研究 #OpenAI#智能体 2026-11-08 · 原文发布 11-06

OpenAI 推出 BioBasicsBench:100 道任务,测智能体解读原始实验数据、处理日常湿实验的能力

评测对象从「答题」换成「看懂真实实验数据」,衡量的是智能体在科研日常里能不能用。

一手来源 OpenAI 新闻 · openai.com 读原文 ↗

// 要点

  • BioBasicsBench 包含 100 道任务
  • 衡量 AI 智能体解读原始实验数据的能力
  • 覆盖日常湿实验科学工作,OpenAI 将其归为「论文发表」类

开发者视角和 10-30 的 GPT-6 Rosalind、11-02 的 LifeVal 连起来看,OpenAI 在给垂直场景各配一把自己的尺子。做产品的人该学的是这个做法:用「用户手里的原始数据」出题,而不是用公开题库,智能面试的评测集我也会按这个思路补一批真实简历和面试录音。

// 来龙去脉 · 来自 #OpenAI 专题

看完整时间线 →
  1. 11-08 OpenAI 与 Hacktron 合作,用前沿 AI 查找自家系统漏洞、测试与第三方服务的连接
  2. 11-06 OpenAI 发布 GPT-6 Cyber,仅向 Daybreak Red 客户开放:105 万 token 上下文,每百万 token 输入 20 美元、输出 100 美元
  3. 11-06 OpenAI 发布 GPT-Image-2.6 Sunburst 与 Flare,Image API 新增复杂度控制、SVG 输出和动图 GIF

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →