OpenAI 发布 BioBasicsBench:百项真实任务考验 Agent 湿实验分析能力
OpenAI · x · 2026-11-07
OpenAI 联合酶设计生物技术公司 Ligo 推出 BioBasicsBench,用于衡量 AI Agent 处理湿实验科学中日常分析任务的能力。
- 基准包含来自真实实验的 100 个任务,考察 Agent 能否解读原始实验数据、发现错误、并识别证据不足以支撑结论的情况
- 配图显示不同模型(GPT-6 系列 vs GPT-5.x 系列)在不同推理努力(output tokens 预算)下的平均 reward:GPT-6 Astra/Sol 明显领先,GPT-6 Astra 在约 6k tokens 时接近 67%,而 GPT-5.x 系列普遍在 25%-45% 区间
- OpenAI 表示提升生物研究效率要从做对日常工作开始,该基准也可用于追踪模型进步对科学进展、生物安全(biosafety)与生物安保(biosecurity)的意义
所属事件:OpenAI 联手 Ligo 推出 BioBasicsBench 基准(3 条相关)→
「模型」频道最新
- Inkling 2S 与 Dots3 跑分接近，但价格约贵 3.5 倍 — teortaxesTex · 2026-11-07
- Open ASR 排行榜新增埃及尼日利亚私留数据，细化口音评测 — andimarafioti · 2026-11-07
- 博主盛赞 Claude Opus 5.5：发布月余仍无对手 — prasenx · 2026-11-07
- Ripple-65B Preview 发布：3200 万美元研发成本登顶美国开源 agentic 编码 — The Decoder · 2026-11-07
- 22MB 视觉模型 Mirage 单次前向搞定检测/OCR/分割,手机 NPU 74ms — Henrie_the_dreamer · 2026-11-07
- 4B 小模型 Nemotron 3 Nano 特定任务流胜过前沿大模型 — eliano · 2026-11-07