OpenAI presenta BioBasicsBench, benchmark di 100 compiti per agenti AI nell'analisi di laboratorio
Il 6 novembre OpenAI ha pubblicato BioBasicsBench, un test che verifica se gli agenti AI sanno leggere i risultati grezzi dei laboratori di biologia. È stato costruito con Ligo, azienda specializzata nel design di enzimi, e conta 100 compiti in cinque aree, dai metodi su proteine e DNA alla microscopia e al clonaggio molecolare, con foto reali di gel, piastre, file di sequenziamento e video di laboratorio. Al livello di ragionamento più alto comune a tutti e sette i modelli testati, GPT-6 Astra ha ottenuto il 66,7% del punteggio disponibile, GPT-6.1 Sol il 62,0% e GPT-5.6 Sol il 43,8%.
Leggi l’originale su OpenAI — Measuring how AI agents handle everyday wet-lab science ↗
Perché conta
La maggior parte dei benchmark scientifici usa figure pulite prese dagli articoli, mentre i dati reali di laboratorio sono disordinati e spesso non conclusivi. Questo test premia anche il modello che dice quando le prove non bastano, ciò che serve a uno scienziato prima di fidarsi di un assistente AI. Gli esempi della stessa OpenAI mostrano che il modello migliore sceglie ancora le colonie sbagliate, ignora i dati che lo contraddicono e su una piastra conta circa il 12% di colonie in più.
Cosa cambia
- Per chi sviluppa
- Chi sviluppa agenti per laboratori o ricerca ha un riferimento pubblico che valuta anche le risposte parziali con criteri scritti da esperti, con cinque tentativi per compito su 37 combinazioni di modello e livello di ragionamento.
- Per le aziende
- Le aziende biotech vedono che i modelli più recenti sono molto migliori con immagini e contesto sperimentale, ma che ogni conclusione richiede ancora una revisione umana.
Fonti
- OpenAI — Measuring how AI agents handle everyday wet-lab science ↗ openai.com Fonte primaria
Riassunto generato dall’AI dalle fonti ufficiali il 7 novembre 2026. Hai trovato un errore? Segnalacelo. Come funziona