TxBench 治疗学基准新成绩：Claude Opus 5.5 抗体发现任务登顶
kenbwork · x · 2026-10-20
benchmarks.bio 发布了各模型在 LSVP/Pi 等 harness 下运行 TxBench 治疗学基准的成绩，任务全部来自真实实验数据，只有复现原始生物学结论才算通过。
- 抗体发现（Antibody-Discovery）：Claude Opus 5.5 以 67.7%（Claude Code harness）和 66.7%（Pi harness）包揽前两名，Fable 5.1 以 63.3% 排第三；GPT-6 Astra（56.0%）、Sonnet 5.5、Grok 4.6 等依次靠后。
- 寡核苷酸发现（Oligo-Discovery，113 项评估）：GPT-6 Astra 领跑（Codex harness 55.5%、Pi 53.4%），Claude Opus 5（Claude Code）48.1% 排第三，Grok 4.6、Gemini 3.7 Flash、DeepSeek V4.1 Flash 等也在榜上。
- 该基准强调按「模型 + harness」组合计分，因为 harness 对分数影响显著；评分基于真实实验数据的确定性答案，不看输出是否「看起来合理」。
「模型」频道最新
- Perplexity 在 BrowseComp 力压 Parallel，作者归因于代码执行能力 — NirantK · 2026-10-20
- Rabbit R1 上现 Grok Bot，号称底层跑在 r1 模型上 — jesselyu · 2026-10-20
- 消费级显卡跑什么模型?3060/4060 本地部署经验讨论 — Haghiri75 · 2026-10-20
- Sol 6.1 的可爱自言自语:agent 竟给自己写"动员口号"推进任务 — TheZachMueller · 2026-10-20
- Moonshot 未发布模型 Kimi-K3.1 曝光，现身 sglang PR — TheZachMueller · 2026-10-20
- stealthbench 新增10项任务：主流模型在 EDR 防护主机上隐蔽行为糟糕 — dyn___ · 2026-10-20