BioBasicsBench: OpenAI y Ligo ponen a prueba agentes de IA en 100 tareas habituales de laboratorio de biología
OpenAI publicó el 6 de noviembre BioBasicsBench, diseñado junto con la empresa biotecnológica Ligo a partir de datos brutos de laboratorio: geles, placas de cultivo, microscopía y archivos de secuenciación. GPT-6 Astra obtiene en él el 66,7% de los puntos, frente al 43,8% de GPT-5.6 Sol, aunque solo se evaluaron modelos de OpenAI.
La mayoría de las pruebas científicas para la IA emplean figuras ya pulidas, seleccionadas para artículos publicados. El trabajo real en un laboratorio de biología es mucho más caótico: experimentos fallidos, imágenes ambiguas o controles que arrojan resultados contradictorios. Esto es precisamente lo que pretende evaluar BioBasicsBench, presentado el 6 de noviembre por OpenAI y diseñado junto con Ligo, una empresa biotecnológica especializada en el diseño de enzimas (anuncio).
Datos de poyata, no figuras de publicaciones
El benchmark consta de 100 tareas cotidianas, que van desde lo más sencillo (determinar el tamaño de un fragmento de ADN en un gel) hasta el análisis detallado de un ensayo, repartidas en cinco ámbitos: proteínas, imagen y citometría, cuantificación, ácidos nucleicos y clonación. Los datos coinciden con los que manejan habitualmente los investigadores: fotografías de geles y placas de cultivo, pilas de imágenes de microscopía, archivos de secuenciación en bruto, exportaciones de lectores de placas, vídeos de procedimientos en la poyata o notas manuscritas fotografiadas.
Cada tarea fue redactada por un científico a partir de sus propios experimentos, acompañada de una rúbrica de calificación desarrollada por expertos y sometida a tres revisiones, una de ellas a cargo de un doctor externo. La evaluación otorga puntos criterio por criterio, reconociendo incluso los casos en los que el modelo concluye que los datos disponibles no permiten extraer conclusiones.
Astra lidera una clasificación 100% de OpenAI
Con el ajuste de razonamiento más alto común a todos los modelos, GPT-6 Astra alcanza el 66,7% de los puntos, por delante de GPT-6.1 Sol (62,0%) y muy por encima de GPT-5.6 Sol (43,8%). OpenAI destaca ejemplos elocuentes: Astra advierte que una placa de control lleva la etiqueta de un antibiótico incorrecto y la descarta, o identifica que una secuencia de imágenes donde las células «desaparecen» corresponde en realidad a un barrido en profundidad del microscopio.
La empresa también expone los fallos. Astra elige colonias equivocadas porque una hipótesis familiar pesa más que lo que indican los controles, desestima observaciones que contradicen su conclusión y sobreestima en torno a un 12% el recuento de colonias. Como la propia OpenAI reconoce, estas puntuaciones no demuestran todavía que un modelo sea capaz de tomar decisiones de confianza en el laboratorio.
Nuestro análisis
BioBasicsBench da en el clavo: es en las tareas más ingratas, como interpretar un gel o verificar un control, donde un asistente de laboratorio puede ahorrar o costar semanas enteras de trabajo. La decisión de premiar el «no es posible concluir» resulta lo más destacable, ya que la sobreinterpretación es el error más perjudicial en ciencia. Sin embargo, el estudio presenta una limitación evidente: únicamente se evalúan modelos de OpenAI dentro de un benchmark creado por la propia OpenAI y un socio. Hasta que no se pongan a prueba otros modelos, solo se confirma que Astra mejora con claridad frente a la generación anterior, no cuál es su posición ante la competencia. Por último, OpenAI apunta que el seguimiento de estas capacidades le servirá para evaluar sus repercusiones en materia de bioseguridad, un asunto cuyo peso irá en aumento conforme sigan subiendo las puntuaciones.
Fuentes
- OpenAI — Measuring how AI agents handle everyday wet-lab science (6 de noviembre de 2026) Fuente primaria
- AI Affairs — OpenAI introduces BioBasicsBench to test AI agents on wet-lab tasks (7 de noviembre de 2026) Fuente secundaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
