O que é o BioBasicsBench?

É um teste da OpenAI, apresentado em 6 de novembro de 2026 e feito com a Ligo, que mede se agentes de IA interpretam dados brutos de 100 tarefas de rotina de laboratório de biologia, como géis, placas de colônias e imagens de microscópio.

Quanto o GPT-6 Astra marcou no BioBasicsBench?

66,7% de acerto médio no esforço máximo de raciocínio, com intervalo de confiança de 60,3% a 73,1%. O GPT-6.1 Sol marcou 62% e o GPT-5.6 Sol, 43,8%.

O GPT-6 Astra já pode substituir um técnico de laboratório?

Não, segundo a própria OpenAI. A empresa diz que notas maiores ainda não equivalem a julgamento confiável de laboratório. O Astra escolheu colônias erradas num PCR e contou 12% de colônias a mais numa placa.

Outros modelos além dos da OpenAI foram testados?

Não. Só sete modelos da OpenAI entraram no teste, e as fontes não informam se as tarefas e os dados serão públicos.

GPT-6 Astra tira 66,7% no BioBasicsBench

Capa do Watcher com o título GPT-6 Astra tira 66,7% em teste de laboratório — Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

A OpenAI apresentou na sexta, 6 de novembro, o BioBasicsBench, teste com 100 tarefas de rotina de laboratório de biologia. As tarefas foram montadas com a Ligo, empresa de desenho de enzimas, a partir de experimentos reais dos cientistas dela. O teste mede se um agente lê dados brutos, como fotos de gel, placas de colônias e imagens de microscópio, e acha os erros. O GPT-6 Astra marcou 66,7% de acerto médio, contra 43,8% do GPT-5.6 Sol, usando cerca de metade dos tokens. A OpenAI escreveu que notas maiores “ainda não equivalem a julgamento confiável de laboratório”.

Em resumo

O teste: 100 tarefas em cinco áreas: proteínas, imagem e citometria, quantificação e ensaios, ácidos nucleicos e clonagem molecular.
Notas: GPT-6 Astra com 66,7%, GPT-6.1 Sol com 62%, GPT-5.6 Sol com 43,8% e GPT-5.2 com 31,2%, no esforço máximo de raciocínio.
Tokens: o Astra usou 4.704 tokens de saída por tarefa, contra 9.099 do GPT-5.6 Sol e 27.620 do GPT-5.2.
Erros: o Astra escolheu as colônias erradas num PCR, contou 12% de colônias a mais e tirou conclusão contra a própria evidência.
Limite: só modelos da OpenAI foram testados. As fontes não dizem se tarefas e dados serão públicos.

O que o BioBasicsBench mede?

O teste cobre a análise que vem depois do experimento. Pipetar, operar instrumento ou robô fica de fora, segundo o AlphaSignal. As entradas são material bruto: géis e blots, placas de colônias, pilhas de imagens de microscópio, leituras de sequenciamento, arquivos exportados de leitores de placa, fotos da bancada, anotações à mão e vídeos de protocolo. O BigGo detalha a mistura: géis e blots aparecem em 31 tarefas, protocolos e anotações em 27, tabelas e arquivos de instrumento em 20.

Cientistas da Ligo escreveram as tarefas a partir dos próprios experimentos, incluindo rodadas que falharam e imagens pouco claras, segundo o AI/TLDR. Cada tarefa tem uma rubrica que dá crédito pelo número certo, pelo raciocínio que sustenta o número e por reconhecer quando a evidência não basta. Cada uma passou por três revisões: um cientista da Ligo que não a escreveu, um doutor de fora com experiência de bancada e uma revisão final interna.

Como os modelos se saíram?

A OpenAI testou sete modelos próprios em 37 combinações de modelo e esforço de raciocínio, com cinco tentativas por tarefa, num total de 18.500 respostas corrigidas. No esforço máximo, o GPT-6 Astra marcou 66,7%, com intervalo de confiança de 60,3% a 73,1%. Vieram depois o GPT-6.1 Sol, com 62%, o GPT-5.6 Sol, com 43,8%, o GPT-6 Luna, com 38,3%, o GPT-5.5, com 35,4%, o GPT-5.4, com 33,2%, e o GPT-5.2, com 31,2%, segundo iMasters, AlphaSignal e BigGo.

O Astra também foi o mais econômico: 4.704 tokens de saída por tarefa, contra 9.099 do GPT-5.6 Sol e 27.620 do GPT-5.2. A OpenAI atribui boa parte do salto à leitura de imagem nativa do modelo, mais do que ao raciocínio extra, segundo o iMasters.

Há um erro de conta numa das fontes. O iMasters escreve que a nota do Astra é cerca de 1,5 vez a do GPT-6.1 Sol. Pela tabela publicada, a razão de 1,5 vale contra o GPT-5.6 Sol (66,7% contra 43,8%). Contra o GPT-6.1 Sol, a diferença é de 4,7 pontos. A data também varia: o BigGo fala em 4 de novembro, enquanto Unite.AI, iMasters e AI/TLDR registram 6 de novembro. Este texto segue a maioria. A página original da OpenAI não abriu na consulta da Marcio.AI, e os números vêm da reprodução feita por essas fontes.

Onde o GPT-6 Astra acertou e onde errou?

Os acertos mostram atenção a detalhe. Numa imagem de células, o GPT-5.6 Sol concluiu que estavam mortas pelo sinal de um corante. O Astra apontou possível interferência de um segundo corante e pediu controles. Numa clonagem, o Sol confiou numa placa de controle vazia. O Astra viu que a placa era de canamicina, e o experimento usava ampicilina, e descartou o controle, segundo o Unite.AI.

Os erros mostram o limite. Num PCR de colônias, o Astra separou as bandas certas, mas trocou o significado delas: escolheu as colônias 4, 6, 7 e 8, quando a referência era 5, 9 e 10. Na prática, o laboratório purificaria o plasmídeo errado. Numa contagem, errou 12% para cima, porque perdeu colônias próximas e marcou ágar vazio como colônia. Como a eficiência da transformação sai dessa conta, o erro passa adiante. Numa imagem de vacúolos, generalizou que eles são mais escuros, mesmo tendo anotado no raciocínio que o contraste mudava com o foco.

O que a nota não diz?

O AlphaSignal aponta quatro limites. A média inclui crédito parcial, então 66,7% pode esconder muitas respostas incompletas, e a taxa de tarefas resolvidas por inteiro não foi publicada. Só modelos da OpenAI entraram, sem Anthropic, Google ou cientistas humanos como base de comparação. Os exemplos de falha são qualitativos, sem nota por área. E não há análise de custo com tokens de entrada, tempo e preço.

A OpenAI também liga o teste à biossegurança. As mesmas habilidades de leitura de evidência servem a pesquisa útil com enzimas e a projetos biológicos perigosos. A empresa diz que vai usar o acompanhamento dessa capacidade na sua avaliação de risco biológico, segundo Unite.AI e AlphaSignal.

Como chegamos até aqui?

É a terceira régua própria da OpenAI em uma semana. Na segunda, 2, a empresa apresentou o LifeVal, de tarefas do dia a dia, em que o GPT-6 Astra marcou 80,6%, como a Marcio.AI mostrou. Na quinta, 5, mostrou o Astra projetando um aparelho inteiro, com erros de tolerância de fábrica. Agora o BioBasicsBench leva a mesma lógica para a bancada. Nos três casos, a OpenAI montou o teste, rodou os modelos e publicou as notas. Em outubro, o Google DeepMind lançou uma marca d’água para proteínas desenhadas por IA, outra frente da mesma preocupação com biossegurança.

O que isso significa para laboratórios brasileiros?

Para laboratórios de universidades, institutos de pesquisa e biotechs no Brasil, o teste dá uma régua prática. Um agente que lê géis e conta colônias pode acelerar a rotina, mas a taxa de erro mostrada pede revisão humana em todo resultado que define o próximo passo, como a escolha de um clone. Um plasmídeo errado custa dias de bancada e reagente importado.

O método vale mais que a nota. Juntar experimentos reais do próprio laboratório, escrever uma rubrica por tarefa e medir o agente antes de usar é algo que qualquer grupo consegue fazer. Em trabalhos com organismos geneticamente modificados, que no Brasil seguem a Lei de Biossegurança e as regras da CTNBio, o registro de quem decidiu cada etapa continua com o pesquisador responsável.

O que observar nas próximas semanas

A tese da Marcio.AI: o BioBasicsBench mostra que agentes já ajudam na leitura de dados de bancada, mas ainda erram o tipo de coisa que um técnico experiente não erra. O teste só vai pesar fora da OpenAI quando outros laboratórios puderem rodar as mesmas tarefas. Quem ganha agora é a Ligo, que passa a ter dados de avaliação reconhecidos. Quem perde é o argumento de automação total da bancada no curto prazo.

Sinais para conferir até o fim do ano: publicação das tarefas ou de parte delas, notas de modelos da Anthropic e do Google, taxa de tarefas resolvidas por inteiro, resultados por área e mudanças na avaliação de risco biológico da OpenAI.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, Muito próximo do hype). Seção DeepTech do Watcher.

#MarcioAI #OpenAI #BioBasicsBench #GPT6Astra #Biotecnologia #AgentesDeIA

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.

GPT-6 Astra acerta 66,7% no novo teste de laboratório da OpenAI, e ainda erra colônias