BioBasicsBench di OpenAI posiziona GPT-6 Astra al 66,7% su compiti wet-lab

OpenAI ha introdotto BioBasicsBench il 6 November 2026, descrivendo un benchmark da 100 task sviluppato con Ligo, un’azienda biotech focalizzata sul design di enzimi, per misurare quanto bene gli agenti AI gestiscono l’analisi wet-lab di routine. Al setting xhigh, che consente più ragionamento per task, GPT-6 Astra ha ottenuto una media del 66,7% del credito disponibile, rispetto al 43,8% di GPT-5.6 Sol. [1]

Cosa testa BioBasicsBench?

OpenAI ha pubblicato BioBasicsBench il 6 November 2026, un benchmark per agenti wet-lab da 100 task realizzato con Ligo. [1] OpenAI afferma che i benchmark esistenti basati su grafici e immagini selezionati per articoli scientifici possono non cogliere l’ambiguità del lavoro di laboratorio quotidiano, inclusi esperimenti falliti e osservazioni contrastanti.

I 100 task coprono cinque aree di lavoro wet-lab di routine: metodi proteici, imaging e citometria, quantificazione e saggi, metodi per acidi nucleici e clonaggio molecolare. [1] Gli input includono immagini di gel e blot, foto di piastre, stack di microscopia, letture di sequenziamento, esportazioni da plate-reader e video di lavoro al banco.

OpenAI afferma che gli scienziati hanno creato i task usando dati dai propri esperimenti e hanno abbinato ogni domanda a criteri di valutazione scritti da esperti. [1] Ogni task ha superato una revisione interna da parte di uno scienziato Ligo che non lo aveva scritto, una revisione esterna da parte di uno scienziato wet-lab con dottorato e una revisione interna finale.

Come ha ottenuto GPT-6 Astra rispetto a GPT-5.6 Sol?

Al setting xhigh, GPT-6 Astra ha ottenuto il 66,7% del credito disponibile, rispetto al 43,8% di GPT-5.6 Sol. [1] OpenAI afferma che i risultati mostrano progressi nell’analisi di laboratorio di routine, con margine di miglioramento su immagini, controlli e contesto.

Gli agenti restituiscono una risposta strutturata con la conclusione, misurazione o raccomandazione richiesta e, dove necessario, il ragionamento a supporto. [1] Le risposte ricevono credito in base ai singoli criteri della rubrica, quindi il benchmark può distinguere una conclusione corretta da un’analisi parzialmente corretta.

Perché OpenAI afferma che il lavoro di laboratorio quotidiano conta?

OpenAI sostiene che interpretare male un’immagine o trascurare un problema con i controlli sperimentali può portare gli scienziati a conclusioni errate e sprecare lavoro successivo. [1] In un esempio illustrato, GPT-6 Astra ha commesso errori nel conteggio delle colonie, inclusa la marcatura di agar vuoto come colonia e il mancato contrassegno di colonie visibili.

OpenAI afferma che monitorare queste capacità aiuterà anche a comprendere le implicazioni per la biosicurezza e la bioprotezione. [1] Il post presenta BioBasicsBench come un obiettivo di miglioramento piuttosto che come un’affermazione che gli agenti siano pronti a sostituire gli scienziati di laboratorio.

La nostra lettura

Opinione: Un benchmark wet-lab dedicato che valuta gel e piastre grezzi è più utile di un altro leaderboard costruito su figure ripulite da articoli, ma un titolo del 66,7% significa comunque che questi agenti perdono una larga parte dei controlli di routine che uno scienziato in attività dovrebbe cogliere.

Cosa non abbiamo potuto verificare

• Una riga visibile con la data di pubblicazione sulla pagina OpenAI live nell’estratto testuale ottenuto.
• Un singolo punteggio baseline umano-esperto per l’intero set di 100 task.
• Punteggi per altri modelli frontier che OpenAI non ha evidenziato nel post.