benchmarks.bio 发布 TxBench 抗体开发榜单:Gemini 4 系列遥遥领先
kenbwork · x · 2026-11-13
benchmarks.bio 上线 TxBench-Antibody-Development 榜单(V1,60 次评估、36 个模型+框架组合),考察 AI agent 能否做出从候选抗体到首次人体给药所需的循证决策,如可制造性与储存稳定性、生产变更是否改变药物、起始剂量安全性等。
- Gemini 4 Carbon(Pi 框架)以 61.1% 居首,Gemini 4 Hydrogen(Pi)60.6% 紧随其后,大幅领先第三名 Grok 4.7(Grok Build,39.4%)。
- Claude Opus 5(Claude Code,37.2%)与 Claude Sonnet 5.5(Pi,36.7%)位列第四、第五;Anthropic 还提供放宽安全过滤的 LSVP 变体评测。
- 作者 herbiebradley 评价 Gemini 4 Hydrogen 在抗体、寡核苷酸、小分子等多模态的发现与开发基准上持续位居前列,是「很强的科学模型」。
- 榜单数据更新于 2026-11-12,分数为模型+agent 框架的完整组合成绩,不同基准间不可直接比较。
「模型」频道最新
- Gemini 4 Hydrogen 用纯数学 WebGL2 实时模拟水的折射与色散 — GeminiApp · 2026-11-13
- Agent 代码 slop 蔓延：重写已有库代码，质量全面劣于人类方案 — a1zhang · 2026-11-13
- Gemini 4 Hydrogen 小模型 SWE-sweep 达 13.5%，远超同级对手 — marktenenholtz · 2026-11-13
- 配图疑泄 Google「Gemini 4 Hydrogen」跑分表，对垒 Claude Sonnet 5.5 与 GPT-6.1 Terra — ColbyHawker · 2026-11-13
- 实测谷歌 MKA 多模态基准:六大 AI 工作流横评,数字易翻车 — Emergency_Abies_6508 · 2026-11-13
- OpenAI 预告「网络攻防模型」:内部 PatchBench 补丁成绩 79.1%,超 GPT-6 Cyber — JiaweiLiu_ · 2026-11-13