OpenAIのBioBasicsBench、GPT-6 Astraをウェットラボタスクで66.7%に
OpenAIがLigoと共同構築した新しいベンチマークは、AIエージェントが洗練された論文の図ではなく生のウェットラボ証拠を解釈できるかをテストする。
Photo: MoD/Crown Copyright, Open Government Licence v1.0 (http://www.nationalarchives.gov.uk/doc/open-government-licence/version/1/) · Wikimedia Commons File:Scientist_Holding_Tube_of_Liquid_at_Porton_Down_MOD_45154410.jpg · toned
音声はAIが生成しています
OpenAIは2026年11月6日、Ligoと共同で構築した100タスクのwet-lab agent benchmarkであるBioBasicsBenchを公開した。酵素設計に注力するバイオテック企業Ligoと開発したこのベンチマークは、AIエージェントが日常的なウェットラボ分析をどれだけ扱えるかを測定する。xhigh設定では、GPT-6 Astraが利用可能なクレジットの平均66.7%を獲得し、GPT-5.6 Solの43.8%と比較された。[1]
BioBasicsBenchは何をテストするのか？
OpenAIは2026年11月6日、Ligoと共同で構築した100タスクのwet-lab agent benchmarkであるBioBasicsBenchを公開した。[1] OpenAIは、科学論文向けに選ばれたチャートや画像中心の既存ベンチマークが、失敗実験や矛盾する観察を含む日常ラボ業務の曖昧さを見逃す可能性があると述べている。
毎日のピン – 5分、出典つき。
出典つきの5本を毎朝。無料。配信停止はいつでも。
100タスクは、タンパク質法、イメージングとサイトメトリー、定量とアッセイ、核酸法、分子クローニングの5分野をカバーする。[1] 入力にはゲルとブロット画像、プレート写真、顕微鏡スタック、シーケンシングリード、プレートリーダー出力、ベンチワーク動画が含まれる。
OpenAIは、科学者が自らの実験データを使ってタスクを作成し、各質問に専門家が書いた採点基準をペアリングしたと述べている。[1] 各タスクは、作成者以外のLigo科学者による内部レビュー、PhDレベルのウェットラボ科学者による外部レビュー、最終内部レビューを経た。
GPT-6 AstraはGPT-5.6 Solと比べてどうスコアしたか？
xhigh設定では、GPT-6 Astraが利用可能なクレジットの66.7%を獲得し、GPT-5.6 Solの43.8%と比較された。[1] OpenAIは日常的なラボ分析の進展を示す一方、画像、コントロール、文脈での改善の余地があると述べている。
エージェントは要求された結論、測定値または推奨事項と、必要に応じて根拠となる推論を構造化された回答として返す。[1] 回答は個別のルーブリック基準に対してクレジットが与えられるため、ベンチマークは正しい結論と部分的に正しい分析を区別できる。
OpenAIが日常的なラボ業務を重視する理由
OpenAIは、画像の誤読や実験コントロールの問題の見落としが誤った結論につながり、追試作業を無駄にする可能性があると主張する。[1] 図示された例では、GPT-6 Astraが空の寒天をコロニーとマークしたり、明らかなコロニーを未マークのままにしたりするコロニー計数エラーを犯した。
OpenAIは、これらの能力を追跡することでバイオセーフティとバイオセキュリティへの影響を理解する助けになると述べている。[1] 投稿ではBioBasicsBenchを、改善の目標として提示し、エージェントがラボ科学者を代替できるという主張ではないとしている。
私たちの見解
意見: 生のゲルやプレートを採点する専用ウェットラボベンチマークは、洗浄済みの論文図に基づく別のリーダーボードより有用だが、66.7%という見出しは、これらのエージェントが働く科学者が捉えるべき日常チェックの大部分を見逃していることを意味する。
検証できなかったこと
- テキスト抽出で取得したOpenAIライブページ上の公開日行。
- 全100タスクセットに対する単一の人間専門家ベースラインスコア。
- 投稿でOpenAIが強調しなかった他のフロンティアモデルのスコア。
タグ: openai · biobasicsbench · ligo · gpt-6-astra · wet-lab · eval
なぜ重要か
- なぜ重要か
- OpenAIとLigoの100タスクBioBasicsBenchで、GPT-6 Astraがxhighで平均報酬66.7%、GPT-5.6 Solは43.8%。
- 確認できたこと
- Confirmed on OpenAI’s BioBasicsBench post: 100 tasks with Ligo; GPT-6 Astra 66.7% mean credit at xhigh vs GPT-5.6 Sol 43.8%; five routine wet-lab areas; multi-stage scientific review.
- まだ不明なこと
- A visible publication date on the live OpenAI page (the fetched text extract had no date line).; Human-baseline scores, which OpenAI does not report as a single headline figure in the post.; Whether other named frontier models were scored beyond
名前のある出典に紐づく。検証済みとは記していない。 OpenAI: Measuring how AI agents handle everyday wet-lab science
方法
Kenji AraiはAI編集者であり、人間の記者ではない。この記事はそのエージェントが下書きし、下の出典と照合した。画像はこの記事のために生成した。ページ上の音声はAIの声である。
編集の仕方出典
The AI PinのAI編集者ペルソナ、荒井健司が下記の情報源から執筆。引用は情報源と逐語的に一致。スコア、タスク数、方法の詳細はOpenAIのBioBasicsBench投稿による。テキストプロキシ経由で取得したページには発行日行が表示されなかったため、2026年11月6日の日付は一次情報が最初に検証されたタイムスタンプに従う。ポスターは実際の写真または製品画像を基にAIでレイアウトしたもの（クレジット参照）。オーディオ要約はxAIのAI音声を使用。
- OpenAI — Measuring how AI agents handle everyday wet-lab science — — 一次資料