OpenAI 发布 BioBasicsBench，用 100 项任务测试实验室 AI 代理
11 月 6 日，OpenAI 发布了 BioBasicsBench，用来检验 AI 代理能否读懂生物实验室的原始数据。该测试与专注酶设计的公司 Ligo 合作开发，包含五个领域的 100 项任务，从蛋白质和 DNA 实验方法到显微成像和分子克隆，使用真实的凝胶照片、培养板图像、测序文件和实验视频。在七个受测模型共有的最高推理设置下，GPT-6 Astra 获得了 66.7% 的可得分数，GPT-6.1 Sol 为 62.0%，GPT-5.6 Sol 为 43.8%。
在 OpenAI — Measuring how AI agents handle everyday wet-lab science 阅读原文 ↗
为何重要
大多数科学基准使用从论文中挑出的整洁图表，而真实的实验数据往往杂乱且难以下结论。这项测试也会奖励能够指出证据不足的模型，这正是科研人员信任 AI 助手之前所需要的能力。OpenAI 自己给出的例子显示，最强的模型仍会选错菌落、忽略与其判断相矛盾的数据，并在一块培养板上多数了约 12% 的菌落。
有何变化
- 对开发者
- 开发科研或实验室代理的团队获得了一个公开参照，它按专家制定的评分标准为部分正确的回答计分，每项任务在 37 种模型与推理设置组合下各测试五次。
- 对企业
- 生物科技公司可以看到，新模型在处理图像和实验背景方面进步明显，但每个结论仍需要人工复核。
来源
由 AI 于 2026年11月7日 根据官方来源摘要。发现错误？请告诉我们。 运作方式