OpenAI lança BioBasicsBench, um teste com 100 tarefas para agentes de IA em análise de laboratório
Em 6 de novembro a OpenAI publicou o BioBasicsBench, um teste que verifica se agentes de IA conseguem ler resultados brutos de laboratórios de biologia. Foi criado com a Ligo, empresa focada em design de enzimas, e tem 100 tarefas em cinco áreas, de métodos com proteínas e DNA a microscopia e clonagem molecular, usando fotos reais de géis, placas, arquivos de sequenciamento e vídeos de bancada. No nível de raciocínio mais alto comum aos sete modelos testados, o GPT-6 Astra obteve 66,7% da pontuação possível, o GPT-6.1 Sol 62,0% e o GPT-5.6 Sol 43,8%.
Leia o original em OpenAI — Measuring how AI agents handle everyday wet-lab science ↗
Por que importa
A maioria dos testes científicos usa figuras limpas tiradas de artigos, enquanto os dados reais de laboratório são confusos e muitas vezes inconclusivos. Este teste também premia o modelo que reconhece quando as evidências não bastam, algo de que um cientista precisa antes de confiar num assistente de IA. Os próprios exemplos da OpenAI mostram que o melhor modelo ainda escolhe colônias erradas, ignora dados que o contradizem e conta cerca de 12% de colônias a mais numa placa.
O que muda
- Para desenvolvedores
- Quem cria agentes para laboratórios ou pesquisa ganha uma referência pública que pontua também respostas parciais com critérios de especialistas, com cinco tentativas por tarefa em 37 combinações de modelo e nível de raciocínio.
- Para empresas
- Empresas de biotecnologia veem que os modelos novos lidam muito melhor com imagens e contexto experimental, mas que cada conclusão ainda exige revisão humana.
Fontes
- OpenAI — Measuring how AI agents handle everyday wet-lab science ↗ openai.com Fonte principal
Resumo gerado por IA a partir de fontes oficiais em 7 de novembro de 2026. Viu um erro? Avise-nos. Como funciona