OpenAI、実験室データ分析を測る100課題のBioBasicsBenchを公開
OpenAIは11月6日、AIエージェントが生物学の実験室で得られる生データを正しく読めるかを調べるテスト「BioBasicsBench」を公開しました。酵素設計企業のLigoと共同で作成し、タンパク質やDNAの手法から顕微鏡観察、分子クローニングまで5分野・100課題で構成されます。実際のゲル写真、培地プレートの画像、シーケンスファイル、実験動画を使います。テストした7モデルすべてに共通する最高の推論設定では、GPT-6 Astraが獲得可能な得点の66.7%、GPT-6.1 Solが62.0%、GPT-5.6 Solが43.8%でした。
OpenAI — Measuring how AI agents handle everyday wet-lab science で元記事を読む ↗
なぜ重要か
多くの科学系ベンチマークは論文から取った整った図を使いますが、実際の実験データは雑然としていて結論が出ないことも多くあります。このテストは「証拠が足りない」と判断できることも評価するため、研究者がAIを信頼する前に必要な力を測れます。OpenAI自身の例では、最も優れたモデルでも誤ったコロニーを選んだり、矛盾するデータを無視したり、あるプレートでコロニー数を約12%多く数えたりしています。
何が変わるか
- 開発者にとって
- 研究向けエージェントを開発するチームは、専門家の基準で部分的な正解も採点する公開指標を使えます。各課題を5回ずつ、37通りのモデルと推論設定で評価しています。
- 企業にとって
- バイオ企業にとって、新しいモデルは画像や実験の文脈の扱いが大きく向上した一方、すべての結論に人による確認が今も必要だと分かります。
出典
- OpenAI — Measuring how AI agents handle everyday wet-lab science ↗ openai.com 一次ソース
2026年11月7日 にAIが公式ソースから要約しました。誤りを見つけたらお知らせください。 仕組み