BioBasicsBench: OpenAI e Ligo testam agentes de IA em 100 tarefas rotineiras de laboratório de biologia
A OpenAI publicou em 6 de novembro o BioBasicsBench, desenvolvido com a biotech Ligo a partir de dados brutos de bancada: géis, placas de cultura, microscopia e arquivos de sequenciamento. O GPT-6 Astra obteve 66,7% dos pontos, contra 43,8% do GPT-5.6 Sol, mas apenas modelos da OpenAI foram avaliados.
A maioria dos testes científicos para IA utiliza figuras já tratadas, selecionadas para artigos publicados. O trabalho real em um laboratório de biologia é muito mais caótico: experimentos que dão errado, imagens ambíguas, controles que se contradizem. É isso que pretende medir o BioBasicsBench, apresentado em 6 de novembro pela OpenAI e desenvolvido em parceria com a Ligo, uma biotech especializada no design de enzimas (anúncio).
Dados de bancada, não figuras de artigos
O benchmark conta com 100 tarefas rotineiras, desde as mais simples (ler o tamanho de um fragmento de DNA em um gel) até a análise detalhada de um ensaio, divididas em cinco áreas: proteínas, imagem e citometria, quantificação, ácidos nucleicos e clonagem. Os dados são aqueles com os quais os pesquisadores lidam no dia a dia: fotos de géis e placas de cultura, pilhas de imagens de microscopia, arquivos brutos de sequenciamento, exportações de leitores de placas, vídeos de procedimentos de bancada e anotações manuscritas fotografadas.
Cada tarefa foi elaborada por um cientista a partir de seus próprios experimentos, acompanhada por uma matriz de pontuação criada por especialistas e revisada três vezes, incluindo uma validação por um doutor externo. A pontuação concede pontos critério por critério, inclusive por reconhecer que os dados não permitem tirar conclusões.
Astra na liderança de um ranking 100% OpenAI
Na configuração de raciocínio mais elevada comum a todos os modelos, o GPT-6 Astra alcança 66,7% dos pontos, à frente do GPT-6.1 Sol (62,0%) e bem distante do GPT-5.6 Sol (43,8%). A OpenAI destaca exemplos ilustrativos: o Astra percebe que uma placa de controle traz o rótulo de um antibiótico errado e a rejeita, ou identifica que uma sequência de imagens na qual células “desaparecem” é, na verdade, uma varredura em profundidade do microscópio.
A empresa também expõe os tropeços. O Astra seleciona colônias erradas porque uma hipótese familiar prevalece sobre o que os controles indicam, ignora observações que contradizem sua conclusão e superestima em cerca de 12% a contagem de colônias. A própria OpenAI reconhece: essas pontuações ainda não significam que um modelo seja capaz de tomar decisões confiáveis em laboratório.
Nossa leitura
O BioBasicsBench acerta o alvo: é nas tarefas operacionais ingratas, como ler um gel ou verificar um controle, que um assistente de laboratório pode economizar ou desperdiçar semanas de trabalho. A escolha de pontuar o reconhecimento de que “não é possível concluir” é o aspecto mais interessante, já que a superinterpretação é o erro mais custoso na ciência. No entanto, o cenário tem uma limitação evidente: apenas modelos da OpenAI foram avaliados, em um benchmark concebido pela própria OpenAI e uma parceira. Enquanto outros modelos não forem medidos, sabemos sobretudo que o Astra avança com clareza em relação à geração anterior, mas não qual é a sua posição frente à concorrência. Por fim, a OpenAI destaca que acompanhar essas capacidades ajudará a avaliar os impactos para a biossegurança, um fator que ganhará ainda mais relevância à medida que as pontuações subirem.
Fontes
- OpenAI — Measuring how AI agents handle everyday wet-lab science (6 de novembro de 2026) Fonte primária
- AI Affairs — OpenAI introduces BioBasicsBench to test AI agents on wet-lab tasks (7 de novembro de 2026) Fonte secundária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
