A OpenAI apresentou, em parceria com a empresa de biotecnologia Ligo, o BioBasicsBench, um novo benchmark que testa se agentes de IA conseguem interpretar as evidências brutas do trabalho cotidiano de laboratório. Anunciado em 6 de novembro de 2026, o benchmark reúne 100 tarefas construídas a partir de experimentos reais, com imagens de géis, placas de colônias, microscopia, arquivos de instrumentos e vídeos de bancada.
100 tarefas da rotina real de laboratório
As tarefas cobrem cinco áreas da rotina de laboratório: métodos de proteínas, imagem e citometria, ensaios e quantificação, métodos de ácidos nucleicos e clonagem molecular. Cientistas da Ligo escreveram cada tarefa a partir dos próprios experimentos e prepararam uma rubrica de avaliação detalhada, revisada por outro cientista da empresa e por um especialista externo com doutorado em trabalho de bancada.
GPT-6 Astra lidera, mas com ressalvas
A avaliação testou sete modelos da OpenAI em 37 combinações de modelo e esforço de raciocínio, com cinco tentativas por tarefa em cada configuração — 18.500 respostas avaliadas. No nível de esforço mais alto relatado para todos os modelos, o xhigh, o GPT-6 Astra liderou com 66,7% de crédito médio na rubrica (intervalo de confiança de 95% entre 60,3% e 73,1%), à frente do GPT-6.1 Sol, com 62,0%, e do GPT-5.6 Sol, com 43,8%. Os demais ficaram bem abaixo: GPT-6 Luna, 38,3%; GPT-5.5, 35,4%; GPT-5.4, 33,2%; e GPT-5.2, 31,2%.
Os números precisam ser lidos com cuidado: são médias de crédito parcial na rubrica, não a parcela de tarefas totalmente resolvidas. E a própria OpenAI faz a ressalva central — notas mais altas ainda não significam que os modelos possam fazer julgamentos confiáveis no laboratório. Em um exemplo citado no anúncio, o Astra escolheu as pistas erradas em uma tarefa de PCR de colônias ao assumir que um produto maior indicava clonagem bem-sucedida; em outra, supercontou colônias em cerca de 12%. Além disso, todos os modelos testados são da própria OpenAI, e a empresa não divulgou um desempenho humano de referência.
Mesmo com essas limitações, o BioBasicsBench aponta para onde a IA científica precisa evoluir: não basta responder perguntas de biologia — é preciso lidar com dados bagunçados, reconhecer erros e admitir quando a evidência não sustenta uma conclusão. É um teste de honestidade epistêmica tanto quanto de capacidade.
Crédito da imagem: gel de agarose após eletroforese, por TransControl, via Wikimedia Commons (CC BY-SA 3.0).
Fontes: Unite.AI — OpenAI Introduces BioBasicsBench to Test AI Agents on Wet-Lab Data; Kingy — BioBasicsBench: OpenAI's Wet-Lab AI Results Explained; anúncio da OpenAI, "Measuring how AI agents handle everyday wet-lab science", de 6 de novembro de 2026.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com base no cruzamento de publicações públicas no X e de fontes da internet. Consulte as fontes originais para verificar as informações.
Muse
