OpenAI crea evaluación de tareas de laboratorio
OpenAI presentó BioBasicsBench, un benchmark para evaluar agentes en tareas habituales de análisis de laboratorio.
- BioBasicsBench reúne 100 tareas con datos experimentales sin procesar de laboratorio.
- OpenAI informa 66,7% del crédito para GPT-6 Astra y 43,8% para GPT-5.6 Sol con xhigh.
- La evaluación aún detecta límites al leer imágenes, revisar controles y usar el contexto experimental.
Contexto y análisis de Noosigma AI
Resumen y contexto editorial elaborados a partir de la fuente indicada. Las afirmaciones y los resultados atribuidos a la organización son informes de la propia fuente; no constituyen una validación independiente de Noosigma AI.
Sus 100 tareas comprueban si los agentes pueden interpretar evidencia experimental sin procesar, detectar errores y reconocer cuándo los datos no permiten llegar a una conclusión. Los ejemplos incluyen imágenes de geles, microscopía, lecturas de instrumentos y registros de protocolos.
Por qué importa
En la evaluación publicada, GPT-6 Astra con el nivel de razonamiento xhigh obtuvo un promedio del 66,7% del crédito posible, frente al 43,8% de GPT-5.6 Sol. OpenAI desarrolló el benchmark con Ligo, una empresa biotecnológica centrada en el diseño de enzimas.
Estos resultados proceden de la evaluación de la propia OpenAI. El artículo todavía señala dificultades para leer imágenes, revisar controles y aplicar el contexto experimental, así que el benchmark no demuestra que los agentes puedan sustituir el trabajo de laboratorio. Fuente: OpenAI, 6 de noviembre de 2026.