OpenAI 攜手 Ligo 推出 BioBasicsBench 評測 AI Agent 濕實驗室分析能力

OpenAI 宣布與酵素設計生技公司 Ligo 合作推出評測基準 BioBasicsBench，旨在評估 AI Agent 處理日常生物濕實驗室分析的能力。該基準包含 5 大常規領域的 100 項任務：蛋白質方法、成像與細胞計數、定量與分析、核酸方法及分子選殖。測試項目評估 Agent 能否解析原始實驗數據（如膠體影像、墨點照片、顯微鏡 Z 軸堆疊與微量盤讀數）、偵測錯誤，並辨識證據不足以支持結論的情境。 OpenAI 在 37 種推論強度設定下評測了 7 款模型，每項任務進行 5 次嘗試，共累計 18,500 次評估。在最高推論強度（xhigh）設定下，GPT-6 Astra 取得 66.7% 的可用分數平均值，高於 GPT-6.1 Sol 的 62.0% 與 GPT-5.6 Sol 的 43.8%。 報告指出，儘管 GPT-6 Astra 展現出更強的多模態檢視能力（例如能辨識出陰性對照組培養皿上的抗生素標籤錯誤，或將細胞模糊判別為顯微鏡聚焦深度變化），但仍存在持續性盲點。在具體任務中，Astra 出現預設假設覆蓋菌落 PCR 對照組判讀、忽略影像中明暗矛盾的液泡特徵，以及在培養皿菌落計數中出現約 12% 的過度計數。

值得帶走的重點

• BioBasicsBench 包含 5 大生物領域的 100 項常規濕實驗室任務，採用原始實驗數據與專家評分規準評估 Agent 能力。
• 在最高推論強度（xhigh）設定下，GPT-6 Astra 獲得 66.7% 平均得分，領先 GPT-6.1 Sol（62.0%）與 GPT-5.6 Sol（43.8%）。
• GPT-6 Astra 展現多模態解析進展，包含辨識對照組培養皿標籤錯誤與顯微鏡 Z 軸深度掃描。
• 模型在濕實驗室任務中仍有明顯盲點，包含讓預設假設覆蓋對照組、忽略矛盾證據以及菌落計數失誤。