一句话看懂：OpenAI与生物技术公司Ligo合作推出BioBasicsBench，用100项日常湿实验室任务衡量AI智能体解读原始实验数据的能力；在“xhigh”推理设置下，GPT‑6 Astra平均获得66.7%的可用分数，GPT‑5.6 Sol为43.8%。
事件核心：发生了什么
2026年11月6日，OpenAI发布BioBasicsBench基准，专门评估AI智能体处理湿实验室日常分析的表现。基准包含100项任务，覆盖蛋白质方法、成像与流式细胞术、定量与检测、核酸方法、分子克隆五个领域，输入包括凝胶与印迹图、菌落平板照片、显微镜图像、测序文件、仪器导出表格和实验操作视频等原始材料。每项任务配有专家撰写的评分细则，由Ligo科学家、外部湿实验室博士级研究员及内部复核完成审核。在允许更多推理的“xhigh”设置下，GPT‑6 Astra平均得分66.7%，GPT‑5.6 Sol为43.8%。
为什么重要
现有AI评测多依赖论文中挑选过的图表，难以反映真实实验中常见的失败结果、模糊图像和相互矛盾的观察。BioBasicsBench把评测对象转向未经修饰的原始证据，并要求智能体识别错误、判断证据是否足以支撑结论。这更接近科研场景对AI的实际要求：不仅“看懂”，还要知道何时不能下结论。对生物医药研发而言，若AI能可靠承担常规数据判读和问题排查，有望减少重复实验与误判成本；对AI行业来说，这类基准也为智能体的推理与工具使用能力提供了更贴近真实工作流的衡量方式。
对用户/开发者/创作者的影响
目前公开信息显示，BioBasicsBench是评测基准，并非已上线的科研产品。对开发者而言，它提示多模态大模型在科研场景的短板集中在图像解读、对照检查和实验背景应用；若未来通过API或智能体平台开放类似能力，生物信息、实验室自动化方向的AI应用可能首先受益。对科研用户，短期更实际的价值是将其作为选型参考：在涉及凝胶判读、平板计数或测序数据初筛的任务中，模型表现需要结合具体实验条件验证，不能直接等同于可独立完成实验分析。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是BioBasicsBench是否会公开完整任务与评分细则，供第三方复现和对比；二是OpenAI及竞品是否针对基准暴露的弱项改进模型，尤其是在图像解读与实验对照检查上；三是该基准能否被药企、CRO或实验室自动化厂商采纳为内部评估工具，从而影响AI智能体在真实研发流程中的采购与部署。
来源：OpenAI News
