OpenAI lança o BioBasicsBench para testar agentes de IA em dados cotidianos de laboratório úmido

A OpenAI apresentou em 6 de novembro de 2026 o BioBasicsBench, um referencial desenvolvido com a Ligo, uma biotecnológica focada no desenho de enzimas, para medir quão bem os agentes de IA interpretam dados experimentais brutos do trabalho cotidiano de laboratório úmido — incluindo experiências falhadas, imagens ambíguas e observações conflituosas.

O que o referencial testa

O conjunto tem 100 tarefas em cinco áreas: métodos de proteínas, imagem e citometria, quantificação e ensaios, métodos de ácidos nucleicos e clonagem molecular. As entradas incluem géis e blots (31 tarefas), protocolos e notas (27), tabelas e exportações de instrumentos (20), fotos da bancada (18), microscopia (14), ecrãs de instrumentos e gráficos (13), ficheiros de sequenciação (12), vídeos de protocolos (7) e placas de ágar (7); as categorias sobrepõem-se. Cientistas escreveram as tarefas a partir das suas próprias experiências com rubricas de peritos; cada uma teve revisão interna de um cientista da Ligo que não a escreveu, revisão externa de um cientista de laboratório com nível de doutoramento e uma revisão interna final.

A OpenAI avaliou sete dos seus modelos em 37 combinações de modelo e esforço de raciocínio, com cinco tentativas por tarefa, totalizando 18.500 resultados. No ajuste xhigh, o GPT-6 Astra obteve em média 66,7% do crédito disponível (IC 95% 60,3–73,1%, cerca de 4.704 tokens de saída por tarefa), frente a 43,8% do GPT-5.6 Sol (IC 95% 37,6–50,0%, cerca de 9.099 tokens). Outras pontuações xhigh: GPT-6.1 Sol 62,0%, GPT-6 Luna 38,3%, GPT-5.5 35,4%, GPT-5.4 33,2% e GPT-5.2 31,2%.

Limites

São avaliações da própria OpenAI sobre os seus próprios modelos; a empresa comparou apenas a sua linha, e não se relata aqui uma reprodução independente. A OpenAI diz que pontuações mais altas «ainda não significam que os modelos possam fazer juízos fiáveis no laboratório», citando erros restantes em controlos, contagem de colónias (um excesso de cerca de 12% numa placa) e contexto experimental. O referencial mede a análise rotineira, não o trabalho autónomo de laboratório nem decisões clínicas.