OpenAI推出BioBasicsBench：100项湿实验室任务测AI读胶图与找错能力
· 来源：OpenAI
与Ligo合作的新基准覆盖蛋白、成像、核酸等方法；GPT-6 Astra在最高推理档均分66.7%，明显高于GPT-5.6 Sol的43.8%。
OpenAI于2026年11月6日发布BioBasicsBench，与酶设计公司Ligo合作，用100个源自真实实验的日常湿实验室任务，衡量AI智能体解读原始实验证据的能力。任务覆盖蛋白方法、成像与流式、定量与assay、核酸方法、分子克隆等，输入包括胶图与印迹、菌落板、显微镜栈、仪器屏幕与导出表、测序文件乃至操作视频。
与论文里精修过的图表不同，基准刻意保留失败实验、模糊图像与互相矛盾的观测，并要求模型在证据不足时明确指出无法下结论。每题经Ligo内部交叉审稿与外部湿实验室博士级科学家复审，按细则给分，可区分“结论对但分析不全”等情况。
评测覆盖GPT-5系列到GPT-6 Astra等七款模型、多种推理档，共约1.85万次尝试。在最高推理档xhigh下，GPT-6 Astra平均拿下可用分数的66.7%，GPT-5.6 Sol为43.8%。案例显示Astra更擅长发现错误抗生素标签的无效对照、识别z-stack而非“细胞消失”，但仍会在假设压倒对照、菌落计数等环节出错。OpenAI称追踪这类能力也有助于理解实验室智能体对生物安全的影响。