BixBench3 发布：前沿 AI 复现生物论文成功率约 48%

Edison Sciences 发布生物学基准 BixBench3，考察 AI 智能体从原始数据出发、端到端复现真实计算生物学论文分析的能力，部分案例消耗超过 10 亿 tokens。结果显示前沿智能体现可成功复现约 48% 的真实工作流：OpenAI（o1/Sol）以 48% 成功率领跑，Kimi 和 GLM 分列第二、第三，但整体正确率仍低于一半。

2026-08-27 ~ 2026-08-27 · 4 条相关

• Bixbench3 评测：前沿 Agent 端到端复现论文正确率仍低于 50% — xeophon · 2026-08-27
• BixBench3 评测：OpenAI 领跑，AI 复现论文成功率达 48% — anshulkundaje · 2026-08-27
• BixBench3 评测发布：测模型生整篇生物论文分析 — ZhongingAlong · 2026-08-27
• BixBench3 评测：前沿 Agent 能复现 48% 生物计算工作流 — badumtsssst · 2026-08-27