OpenAI 推出 BioBasicsBench，評測日常濕實驗科學任務的基準

OpenAI 與專注於酵素設計的生技公司 Ligo 合作，推出 BioBasicsBench。這項基準涵蓋 100 項常規濕實驗任務，使用原始實驗證據（凝膠影像、菌落培養皿、顯微影像、定序檔案、儀器匯出資料和實驗桌操作影片），涵蓋蛋白質方法、成像與流式細胞分析、定量與分析測定、核酸方法，以及分子選殖。這些任務由科學家根據自己的實驗撰寫，並依照專家編寫、可給予部分分數的評分規準評分。

OpenAI 評估了旗下七個模型（從 GPT-5.2 到 GPT-6 Astra），涵蓋 37 種模型與推理力度設定。在 xhigh 設定下，平均獎勵分數如下：

• GPT-6 Astra：66.7%
• GPT-6.1 Sol：62.0%
• GPT-5.6 Sol：43.8%
• GPT-6 Luna：38.3%
• GPT-5.5：35.4%

OpenAI 表示，Astra 的進步來自更強的原生多模態處理能力，例如能發現對照培養皿貼錯抗生素標籤；此外，它也能辨識資料不足以支持結論的情況。OpenAI 也列出 Astra 仍會犯的錯誤：讓假設凌駕於對照組之上、忽視相互矛盾的觀察結果，以及將培養皿上的菌落數高估約 12%。