BioBasicsBench: OpenAI e Ligo testano gli agenti IA su 100 compiti ordinari di laboratorio biologico
OpenAI ha pubblicato il 6 novembre BioBasicsBench, ideato con la biotech Ligo a partire da dati grezzi di laboratorio: gel, capsule di coltura, microscopia, file di sequenziamento. GPT-6 Astra vi ottiene il 66,7% dei punti, contro il 43,8% di GPT-5.6 Sol, ma sono stati valutati solo modelli di OpenAI.
La maggior parte dei test scientifici per l’IA impiega figure già ripulite, selezionate per articoli pubblicati. Il lavoro reale in un laboratorio di biologia è molto più disordinato: esperimenti falliti, immagini ambigue, controlli che si contraddicono a vicenda. È proprio questo che intende misurare BioBasicsBench, presentato il 6 novembre da OpenAI e ideato insieme a Ligo, una biotech specializzata nella progettazione di enzimi (annuncio).
Dati reali da banco di laboratorio, non figure da pubblicazione
Il benchmark include 100 compiti ordinari, dal più semplice (leggere la dimensione di un frammento di DNA su un gel) all’analisi dettagliata di un saggio, ripartiti in cinque aree: proteine, imaging e citometria, quantificazione, acidi nucleici, clonazione. I dati sono quelli effettivamente manipolati dai ricercatori: foto di gel e piastre di coltura, pile di immagini di microscopia, file grezzi di sequenziamento, esportazioni di lettori di piastre, riprese video di operazioni al banco, note manoscritte fotografate.
Ciascun compito è stato formulato da uno scienziato a partire dalle proprie esperienze sul campo, affiancato da una griglia di valutazione elaborata da esperti e poi revisionato tre volte, di cui una da un dottore di ricerca esterno. La valutazione assegna punti criterio per criterio, compreso il riconoscimento del fatto che i dati non consentono di giungere a una conclusione.
Astra in testa a una classifica al 100% OpenAI
Con l’impostazione di ragionamento più elevata condivisa da tutti i modelli, GPT-6 Astra ottiene il 66,7% dei punti, precedendo GPT-6.1 Sol (62,0%) e staccando nettamente GPT-5.6 Sol (43,8%). OpenAI evidenzia alcuni esempi eloquenti: Astra nota che una piastra di controllo riporta l’etichetta dell’antibiotico sbagliato e la scarta, oppure riconosce che una sequenza di immagini in cui le cellule sembrano «sparire» è in realtà una scansione in profondità del microscopio.
L’azienda evidenzia anche i fallimenti. Astra seleziona le colonie sbagliate perché un’ipotesi familiare prevale su quanto indicato dai controlli, tralascia osservazioni in contrasto con la sua deduzione e sovrastima di circa il 12% il conteggio delle colonie. La stessa OpenAI lo precisa: questi punteggi non indicano ancora che un modello sia in grado di formulare giudizi affidabili in laboratorio.
La nostra lettura
BioBasicsBench centra il bersaglio: è proprio nei compiti più ingrati, come interpretare un gel o verificare un controllo, che un assistente di laboratorio può far guadagnare o perdere intere settimane. La scelta di premiare l’ammissione «non è possibile concludere» rappresenta l’aspetto più interessante, poiché la sovrainterpretazione è l’errore più costoso nella scienza. Il quadro presenta tuttavia un limite evidente: sono stati valutati solo modelli di OpenAI, su un benchmark ideato da OpenAI stessa insieme a un partner. Finché non saranno testati altri modelli concorrenti, sappiamo soprattutto che Astra compie un netto passo avanti rispetto alla generazione precedente, ma non dove si collochi nel mercato. OpenAI precisa infine che monitorare queste abilità aiuterà a valutarne l’impatto sulla biosicurezza, una questione destinata a pesare sempre di più con il salire dei punteggi.
Fonti
- OpenAI — Measuring how AI agents handle everyday wet-lab science (6 novembre 2026) Fonte primaria
- AI Affairs — OpenAI introduces BioBasicsBench to test AI agents on wet-lab tasks (7 novembre 2026) Fonte secondaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
