Warszawski startup Molecule.one przekonał świat nauki, że sztuczna inteligencja potrafi nie tylko przewidywać, ale i odkrywać. We współpracy z OpenAI jego platforma Maria zaproponowała, przetestowała i potwierdziła usprawnienie reakcji chemicznej, z którą chemicy męczą się od końca lat 90.
Kluczowe fakty:
- Warszawski startup Molecule.one, we współpracy z OpenAI, stworzył agenta AI o nazwie Maria opartego na modelu GPT-5.4, który samodzielnie wybrał problem chemiczny, postawił hipotezę i przeprowadził ponad 10 000 reakcji w celu jej weryfikacji.
- Agent Maria zajął się reakcją Chana-Lama – konkretnie problemem niskiej wydajności przy łączeniu pierwszorzędowych sulfonamidów z kwasami boronowymi, co ma praktyczne znaczenie, ponieważ grupa sulfonamidowa występuje w ponad 90 lekach zatwierdzonych przez FDA.
- W wyniku przeprowadzonych 10 080 reakcji w dwóch cyklach eksperymentalnych średnia szacowana wydajność reakcji wzrosła z 16,6% do 25,2%, dzięki systematycznemu zastosowaniu stabilnego rodnika organicznego TEMPO jako dodatku do reakcji.
Nie był to model odpowiadający na pytania w oknie czatu. Był to agent podłączony do prawdziwego laboratorium, który sam wybrał problem, postawił hipotezę i wykonał ponad dziesięć tysięcy reakcji, żeby ją sprawdzić. Zespół Molecule.one pokazał zapis całego procesu, a firma opublikowała go wraz z OpenAI w formie wpisu i preprintu. Materiał, do którego warto zajrzeć na początek, to krótkie podsumowanie samego startupu na Twitterze:
We teamed up with @OpenAI to provide a first glimpse of AI-native chemistry.
GPT and Maria originated, tested, and proved an improvement to Chan–Lam coupling — a key reaction in drug discovery.
10,080 reactions. 3 months. Near-autonomous discovery in the physical world. https://t.co/BTfpdIisC3
— molecule.one (@MoleculeOne) June 17, 2026
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Na czym polega odkrycie agenta Maria
Celem był konkretny, dobrze znany chemikom kłopot. Reakcja Chana-Lama to metoda tworzenia wiązań między węglem a azotem, oparta na tanim katalizatorze miedziowym i tolerująca wilgoć oraz powietrze. Ma jednak słaby punkt. Kiedy chemik próbuje połączyć tak zwane pierwszorzędowe sulfonamidy z kwasami boronowymi, wydajność zwykle spada, a produktu ubywa w reakcjach ubocznych. To realne wąskie gardło, bo grupa sulfonamidowa występuje w ponad 90 lekach zatwierdzonych przez amerykańską FDA, od onkologii po kardiologię.
System złożony z modelu GPT-5.4 i platformy Maria wskazał tę klasę związków jako problem wart rozwiązania, a potem zaproponował rozwiązanie, które większości chemików umykało. Chodzi o TEMPO, stabilny rodnik organiczny sprzedawany od dekad jako łagodny utleniacz. Jego rola w reakcji Chana-Lama pojawiała się w literaturze tylko wyrywkowo. Nikt nie sprawdził jej systematycznie dla trudnej klasy sulfonamidów. Maria to zrobiła.
Wyniki są policzalne, a nie retoryczne:
- Laboratorium wykonało 10 080 reakcji w dwóch cyklach, w skali mikrolitrowej.
- Średnia szacowana wydajność wzrosła z 16,6% do 25,2%.
- Odsetek reakcji przekraczających próg 30% wydajności podniósł się z 15,6% do 37,5%.
- Poprawę odnotowano dla 88% testowanych kwasów boronowych i 83% sulfonamidów.
- Chemicy powtórzyli reprezentatywne reakcje ręcznie i uzyskali wyższą wydajność w 11 z 14 par substratów, a w 8 przypadkach ponad dwukrotną.
Dlaczego to coś więcej niż kolejny slajd o AI w nauce
Widziałem dziesiątki komunikatów w stylu „AI rewolucjonizuje odkrywanie leków”. Większość rozbijała się o brak twardego wyniku. Tutaj jest inaczej. Po raz pierwszy publicznie udokumentowano przypadek, w którym czołowy model działał niemal samodzielnie wewnątrz laboratoryjnej pętli: przeszedł od przeglądu literatury, przez postawienie hipotezy, po eksperyment i jego analizę. OpenAI świadomie użyło słowa „niemal”, bo człowiek został w tym układzie. Chemicy dawali ostateczne zielone światło na eksperymenty, nanosili poprawki i fizycznie kontrolowali sprzęt. Projekt zamknął się w około 2,5 miesiąca, a jego wewnętrzna nazwa brzmiała OAI-M1-03.
Do tego dochodzi kontekst, który OpenAI opisało osobno. Cały proces zaprojektowano tak, by wykluczyć toksyny, projektowanie szkodliwych związków i broń chemiczną, a całość działała w ramach firmowego frameworku bezpieczeństwa. To ważne, bo agent, który sam proponuje i testuje reakcje, jest narzędziem, które w niepowołanych rękach może zostać użyte inaczej.
Nie brakuje też głosów sceptycznych. Na Hacker News część komentujących, w tym byli chemicy, uznała wynik za skromny i przypomniała, że to wciąż preprint bez pełnej recenzji naukowej i bez niezależnej replikacji poza zespołem projektu. Mechanizm działania TEMPO również nie został do końca wyjaśniony. Te zastrzeżenia są uczciwe i warto je trzymać obok entuzjazmu.
Patrzę na to odkrycie z mieszaniną entuzjazmu i ostrożności. Z jednej strony mamy realny, policzalny wynik: nie prezentację ani slajd, tylko ponad dziesięć tysięcy reakcji wykonanych w laboratorium i potwierdzonych ręcznie przez chemików. To znacznie więcej niż większość doniesień z gatunku „AI zmienia naukę”.
Z drugiej strony trzymam w głowie kilka pytań. Wynik jest na razie preprintem, bez pełnej recenzji i bez replikacji przez laboratorium spoza projektu. Nie wiemy do końca, dlaczego TEMPO działa. Jest też kwestia, o której rzadko się mówi przy takich sukcesach. Skoro najlepszy polski zespół w tej dziedzinie przenosi centrum ciężkości do San Francisco, bo tam czekają kapitał i tempo, to co to mówi o naszej zdolności zatrzymywania takich firm u siebie?
Kibicuję Molecule.one bez wahania. Ale przełom w laboratorium i przełom w budowaniu gospodarki opartej na nauce to dwie różne rzeczy. Pierwszego właśnie byliśmy świadkami. Drugi wciąż jest przed nami.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Co mówią eksperci
Paweł Przewięźlikowski, współzałożyciel i prezes Ryvu Therapeutics, porównał propozycję zastosowania TEMPO do słynnego ruchu 37 wykonanego przez system AlphaGo. Jego zdaniem to kolejny dowód na to, że modele AI potrafią być twórcze, a nie tylko odtwórcze, a skala 10 080 reakcji sprawia, że wyniku nie da się złożyć na karb przypadku.
Sceptyczniejszy, choć nie odrzucający technologii, jest głos dr inż. Eweliny Pawlus-Czerniejewskiej, prezeski Green Zebras. Zwraca ona uwagę, że obecność człowieka w podejmowaniu decyzji pozostaje niezbędna, a uzależnienie od algorytmów i utrata umiejętności prowadzenia procesów bez nich mogą być równie groźne jak zależność surowcowa. Sprzeciwia się też nazywaniu algorytmów „syntetycznymi chemikami”, bo sugeruje to rywalizację z ludźmi, i podnosi otwartą kwestię własności intelektualnej, gdy „autorem” pomysłu jest model.
Ze strony OpenAI wynik komentował badacz Ahmed El-Kishky, który wskazywał, że projekt pokazuje, „co staje się możliwe, gdy zaawansowana inteligencja zostaje połączona z wyspecjalizowanymi agentami naukowymi” / „what becomes possible when frontier intelligence is paired with purpose-built scientific agents”.
Kim jest Molecule.one i kto za nim stoi
Firmę założyli w 2018 roku Piotr Byrski, Paweł Włodarczyk-Pruszyński i dr Stanisław Jastrzębski. Od początku mieli jeden cel: radykalnie skrócić drogę do odkryć naukowych. W 2022 roku uruchomili pod Warszawą, w Dziekanowie Leśnym, laboratorium chemiczne sterowane przez AI, w którym to model jest głównym operatorem, a człowiek pełni funkcję pomocniczą. To odwrotność większości wdrożeń sztucznej inteligencji, gdzie AI dokłada się do pracy człowieka.
Platforma dostała imię Maria, na cześć Marii Skłodowskiej-Curie, do dziś jedynej kobiety uhonorowanej dwiema Nagrodami Nobla. Składa się z laboratorium, zbioru danych i modelu AI. Firma zbudowała przy jej pomocy największy publicznie znany zbiór danych o reakcjach w skali mikrolitrowej, ponad 400 tysięcy eksperymentów. Sama przepustowość laboratorium sięga 12 tysięcy reakcji tygodniowo i zaczyna być barierą wobec rosnącego popytu.
Polski wątek pomógł też w samej współpracy z OpenAI. Byrski poznał głównego naukowca OpenAI, Jakuba Pachockiego, przez wspólnych znajomych ze studiów na Uniwersytecie Warszawskim. Jak przyznaje, okazało się, że obaj podobnie myślą o roli AI w nauce.
Pieniądze, przeprowadzka do USA i plan na kolejne potrojenie
Molecule.one nie jest laboratoryjnym eksperymentem żyjącym z grantów. Startup zebrał dotąd około 40 milionów złotych z dotacji i od inwestorów, a wśród nich znalazło się grono renomowanych funduszy venture capital: Sunfish Partners, Expeditions Fund, Atmos Ventures, Possible Ventures, AME Cloud Ventures, Cherubic Ventures, Hanover oraz Outsized Ventures. Na liście aniołów biznesu są nazwiska, które w polskim ekosystemie technologicznym mówią same za siebie: Mati Staniszewski z ElevenLabs, Marcin Żukowski ze Snowflake, Piotr Romanowski z Selvity i Sebastian Guth z Bayera.
Firma generuje przychody od kilku lat. W 2025 roku potroiła je do ponad 10 milionów złotych, a na ten rok zapowiada kolejne potrojenie. Co więcej notuje już dodatni wynik na poziomie EBITDA i zysk netto, choć jak mówi Byrski, marża nie jest teraz priorytetem, bo bardziej opłaca się inwestować. Jednym z takich projektów jest współpraca z globalną firmą W.R. Grace, którą startup pozyskał dzięki wygranej w konkursie z nagrodą miliona dolarów. Obie firmy szukają nowych sposobów syntezy związków wykorzystywanych do produkcji leków w rodzaju Ozempiku.
Jest jednak druga strona tej historii. W tym roku Byrski przeprowadził się do rejonu San Francisco. Powody były dwa: łatwiejszy dostęp do kapitału i najszybsze na świecie tempo rozwoju AI. Startup buduje w USA kilkunastoosobowy zespół i planuje otwarcie tam laboratorium bliźniaczego wobec polskiego. Z 30 zatrudnionych osób większość wciąż pracuje w Polsce i ta liczba ma znacznie wzrosnąć, ale środek ciężkości firmy przesuwa się za ocean.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskiej nauki i rynku
Rynek AI w odkrywaniu leków jest dziś wyceniany bardzo różnie, w zależności od metodologii, od kilku do kilkunastu miliardów dolarów w 2026 roku, a niektóre prognozy mówią o dziesiątkach miliardów dolarów rocznej wartości, jaką generatywna AI może dać całej branży farmaceutycznej. Ten optymizm ma jednak drugie dno. Rok 2025 przyniósł upadłości i zwolnienia w mniejszych spółkach AI od leków, a wyceny wielu z nich runęły względem szczytu z lat 2021 i 2022. W tym samym czasie giganci dokładają do stawki, czego przykładem jest miliardowa, rozłożona na pięć lat inwestycja Eli Lilly i Nvidii we wspólne laboratorium AI. To rynek, w którym łatwiej zniknąć niż urosnąć.
Na tym tle Molecule.one wygląda jak jeden z najciekawszych polskich projektów deep techowych ostatnich lat. I tu pojawia się pytanie, które powinno zostać z nami dłużej niż sam news. Mamy zespół, który dowiózł wynik na światowym poziomie, opublikowany razem z OpenAI. Mamy polskie pochodzenie części kapitału, od ElevenLabs po Selvitę. A mimo to firma po sukcesie idzie po kolejną rundę finansowania do USA i tam przenosi prezesa. Jeśli chcemy, żeby polska nauka i polski deep tech były czymś więcej niż kuźnią talentów dla Doliny Krzemowej, to właśnie takie sprawy powinny wracać w rozmowach o kapitale, regulacjach i budowaniu rodzimego rynku dla technologii z najwyższej półki.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz źródeł zewnętrznych, w tym oficjalnego wpisu i preprintu Molecule.one oraz OpenAI z 17 czerwca 2026 roku (molecule.one) i szczegółowej relacji R&D World, a także doniesień TechTimes, Pure AI i Let’s Data Science. Dane o wynikach finansowych, inwestorach oraz komentarze Piotra Byrskiego, Pawła Przewięźlikowskiego (Ryvu Therapeutics) i dr inż. Eweliny Pawlus-Czerniejewskiej (Green Zebras) pochodzą z reporterskiego materiału XYZ autorstwa Mariusza Bartodzieja. Dane o wielkości rynku AI w odkrywaniu leków opierają się na prognozach branżowych, w tym Drug Target Review. Cytat Ahmeda El-Kishky’ego (OpenAI) zweryfikowano z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o postępach Molecule.one i recenzji naukowej opisanego odkrycia.
