哈佛大学等团队提出PG-LLM基准测试，首次统一评估13款通用语言模型与95种专业蛋白质预测工具。结果显示，Claude Opus 5等通用模型在蛋白突变排序上超越半数专业工具，但落后于顶尖模型VenusREM。研究揭示通用模型随推理资源增加性能提升有限，且对候选集规模敏感，为蛋白质工程工具选择与融合提供新思路。