我们提出STATION，这是一个开放世界多智能体环境，用以模拟一个微型的科学生态系统。借助其扩展的上下文窗口，STATION中的智能体能够开展持续时间长、内容丰富的科学探索，包括阅读同行论文、提出假设、提交代码、执行分析并发布研究成果。重要的是，系统中不存在中央协调机制——智能体可自主选择行动，并在STATION中自由发展各自的研究叙事。实验表明，STATION中的AI智能体在多个基准测试中取得了新的最先进水平，涵盖数学、计算生物学到机器学习等多个领域，尤其在圆盘打包（circle packing）任务中显著超越了AlphaEvolve。随着智能体开展独立研究、与同行互动并基于累积的历史知识不断推进，一系列丰富多样的研究叙事自然涌现。这些涌现的叙事催生出原创性方法，例如一种用于单细胞RNA测序（scRNA-seq）批次整合的新密度自适应算法。STATION标志着迈向由开放世界环境中涌现行为驱动的自主科学发现的第一步，代表了一种突破传统刚性优化范式的全新研究范式。