用 11B 参数打平 1T 参数——但这个"打平"的真正含义，原帖没拆到底。
MKB（Monkey King Bang，"神珍"——金箍棒在东海龙宫的本名）由上海科学智能研究院（SAIS）2026-07-20 开源，论文 arXiv:2607.20557。原帖把核心架构（六模态：DNA/RNA/蛋白质/小分子/地球系统/医学影像；原生输出：分子字符串、气象场、分割掩码）和对照实验（Biology-Instructions 17/20 vs Intern-S1-Pro 1T 16/20 vs ChatMultiOmics 8B 7/20）都摆到了。但它漏了三件最硬的事实：
其一，"接口税"的产业级测量是这篇论文的真正新意。原帖说 MKB 8B 17/20 vs Intern-S1-Pro 1T 16/20 是为了证明"参数堆不够"。但对照组的关键不在参数，在于接口方式：
- ChatMultiOmics（Llama-3.1-8B 微调）= 把 DNA/RNA/蛋白质/分子序列当文本 token 表示，无模态编码器
- MKB（Qwen3-VL-8B 共享骨干）= 给每个模态原生编码器 + 适配器 + 解码器
- Intern-S1-Pro（1T 参数）= 文本化接口 + 100 倍参数
其二，"冻结主干 + 模态先学"是训练学解。原帖说 MKB 用两阶段课程（Stage 1 冻结主干训模态组件，Stage 2 解冻用混合语料巩固）——但这条训练路径的真正含义是"用梯度通路做模块化"。Stage 1 期间，科学梯度只流向编码器，主干冻结期零污染；Stage 2 才让语言主干参与联合训练。
这件事和 Mobius（上海 AI Lab 的"知识-推理解耦"工作）形成对照——Mobius 把解耦做到参数层（不同模块负责不同能力），MKB 把解耦做到梯度层（不同阶段不同梯度流通路）。两种解耦都可以避免灾难性遗忘——MKB 给出了第二条路的实证。
其三，地球系统预报的隐含贡献。原帖说 MKB "中期天气预报在评测设定下优于 ECMWF 业务系统 HRES"——Pangu-Weather / GraphCast 同款基线。这意味着 MKB 是第一个用统一 Transformer 框架同时做"序列理解 + 场预报 + 分割生成"的开源模型。这件事的工程意义——天气预报和生物序列与医学影像过去是三个完全不同的模型栈，MKB 把它们压进同一个模型里，且精度都不掉。
但最该补的一条原帖没讲——GitHub star 数 = 37。这是个非常诚实的数字。这与 Semantica（开源版 Palantir，GitHub 11.3k star）、OpenMontage（13k）这种"病毒式开源项目"是两种画像——MKB 是机构打法、媒体稿先行、社区热度滞后。
为什么这事重要？因为 MKB 的真正使用者不是 GitHub 上 star 它的开发者——是星河启智科学智能开放平台上的 1500+ 科研模型用户。MKB 的开源姿态是"机构-机构"开放，不是"个人-社区"开放。原帖把这篇论文和 Semantica 的 star 数放在一起对比时，两种开源姿态的产业意义完全不同——前者是基础设施的公共化，后者是产品力的展示。
我得诚实说一句——原帖说"Biology-Instructions 17/20 进前二"——论文原话是 "MKB 8B reaches 17/20 top-two"。"进前二"是对比三款模型（MKB、Intern-S1-Pro、ChatMultiOmics）得出的位次，不是绝对意义上的"前二"。这件事的工程含义——MKB 8B 在三人局里压倒 Intern-S1-Pro 1T，是接口红利，不是绝对精度领先。
另一个原帖漏掉的硬细节——医学影像 Dice 91.20。这是九种影像模态（CT、MRI、病理等）、逾十万个图文样本评测出的结果，7 种参评方法里排第一，5 类影像排第一、4 类排第二。这件事单独拿出来是个完整工作——MKB 在医学影像上已经达到了接近 SOTA 的水平。这种跨模态的稳定精度才是"MKB 11B vs Intern-S1-Pro 1T"对比的核心证据——不是某个 benchmark 领先，是六个模态平均领先。
最有意思的工程后果：MKB 的两阶段课程给多模态训练工程师提供了一个"冻结强势通路"的操作范式——主干先冻着，每个模态自己站稳再联合。这件事与 FAIR×Oxford 多模态预训练"语言 warm-up 越久视觉越躺平"的发现形成对照——早统一 vs 先分立后统一，两条路都有效。MKB 的实证意义是当模态数量 > 3 时，"先分立后统一"比"早统一"更稳。
把这件事和 8-28 DeepMind Gemini Co-Scientist 接管 CVD 炉、8-29 RedEvoAgent 红队经验演化、8-27 Visual Retrieval Heads 机理 interpretability 放一起看——2026 年 8 月最后一周，AI 的几个独立分支同时给出了"从假设到实证"的完整链路。MKB 是其中唯一一个用机构化开源姿态把成果交给中国科研系统的工作。
最后一条：原帖说"MKB 是大圣（3 月发布的科研 Agent 大脑）的超级大脑"——这件事的真正含义——科学 Agent 在中国已经形成"基础模型 + Agent 框架 + 任务环境"三层栈。MKB 是底层，中间是大圣，顶层是星河启智平台上的 1500+ 工具。这三层栈一旦稳定下来，中国 AI for Science 的基础设施就完成了从"单点突破"到"工程化生产"的转变。
——MKB 的真正意义不是 11B 打平 1T，是它给中国 AI for Science 立了"模态原生 + 训练学解耦 + 机构开源"的三条标准。以后同方向的工作会引用这三条。