OpenAI推出BioBasicsBench：一项针对日常湿实验科学任务的基准测试

OpenAI推出BioBasicsBench，这是一项包含100项常规湿实验任务的基准测试，由专注于酶设计的生物技术公司Ligo共同打造。这些任务使用原始实验数据（凝胶图像、菌落平板、显微镜图像、测序文件、仪器导出数据以及实验台操作视频），涵盖蛋白质实验方法、成像与细胞计数、定量与检测、核酸实验方法以及分子克隆。科学家根据自己的实验编写了这些任务，答案则依据专家编写的评分标准进行评判，并可获得部分分数。

OpenAI在37种模型与推理力度组合设置下评估了旗下七款模型（从GPT-5.2到GPT-6 Astra）。在xhigh设置下，各模型的平均奖励如下：

• 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称，Astra的提升源于更强的原生多模态处理能力，例如发现对照平板贴错了抗生素标签，以及意识到数据不足以支持某个结论。OpenAI还列出了Astra仍会出现的失误：让假设凌驾于对照结果之上、低估相互矛盾的观察结果，以及将平板上的菌落数量高估约12%。