2026 Bio-AI açık kaynak denetim raporu: 10 projeyi inceledik, "çoğu çalışıyordu ama güven vermiyordu."

Genel özet

• Bu rapor, Mart 2026 itibarıyla görünürlüğü yüksek 10 Bio-AI ve komşu bilim otomasyonu deposunun denetim sonuçlarını özetliyor.
• Seçim rastgele yapılmadı; GitHub yıldızları, teknik tartışma sıklığı ve ekosistemdeki gerçek görünürlük esas alındı.
• Denetim iki aşamalı yürütüldü: 1. aşamada teknik kod incelemesiyle repo yapısı, entry point'ler ve çalıştırma kontrol edildi; 2. aşamada STEM-AI v1.0.4 puanlamasıyla dokümantasyon bütünlüğü, kod, testler ve yönetişim değerlendirildi.
• Sonuç: Çoğu çalıştırılabiliyor. Ancak güvenilebilir düzeyde değiller. Yönetişim eksikliği, Bio-AI'nin sınırlarını gösteriyor.

1. 2026 itibarıyla Bio-AI'nin durumu

• LLM tabanlı Bio-AI araçları hızla artıyor.
• Agent, skills ve automation wrapper hype'ı da hızla yayılıyor.
• Görünürdeki performans ve kullanışlılık artıyor.
• Ancak doğrulama mekanizmaları yetersiz.
• Sorumluluğun kimde olduğu belirsiz.
• İlaç keşfi gibi yüksek riskli alanlarda bu durum özellikle tehlikeli.
• Sonuç olarak, yeteneklerin yayılma hızı; doğrulama ve yönetişimin çok önünde gidiyor.

2. Denetim kapsamındaki projeler

• 10 hedef seçildi.
• Ölçütler görünürlük, etki, gerçek maruziyet, tartışma sıklığı ve merkezilikti.
  • Biomni
  • AI-Scientist
  • CellAgent
  • ClawBio
  • LabClaw
  • claude-scientific-skills
  • SciAgent-Skills
  • BioAgents
  • BioClaw
  • OpenClaw-Medical-Skills

3. Denetim yöntemi

• Denetim iki aşamada yapıldı.
• 1. aşama: Technical Code Audit
  • Depo yapısı incelendi.
  • Entry point'ler kontrol edildi.
  • Orchestration katmanı incelendi.
  • Çalıştırma akışı izlendi.
  • Çıktı yolları kontrol edildi.
  • Kritik dosyalar doğrudan incelendi.
  • README'deki iddialar gerçek kodla karşılaştırıldı.
  • Yani odak, “ne yaptığı yazıyor”dan çok “gerçekte ne yaptığı” üzerindeydi.
• 2. aşama: STEM-AI v1.0.4 puanlaması
  • S1 değerlendirmesi yapıldı.
  • README ve dokümantasyon bütünlüğü kontrol edildi.
  • S3 değerlendirmesi yapıldı.
  • Kodun fiilen varlığı, testler, değişiklik disiplini ve biyolojik bütünlük mekanizmaları incelendi.
  • Yani bu bir izlenim değerlendirmesi değildi; yapı doğrulandıktan sonra puanlama yapıldı.
• Denetim ilkeleri
  • Tüm depoların eksiksiz dinamik yeniden üretimi tamamen yapılmadı.
  • Bunun yerine, temel iddialarla doğrudan bağlantılı bölümlere odaklanıldı.
  • Riskli veya çelişkili kısımlar derinlemesine incelendi.
  • Temel ilke: README yerine çalıştırılabilir yüzey önceliklidir. Dokümantasyon ile kod çelişirse, karar belgeye göre değil çalıştırmaya göre verildi.
  • Yani bu denetim, bir yeniden üretim benchmark'ından çok yapısal bir teşhise daha yakındı.

4. Puanlamaya göre dereceler

• T0: Güven oluşmamış. Çalışsa bile güvenilebilir bir sistem olarak görülmesi zor.
• T1: Bazı yapılar mevcut, ancak güven hâlâ yetersiz. Keşif ve referans düzeyi.
• T2: Anlamlı ilerleme var, ancak gözetimli pilot için hâlâ yetersiz.
• T3: Gözetimli pilot incelemesi için mümkün olan asgari eşik.
• T4: Sonuç sorumluluğu daha yüksek ortamlarla bağlantının değerlendirilebileceği seviye.
• Rapor, T3'ü gözetimli pilot için asgari eşik; T4'ü ise daha yüksek sonuç sorumluluğu olan ortamlara bağlanmak için asgari eşik olarak tanımlıyor.

5. Sonuçlar

• Tek tek repo sonuçları
  • AI-Scientist — 48 puan, T1
  • Biomni — 17 puan, T0
  • BioAgents — 30 puan, T0
  • BioClaw — 29 puan, T0
  • CellAgent — 15 puan, T0
  • ClawBio — 63 puan, T2
  • claude-scientific-skills — 24 puan, T0
  • LabClaw — 20 puan, T0
  • SciAgent-Skills — 32 puan, T0
  • OpenClaw-Medical-Skills — 22 puan, T0
• Sonuçların anlamı
  • 10 projenin 8'inde güven oluşmamış durumda.
  • 1 projede bazı yapılar var. Ancak yine de yetersiz.
  • 1 proje en iyi sonucu verdi. Ancak pilot için gereken asgari eşiğin altında kaldı.
  • T3 veya üzeri alan proje sayısı 0. Yani gözetimli pilot için asgari kriteri geçen hiçbir depo yok.

6. Tekrarlanan sorun örüntüleri

• Aşırı iddia
• Zayıf doğrulama
• Yetersiz izlenebilirlik
• Zayıf hata sınırları
• README ile çalıştırma gerçeği arasında uyumsuzluk
• Yönetişim yokluğu
• Yetersiz yeniden üretilebilirlik
• Lisans, sorumluluk ve operasyon sınırlarının belirsizliği
• Klinik yakın alanlardan söz edilse de sorumluluk yapısı zayıf
• CI, bilimsel doğrulamadan çok sözdizimi ve biçim doğrulamasına odaklı.
• Mockup ve placeholder'ların gerçek işlev gibi göründüğü örnekler tespit edildi.
• Yerel tasarım iyi görünse bile dağıtım varsayılanlarının riskli olduğu durumlar tekrarlandı.

7. Nihai sonuç

• Bu rapor, Bio-AI açık kaynak ekosisteminin tamamının “işe yaramaz” olduğunu söylemiyor.
• Asıl vurgu, yetkin görünmek ile güvenilebilir olmak arasında fark olduğuna yapılıyor.
• Darboğaz yalnızca model yeteneği değil; doğrulama, izlenebilirlik, sorumluluk ve yönetişim eksikliği daha büyük sorun.
• Daha açık söylersek, ancak iddialar ve çıktıların yeniden üretilebilirliği sağlanır, sınırlar netleştirilir ve kurumsal incelemeye uygun yapı kurulursa Bio-AI güvenilebilir bir sisteme dönüşebilir.

8. Tek cümlelik özet

• Bio-AI'deki asıl sorun, yetenek eksikliğinden çok doğrulama ve yönetişim eksikliği.