OpenAI apresenta BioBasicsBench para medir como agentes de IA lidam com ciência de wet-lab do dia a dia

O BioBasicsBench tem 100 tarefas em cinco áreas de rotina de bancada: métodos de proteínas, imagem e citometria, quantificação e ensaios, métodos de ácidos nucleicos e clonagem molecular. As entradas são dados brutos: imagens de gel e blot, fotos de placas, pilhas de microscopia, sequenciamentos, exportações de leitores de placa e vídeos de trabalho de bancada. O agente devolve uma resposta estruturada, e a nota vem por critério de rubrica, o que separa conclusão correta de análise parcialmente correta.

A avaliação cobriu sete modelos (GPT‑5.2, GPT‑5.4, GPT‑5.5, GPT‑5.6 Sol, GPT‑6.1 Sol, GPT‑6 Luna e GPT‑6 Astra), em 37 combinações de modelo e esforço de raciocínio, com cinco tentativas por tarefa, num total de 18.500 resultados. No ajuste xhigh, o GPT‑6 Astra fez em média 66,7% do crédito, contra 43,8% do GPT‑5.6 Sol. A OpenAI diz que o ganho aparece mesmo com esforço baixo e sugere que capacidade multimodal nativa mais forte pode ser a chave.

A própria empresa lista falhas do Astra: deixou uma suposição sobre o tamanho do produto de PCR passar por cima dos controles e escolheu as colônias erradas, descartou observações que contradiziam sua interpretação sobre vacúolos e superestimou em cerca de 12% a contagem de colônias de uma placa. Segundo o texto, notas mais altas ainda não significam julgamento confiável no laboratório.

A cobertura anterior do CEVIU mostra a OpenAI e a comunidade montando benchmarks científicos ao longo de 2026. Em 19 de junho de 2026, o CEVIU noticiou "Apresentando o LifeSciBench", voltado a tarefas de pesquisa em ciências da vida. Em 28 de agosto de 2026, veio "Terminal-Bench-Science 0.1: Avaliando Agentes de IA em Cenários Científicos Reais". Agora o foco é mais estreito: interpretação de evidência bruta de wet-lab, feita com a Ligo.

Há também a linha de produto. Em 7 de junho de 2026, o CEVIU noticiou "GPT-Rosalind ganha upgrades estratégicos para acelerar descobertas em biotecnologia e medicina", e em 31 de agosto de 2026, o Rosalind Workbench. Os materiais não ligam esses produtos ao BioBasicsBench, então a conexão é de tema, não de resultado medido.

Para quem avalia agentes em ciência, a leitura é que benchmarks com gráficos curados escondem justamente o que pesa na bancada: controle mal rotulado, sinal ambíguo, imagem fora de foco. Para quem pensa em usar modelos em laboratório, os erros relatados indicam que a revisão humana segue necessária, já que um colônia errada ou uma contagem inflada custa tempo de experimento.