OpenAI تطلق BioBasicsBench لاختبار وكلاء الذكاء الاصطناعي على بيانات المختبر الرطب اليومية

قدّمت OpenAI في 6 نوفمبر 2026 معيار BioBasicsBench الذي طُوّر مع شركة التكنولوجيا الحيوية Ligo المتخصصة في تصميم الإنزيمات، لقياس مدى قدرة وكلاء الذكاء الاصطناعي على تفسير البيانات التجريبية الخام في العمل اليومي للمختبر الرطب — بما في ذلك التجارب الفاشلة والصور الملتبسة والملاحظات المتضاربة.

ماذا يختبر المعيار

تضم المجموعة 100 مهمة في خمسة مجالات: طرق البروتين، والتصوير والتصوير الخلوي، والتقدير الكمي والمقايسات، وطرق الأحماض النووية، والاستنساخ الجزيئي. تشمل المدخلات الهلامات واللطخات (31 مهمة) والبروتوكولات والملاحظات (27) والجداول وصادرات الأجهزة (20) وصور طاولة العمل (18) والمجهر (14) وشاشات الأجهزة والرسوم (13) وملفات التسلسل (12) وفيديوهات البروتوكول (7) وأطباق الآغار (7)؛ والفئات متداخلة. كتب العلماء المهام من تجاربهم الخاصة مع معايير تصحيح خبيرة؛ وخضعت كل مهمة لمراجعة داخلية من عالم في Ligo لم يكتبها، ومراجعة خارجية من عالم مختبر رطب بمستوى الدكتوراه، ثم مراجعة داخلية أخيرة.

قيّمت OpenAI سبعة من نماذجها عبر 37 تركيبة من النموذج وجهد الاستدلال، مع خمس محاولات لكل مهمة، أي 18500 نتيجة. عند إعداد xhigh أحرز GPT-6 Astra في المتوسط 66.7% من الرصيد المتاح (فاصل ثقة 95% 60.3–73.1%، نحو 4704 رمزاً ناتجاً لكل مهمة) مقابل 43.8% لـ GPT-5.6 Sol (فاصل ثقة 95% 37.6–50.0%، نحو 9099 رمزاً). درجات xhigh الأخرى: GPT-6.1 Sol 62.0% وGPT-6 Luna 38.3% وGPT-5.5 35.4% وGPT-5.4 33.2% وGPT-5.2 31.2%.

القيود

هذه تقييمات OpenAI لنماذجها نفسها؛ قارنت الشركة خط إنتاجها فقط، ولم يُذكر هنا إعادة إنتاج مستقلة. تقول OpenAI إن الدرجات الأعلى «لا تعني بعد أن النماذج قادرة على إصدار أحكام موثوقة في المختبر»، مشيرة إلى أخطاء متبقية في الضوابط وعدّ المستعمرات (زيادة بنحو 12% على طبق واحد) والسياق التجريبي. يقيس المعيار التحليل الروتيني لا العمل المخبري المستقل ولا القرارات السريرية.