BioBasicsBench评测AI湿实验分析
先了解这件事
OpenAI与酶设计公司Ligo推出BioBasicsBench，以100项真实实验任务评测AI智能体解读原始数据、发现错误及判断证据是否足以支撑结论。现有结果称GPT-6 Astra和Sol明显领先，Astra在约6k tokens时接近67%，GPT-5.x系列普遍为25%至45%。 此前博客图表被指藏有“GPT-6.2 Astra”，但研究者teortaxesTex称页面不存在对应对象，榜单截图可通过开发者工具伪造，因此所谓隐藏模型是钓鱼整活，而非已确认的新模型成绩。
AI 根据报道生成 · 7 小时前更新
事件进展
2 个进展
- 11月7日 06:10 · 1 篇报道拆穿隐藏GPT-6.2 Astra骗局AGI Hunt：OpenAI BioBasicsBench 榜单隐藏“GPT-6.2 Astra”说法被拆穿：devtools 一行代码即可伪造
- 11月6日 08:00 · 3 篇报道推出 BioBasicsBench 湿实验评测OpenAI News：OpenAI 发布 BioBasicsBench，评测 AI 智能体处理日常湿实验科学任务的能力
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntOpenAI BioBasicsBench 榜单隐藏“GPT-6.2 Astra”说法被拆穿：devtools 一行代码即可伪造
OpenAI BioBasicsBench 博客图表被指藏有“GPT-6.2 Astra”，但页面中并不存在 bioBasicsBench 对象。
- AGI HuntOpenAI 发布 BioBasicsBench：用 100 个真实实验任务考 AI 湿实验分析
OpenAI 与 Ligo 合作推出 BioBasicsBench，以 100 个真实实验任务衡量 AI agent 处理湿实验科学常规分析的能力。任务要求 agent 解读原始实验数据、识别错误，并判断证据是否足以支撑结论。OpenAI 称，这类基础能力是加速生物研究的起点。
- AGI HuntOpenAI 联合 Ligo 发布 BioBasicsBench，考验 Agent 湿实验分析能力
OpenAI 联合酶设计生物技术公司 Ligo 发布 BioBasicsBench，以来自真实实验的 100 个任务衡量 AI Agent 解读原始实验数据、发现错误及识别证据不足的能力。结果显示，GPT-6 Astra/Sol 明显领先，GPT-6 Astra 在约 6k tokens 时接近 67%，GPT-5.x 系列普遍处于 25%-45% 区间。
- OpenAI NewsOpenAI 发布 BioBasicsBench，评测 AI 智能体处理日常湿实验科学任务的能力
OpenAI 发布 BioBasicsBench，以 100 项任务衡量 AI 智能体解读原始实验数据的能力。该 benchmark 聚焦 AI 智能体能否处理日常湿实验科学工作，检验其在真实实验数据理解与任务执行方面的表现。
本事件热度走势
- 可比范围当前
- 13
- 可比范围峰值
- 1511月7日 04:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。