OpenAI 发布了新基准“GeneBench-Pro”，用于衡量 AI 智能体在计算生物学研究中能在多大程度上做出恰当的判断[1]。该基准由覆盖基因组学、定量生物学和转化医学的 129 道题目组成，考察的不是对事实的记忆或按既定流程执行，而是研究者特有的判断力，例如从含糊不清的数据中选择何种分析路径。即便是最新模型，正确率也仅在 3 成左右，因此它作为衡量 AI 能否在真实科研中辅助人类专家的指标而备受关注。

考察的不是知识，而是“通往正解的路径”

GeneBench-Pro 想要衡量的并非回答事实的能力。科学数据并不会附带说明书，研究者必须判断某个模式究竟反映了真实的生物学信号还是单纯的噪声，判断数据能否支撑所提出的问题，并据此决定下一步该怎么做[1]。OpenAI 将这一系列判断称为“研究品味”，并把它的优劣作为评估对象。

在每道题目中，模型会得到一个真实而杂乱的数据集、简要的实验背景，以及与下游决策挂钩的目标量。模型必须探索数据、选择合适的分析方法、反复试验，最终给出答案。在实际解题环境方面，每道题都提供一个隔离的工作区，其中配备了包括 Python 和 PLINK 2.0 在内的标准生物信息学工具集[1]。

129 道题目均为人工合成，并经专家审核

在已有的基准中，若使用过去的杂乱数据，“通往正解的路径”往往无法唯一确定，评估结果会反映出题者的随意选择。为避免这一问题，GeneBench-Pro 将每道题目连同数据生成的因果结构一起进行人工模拟生成[1]。如此一来便可调节题目难度，并设计为即使在分析上存在合理的解释差异，数值也能落在可接受范围内，同时确认那些看似合理但实则错误的分析会被正确判为错误。

此外，OpenAI 还将 129 道题目中的 82 道发送给研究生、博士后、企业研究人员和教授等外部领域专家进行审核[1]。专家评估每道题目的真实性、目标答案是否可识别，以及方法和估计量是否恰当，其意见被用于改进题目。审核者表示，所涉数据包含技术缺陷和质量控制问题，仅靠套用现成方法无法解决，需要审慎的分析。题目集及其中 10 道代表性题目连同交互式 Web 界面在 Hugging Face 上公开，50 道题的子集还将提供给第三方机构 Artificial Analysis[1]。

即便最新模型正确率也约为 3 成

从实际成绩来看，OpenAI 性能最强的模型 GPT-5.6 Sol 在最高推理级别下取得了 28.7% 的正确率，启用 Pro 模式时为 31.5%[1]。与开始构建前身 GeneBench 时、当时性能最强的 GPT-5 不足 5% 相比，这是一次急剧的提升。OpenAI 认为，即便在难以衡量的系统级科学推理上进步也很快，这一基准有可能在年内就趋于饱和。

推理算力的作用同样明显：GPT-5.6 Sol 在推理级别最低的设置下正确率仅为个位数，而在最高级别下，用约三分之二的 token 量解决了约为 GPT-5.2 六倍数量的题目[1]。在模型家族之间的比较中，与 GLM 5.2 等强力开源模型的差距超出了从编程类基准的预期，显示出开源阵营更偏向于专攻编程。另一方面，即便是最新模型也只能解出不到三分之一的题目，这也表明仍有很大的改进空间。

把专家 20 至 40 小时的工作变成几美元

GeneBench-Pro 还抛出了另一个关于科研成本结构的议题。据审核者估算，人类专家解出一道典型题目大约需要 20 至 40 小时[1]。即便以保守的每小时 200 美元（约 3 万日元）计算，单题的人力成本也高达数千美元（约数十万日元规模）。相比之下，AI 智能体的推理成本每题仅为几美元（约数百日元）。

※按 1 美元 = 162 日元换算（截至 2026 年 6 月 30 日）

现阶段的 AI 在可靠性上还不足以让其从头到尾独立完成分析，但成本差距非常巨大，即便以当前能力进行部分自动化，也有望创造有意义的经济和科学价值[1]。随着基因测序成本大幅下降、将分子、表型与健康记录关联起来的生物样本库规模数据日趋完善，瓶颈正从数据生成转向把这些信息转化为可执行洞见的分析环节[2]。如果 AI 能够稳定胜任假设筛选和药物靶点追踪等工作，就有望成为推动科研提速的力量。

总结

GeneBench-Pro 试图衡量的，是 AI 在多大程度上具备在含糊之中选择恰当分析路径这一科研核心判断力，而非知识量或常规处理能力。尽管最新的 GPT-5.6 Sol 正确率仍在 3 成左右，但进步之快与压倒性的成本差距表明，AI 正在逐步接近作为科研辅助者的实用水平。随着模型能力日益高级，衡量这类高抽象度能力的基准，其重要性预计将进一步提升。

出典:https://openai.com/index/introducing-genebench-pro

出典:https://www.biorxiv.org/content/10.64898/2026.06.29.735386v1