OpenAI 发了 BioBasicsBench:和生物公司 Ligo 一起,用 100 个常规湿实验任务,测 AI Agent 读原始实验证据的能力——凝胶、菌落板、显微镜图、仪器导出,还有失败和对照。 官方数字:在最高推理档,GPT-6 Astra 平均拿到 66.7% 的分数;前代 GPT-5.6 Sol 是 43.8%。进步明显,但官方自己也写:分数
OpenAI 发了 BioBasicsBench:和生物公司 Ligo 一起,用 100 个常规湿实验任务,测 AI Agent 读原始实验证据的能力——凝胶、菌落板、显微镜图、仪器导出,还有失败和对照。
官方数字:在最高推理档,GPT-6 Astra 平均拿到 66.7% 的分数;前代 GPT-5.6 Sol 是 43.8%。进步明显,但官方自己也写:分数