OpenAI lanza BioBasicsBench, una prueba de 100 tareas para agentes de IA en análisis de laboratorio
El 6 de noviembre OpenAI publicó BioBasicsBench, una prueba que comprueba si los agentes de IA saben leer los resultados en bruto de los laboratorios de biología. Se creó con Ligo, una empresa dedicada al diseño de enzimas, y tiene 100 tareas en cinco áreas, desde métodos con proteínas y ADN hasta microscopía y clonación molecular, con fotos reales de geles, placas, archivos de secuenciación y vídeos de laboratorio. En el nivel de razonamiento más alto común a los siete modelos probados, GPT-6 Astra obtuvo el 66,7% de la puntuación posible, GPT-6.1 Sol el 62,0% y GPT-5.6 Sol el 43,8%.
Lee el original en OpenAI — Measuring how AI agents handle everyday wet-lab science ↗
Por qué importa
La mayoría de las pruebas científicas usan figuras limpias sacadas de artículos, mientras que los datos reales de laboratorio son desordenados y a menudo no concluyentes. Esta prueba también premia al modelo que reconoce cuándo las evidencias no bastan, algo que un científico necesita antes de confiar en un asistente de IA. Los propios ejemplos de OpenAI muestran que el mejor modelo todavía elige colonias equivocadas, ignora datos que lo contradicen y cuenta alrededor de un 12% de colonias de más en una placa.
Qué cambia
- Para desarrolladores
- Quienes crean agentes para laboratorios o investigación tienen una referencia pública que puntúa también respuestas parciales con criterios de expertos, con cinco intentos por tarea en 37 combinaciones de modelo y nivel de razonamiento.
- Para empresas
- Las empresas biotecnológicas ven que los modelos nuevos son mucho mejores con imágenes y contexto experimental, pero que cada conclusión sigue necesitando revisión humana.
Fuentes
- OpenAI — Measuring how AI agents handle everyday wet-lab science ↗ openai.com Fuente principal
Resumen generado por IA a partir de fuentes oficiales el 7 de noviembre de 2026. ¿Has visto un error? Avísanos. Cómo funciona