TxBench 推出抗体研发基准:60 项评估测 Agent 药物决策

kenbwork · x · 2026-11-05

benchmarks.bio 发布 TxBench–Antibody Development，一个覆盖治疗性抗体从选定候选分子到首次人体给药全流程的可验证基准，共 60 项评估、分七个阶段，基于真实实验数据确定性评分——只有当 Agent 复现出原始分析得到的生物学结论才算通过。任务包括：分子能否可靠生产与储存、工艺变更是否改变药物性质、动物暴露/免疫反应/安全性数据如何指导人体起始剂量等。

评分按「模型×harness」上报而非仅按模型，因为 harness 显著影响分数。V1 榜单：Grok 4.7（Grok Build）39.4% 居首，Claude Opus 5（Claude Code）37.2% 第二，Claude Sonnet 5.5（Pi）36.7% 第三；头部模型分数均不足 40%，说明该任务仍非常难。arjunomics 补充观察：各模型在抗体开发上的能力分布近乎正交，只看总分会让各有所长的模型差异被掩盖，其网站提供交互式筛选。