一句话看懂:OpenAI 于 2026 年 11 月 20 日发布药物化学基准 MedChemBench,用 99 道源自论文和专利的题目测试大模型能否读懂分子结构、解释实验证据并预测化合物性质;在最高推理设置下,GPT-6.2 Astra 获得 84.5% 的可用分数。
事件核心:发生了什么
OpenAI 推出了 MedChemBench,这是一个面向药物化学研究的推理评测集。素材显示,该基准从 117 篇论文和专利中整理出 761 个不同分子结构,最终形成 99 道问题,覆盖四类任务:正确重建分子结构、基于给定证据进行科学推理、对化合物排序与选择、预测数值或类别性质。
在 xhigh 推理设置下,GPT-6.2 Astra 拿到 84.5% 的可用分数,GPT-6 Astra 为 83.3%,GPT-6.1 Sol 为 82.0%,GPT-5.6 Sol 为 58.2%。素材指出,GPT-6 Astra 在分子结构重建和实验证据解释上表现最强,但在化合物选择和数值性质预测上更难。另有一个案例显示,GPT-5.6 Sol 在组装含 18 元环的分子时生成 15 元环,GPT-5.6 Luna 则把分子拆成两个不连通片段。
为什么重要
药物化学的核心难点不是单一指标最优,而是在活性、通透性、代谢稳定性等相互冲突的性质之间做取舍。MedChemBench 把这种“结构—证据—决策”的链条拆成可评分的任务,意味着大模型在生命科学中的评测正从知识问答转向更接近真实研发流程的推理能力。
目前公开信息显示,这仍是一个研究基准和论文发布,并非已上线的药物发现产品或经过同行评审的临床结论。它的价值在于提供了一把可比较的尺子:如果模型连分子结构都还原错误,后续性质预测就失去意义。
对用户/开发者/创作者的影响
对开发者而言,MedChemBench 提示了垂直领域 AI 应用的评测思路:用真实文献上下文、分项打分和部分得分机制衡量模型,而不是只看最终答案对错。若后续开放数据集或评测接口,模型选型和微调会更有依据。
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。
对科研用户和药企来说,这类基准可作为辅助筛选候选化合物的参考,但素材未说明模型能否直接接入实验流程,现阶段不宜把评测分数等同于研发生产力。对内容创作者,报道时应区分“基准表现”与“真实药物发现成果”。
值得关注的后续
一是 MedChemBench 的数据集、评测代码是否公开,以及是否会有第三方复现;二是 OpenAI 是否将相关能力产品化,例如通过 API 或科研合作落地;三是其他模型厂商是否会跟进发布药物化学或生物医药推理基准,形成可横向比较的评测生态。
来源:OpenAI News


