Вторая часть серии исследований, посвященных оценке применимости современных ИИ-фреймворков для автоматизации научных исследований в реальной промышленной среде. Авторы протестировали пять передовых ИИ-систем (Kosmos, K-Dense, ToolUniverse, BioAgents от bio.xyz и AI Scientist-v2 от Sakana AI) на двух практически значимых для биофармацевтики задачах: предсказание свойств разрабатываемости антител с использованием эмбеддингов предобученных белковых языковых моделей и моделирование нековалентных липид-РНК взаимодействий в липидных наночастицах с помощью полноатомной молекулярной динамики (МД). Результаты показали, что фреймворки демонстрируют реальные сильные стороны: они самостоятельно выявляли тонкие методологические проблемы, успешно использовали предобученные белковые эмбеддинги и последовательно сообщали p-значения и доверительные интервалы, часто отсутствующие в оригинальных статьях. Однако ни один фреймворк не смог охватить весь объем оригинальных исследований, и наблюдались серьезные сбои и галлюцинации. Выводы подтверждают и расширяют результаты первой части: реальные опубликованные исследования фармацевтических компаний оказались значительно сложнее для современных ИИ-фреймворков, чем стандартные бенчмарки. Это подчеркивает разрыв между лабораторными тестами и практическим применением ИИ в научных исследованиях, что важно учитывать при внедрении таких систем в биофармацевтическую разработку.