BioBasicsBench

BioBasicsBench 是 OpenAI 发布的湿实验（wet-lab）智能体评测基准：约 100 道任务取材自 Ligo Biosciences 酶设计真实实验流程，考查模型阅读凝胶图像与仪器读数、发现错误、并在证据不足时承认不确定的能力。

介绍页：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/

公开要点（X/新闻综述 + 站点）：

• 面向 biosafety 相关日常科学任务进度追踪；
• 部分任务专门奖励「标出弱证据」；
• 报道中较新模型（如 GPT-6 Astra 高推理档）显著高于旧 GPT-5 系列。

为什么重要

把智能体评测从纯文本考试推进到真实实验数据工件，对实验室自动化与安全护栏更有参考价值。

注意

• 分数来自厂商/媒体报道，独立复现以官方材料为准；
• 不替代正式生物安全合规流程。

1. 阅读 OpenAI 介绍页了解任务设计；
2. 关注是否开源题目/评分脚本；
3. 用自家实验智能体对照报告中的错误类型做回归；
4. 安全相关结论需人工复核。