Benchling 发布 BenchBench-Refusals，GPT-6.1 Sol 以 88.4% 居首

Benchling 推出 BenchBench-Refusals，用 160 个真实科研场景任务测试模型区分有害与良性生物学请求的能力。榜单前三为 GPT-6.1 Sol 88.4%、Sonnet 5.5 85.1%和 Opus 5.5（LSVP）84.3%；Opus 5.5 未加入生命科学验证计划时 Macro-F1 仅为 40.4%。