Omnii-1 是什麼？Radical Numerics 稱 AI 設計噬菌體已用於病患，證據與限制怎麼看

台灣時間 10 月 21 日凌晨 0 點 25 分，Radical Numerics 的共同創辦人兼執行長 Eric Nguyen 在 X 發文，介紹他們「最強的基因體語言模型」Omnii-1。

貼文還說了一句「世界首次」：Omnii-1 設計的噬菌體，被用在一名抗生素抗藥性感染的病患身上。這則貼文附了 2 分 35 秒的影片，到 10 月 21 日上午已有 766 個讚、約 32 萬次瀏覽。

「最強」加上「世界首次」，很容易讓人以為 AI 設計的藥已經救了人。但官方文章寫得比貼文保守得多，公司明說不公開病人的病程與結果，也承認單一病患的觀察無法證明安全或有效。

更重要的是，目前能查到的證據都來自公司自己的部落格。我查了官方首頁、主文、各應用子頁、噬菌體文章與生物防禦文章，沒有看到同儕審查的論文，也沒有模型權重、授權、參數量或定價的說明，使用方式是研究預覽，需要申請存取。

這件事仍然值得認真讀，因為如果基因體語言模型真的能縮短挑選與設計噬菌體的時間，對抗藥性感染會有意義。同時，會設計生物序列的模型也帶來生物安全問題，官方自己也把這兩件事並列。

我的判斷是，這個模型是一個值得追蹤的早期進展，不是治療突破。適合生物科技、生物資訊與政策領域的讀者關注，不適合病人或家屬把它當成治療選項。

本文不提供醫療建議，如有感染問題，請諮詢醫師。要判斷這些宣稱有多少分量，得先弄清楚這個模型是什麼。

Omnii-1 是什麼？同時學 28 種生物資料的基因體語言模型

Omnii-1 是 Radical Numerics 開發的基因體語言模型，也就是把 DNA、RNA、蛋白質這類生物序列當成「文字」來學的模型。語言模型原本是學習一串文字的下一個字會是什麼，基因體版本則用來預測基因變化的影響，或產生有特定功能的序列。

依官方部落格，Omnii-1 是多模態的基因體語言模型，直接在 28 種生物資料上預訓練，包括 DNA、RNA、蛋白質、染色質可及性、轉錄因子結合、組蛋白修飾、DNA 甲基化、剪接與基因表現，並依細胞類型與組織作為條件。官方說訓練資料達數兆個詞元。

官方把它稱為「世界上最先進的多模態基因體語言模型」，這是廠商宣稱。官方子頁雖然有逐項基準與比較對象，但都由公司自己執行與挑選，沒有外部複現。

Radical Numerics 把自己定位成一家「解決生物學」的 AI 實驗室，並提出雙重任務，一是推進生物智慧，二是強化生物防禦。官方也說，同一個基礎模型經過中期訓練或後訓練，被改造成八項應用。

這八項分別是基因體調控預測、噬菌體設計、遺傳疾病、癌症診斷、生物防禦、稀土分離蛋白、抗體設計與癌症疫苗，各自做了額外訓練。

至於一般人能不能用，頁面上只有「Omnii-1 Research Preview：Request access」的申請入口，生物防禦功能則是限制存取的 API。官方沒有公開權重，也沒有說明授權、模型大小或定價。

了解模型的定位之後，最受矚目的就是那個噬菌體案例。

Omnii-1 噬菌體案例：官方證據寫了什麼、沒寫什麼

噬菌體是專門感染細菌的病毒，噬菌體療法就是用它對付細菌。難處在於一種噬菌體通常只認得特定菌株，所以要治療一名病人，得先找到能打敗那位病人身上那一株細菌的噬菌體，這一步靠篩選，往往很花時間。

官方說 Omnii-1 做兩件事。一件是設計，也就是在現有噬菌體的基因組中，改動特定區域，產生新的變體。另一件是預測宿主，也就是判斷哪一種噬菌體能感染哪一株細菌，用來決定先測哪些。

設計的實驗對象是大腸桿菌噬菌體 T7，基因組約 4 萬個鹼基，官方文章把它與先前研究用的 ΦX174（約 5,400 個鹼基）對比，指出 T7 大了七倍以上。設計的區域是 T7 負責辨認細菌的尾纖維蛋白。

在實驗室裡，官方報告了幾組數字。當設計變體與野生型相差 11 到 15 個胺基酸時，69.9% 的設計成功被回收，隨機對照只有 4.8%。

回收率是官方用來代表能不能存活的替代指標，沒被偵測到的設計也不一定無法存活。

另外，在 6,694 個測得活性的變體中，有 2,161 個高於野生型，最多相差 28 個胺基酸，而隨機對照中高於野生型的，最多只改了 5 個胺基酸。這些是公司的內部實驗，沒有外部複現。

在預測宿主上，官方說對隨機留出的大腸桿菌菌株，只看模型推薦的前兩種噬菌體，其中至少有一種有效的菌株占符合條件菌株的 92.1%。整個菌群的 37 株都被留出後，用兩種噬菌體仍可涵蓋 91.4%。

至於病人的部分，官方文章的意思是，含有 Omnii-1 設計變體的混合噬菌體，在實驗室中消滅了病人的抗藥性菌株，之後在經授權、由醫師主導的同情使用管道下，施用於病人。

同情使用是指病況嚴重又沒有合適替代療法時，在臨床試驗之外使用試驗性療法。

公司說，為了保護病人隱私，不公開病程與結果，因為連少量臨床資訊都可能讓人辨識出身分。公司也寫明，這些療法尚未獲得監管機關批准，單一病患的觀察不能證明一般的安全性或療效。

「世界首次」的說法需要這樣讀。它指的是 AI 生成的噬菌體首次被用在病人身上，這是公司的宣稱，我沒有查到獨立來源能確認。

官方文章引用的 Science 2026 研究，是在實驗室設計出能存活的噬菌體，文中沒有說用於病人。

延伸閱讀：SynthID Bio 為 AI 蛋白質設計留下水印：知道來源，與確認安全是不同工作

噬菌體只是八項應用之一，其他七項的數字也值得逐項看口徑。

八項應用的數字怎麼讀？官方成績與限制

下表整理官方主文的數字，並標出每項的口徑。表中的結果全部由公司自行評測，基準與比較對象也由公司選擇。

表中幾個縮寫的意思如下。GWAS 是用大量人群找出與疾病相關的基因區域，召回率是在真正有問題的樣本中找出多少，AUROC 是衡量預測分辨能力的指標，越接近 1 越好，0.5 約等於亂猜，5hmC 則是 DNA 上的一種化學修飾標記。

表格裡的口徑差異很大。例如癌症診斷的 5hmC 結果來自 250 個留出位點與 32 名病人，生物防禦的 78.6% 對 95.8% 是在 47,754 條序列的標註集上，兩者的樣本規模與用途完全不同，不能互相比較。

另一組值得記下的數字來自生物防禦的模擬病毒讀段測試。在這項測試中，整個病毒屬都被排除在訓練與參考資料外，傳統流程只找回不到 0.1%，加上這個模型的系統則找回登革熱 44.6%、Bundibugyo 22.0%。

這些數字能說明這個方向有潛力，但它們都是模型在公司挑選的情境下的表現。要把它們當成可靠的結論，至少需要獨立團隊用不同資料重現，而目前還沒有。

接下來要談的，是比數字更敏感的一件事，也就是生物安全。

生物安全：會設計序列的模型，防護怎麼做

Radical Numerics 自己把這個問題寫進公司定位。官方首頁說，更強的生物 AI 可能幫助理解疾病與設計療法，也帶來新風險，所以他們同時推進生物智慧與生物防禦。

在實際做法上，官方公開的是兩件事。一是生物防禦功能只透過限制存取的 API 與可在筆電上運行的邊緣版本提供，對象是經過審核的研究者與機構。二是 10 月 19 日公司宣布兩位生物防禦顧問加入。

官方也提出一個與防禦有關的論點。傳統比對工具擅長找與已知序列相似的對象，但對差異很大的序列召回率偏低，而蛋白質即使序列改變，功能仍可能保留，所以他們主張應該評估序列「做什麼」，不只看它「像什麼」。

這個論點與設計能力其實是同一件事的兩面。能產生與天然序列差距很大又能存活的變體，代表只靠相似度的篩查可能漏掉它們，這是我的推論，官方沒有直接把兩者連起來說明。

至於研究預覽怎麼審核使用者、哪些輸出會被限制，我查了主文、防禦文章與防禦頁，沒有看到具體標準。官方在噬菌體文章中，只承諾實驗室研究會採取嚴謹的預防措施與程序，並隨模型進展調整生物安全、生物防護、隔離、廢棄物處理與資料共享的做法。

所以目前外界只能依公司的敘述判斷，沒有公開的審核規範可供檢驗。這點很重要，因為安全措施是否有效，取決於具體做法，而不是原則聲明。

Omnii-1 適合誰關注？不適合誰？

適合持續追蹤的人，是生物科技公司、基因體與生物資訊研究者、感染科與噬菌體療法的研究團隊，以及關心 AI 生物安全治理的政策工作者。對他們來說，官方公開的實驗設計與數字，是評估合作或比較方法的起點。

不適合的情境有兩種。一是把它當成病人可以使用的治療選項，目前沒有公開的臨床試驗、取得途徑或療效資料。二是把「世界首次」與公司的整體基準當成已經被獨立驗證的結論。

如果你是想評估這家公司與模型的人，可以先問幾個問題。研究預覽的存取條件是什麼？有沒有論文或預印本可供審閱？施用病人的醫院與核准的監管機關是誰？官方目前都沒有在公開頁面回答。

一般讀者則不需要做什麼。這是還在早期的研究與商業宣布，離一般人能用到的醫療服務還很遠。

這些宣稱都出自公司自己，所以接著要把證據型態與缺口一次講清楚。

Omnii-1 的限制與風險

最大的限制是證據型態。所有數字都出自公司部落格，沒有同儕審查，沒有模型權重，也沒有外部團隊的複現。公司的比較對象與評測集由自己選擇，所以結果比較適合視為「值得檢驗的假說」。

病人案例的限制更明確。公司不公開結果，單一病患的觀察無法說明安全性或療效，也沒有說明病人是否因此改善、是否出現副作用。所以「用在病人身上」目前只是公司的說法，就算屬實，也不能推論成「有效」。

噬菌體本身的實驗，也有官方文章自己提的前提。回收率是代表存活的替代指標，沒被偵測到的設計不一定無法存活，而且在第三株細菌上，整體只有 4.5% 的變體超過活性門檻，代表有些目標更難設計。

應用層面還有一個提醒，就是官方在診斷與稀土分離的描述裡明講，前者需要前瞻性研究，後者生成的蛋白質仍待實驗驗證。所以這些數字多半是預測能力，不是已落地的成果。

最後是生物安全。能生成序列的模型一旦被不當使用，後果與一般軟體不同，而研究預覽的使用者審核標準沒有公開。這不代表公司沒有做，但外界無法檢視。

Omnii-1 常見問題

Omnii-1 現在可以下載或使用嗎？

目前只有申請存取的研究預覽，生物防禦功能是限制存取的 API，官方沒有公開權重或授權資訊。

AI 設計的噬菌體已經治好病人了嗎？

官方只說含有 AI 設計變體的混合噬菌體已在同情使用下施用於一名病人，但不公開病程與結果，所以無法說治好或沒治好。

「世界首次」的說法成立嗎？

這是公司宣稱，我沒有查到獨立來源能確認或否認，要看之後是否有論文與外部查證。

我或家人有抗藥性感染，可以申請這種療法嗎？

這篇文章不提供醫療建議。噬菌體療法目前屬於試驗性療法，是否適用應由感染科醫師與相關醫療機構評估。

結語：先把它當成假說，再看證據怎麼補上

這家公司這次一次公布了八項應用與數十個數字，加上噬菌體病人案例，聲勢很大。但從證據型態來看，它更像是一份完整的公司技術宣告，離獨立驗證與臨床確認還有距離。

如果你是研究者，可以從官方的實驗設計與留出測試入手，再等論文與外部評測。如果你是一般讀者，建議把「世界首次」當成需要後續證據的宣稱，不要把它讀成已有療效。

想了解 AI 在生物防護的另一條路線，可以接著讀站內介紹 Google DeepMind 生物韌性計畫的整理，再回到 Radical Numerics 官方研究頁追蹤後續論文與更新。

延伸閱讀：Google DeepMind 啟動 AI 生物韌性計畫：AlphaGenome、AlphaEvolve 如何防範下一場疫情？

資料來源

• Radical Numerics：Introducing Omnii-1: a leap toward general biological intelligence（2026-10-20）
• Radical Numerics：Radical Numerics creates first AI-generated phages to reach human patient with Omnii-1（2026-10-20）
• Radical Numerics：Biodefense with Omnii-1, through API and edge deployment（2026-10-20）
• Radical Numerics：Omnii Genome（基因體調控基準與比較對象）
• Radical Numerics：Omnii Defense（Radical Advances）
• Radical Numerics 官方首頁
• Radical Numerics：Research 頁面（文章清單）
• Eric Nguyen 在 X 的貼文（原作者發布，鏡像讀取）