材料。药物开发仍受合成、临床、安全和监管等更长链条约束。