한눈에
OpenAI가 일상적인 습식 실험실(wet lab) 분석을 AI 에이전트가 얼마나 잘하는지 재는 BioBasicsBench를 공개했다.
과제 100개는 단백질·이미징·정량 분석·핵산·분자 클로닝 다섯 영역이다. 논문용으로 고른 예쁜 그림이 아니라, 실패한 실험과 애매한 이미지까지 들어 있다.
숫자로 보면
가장 높은 추론 설정(xhigh)에서 GPT-6 Astra 평균 보상은 66.7%(95% 신뢰구간 60.3–73.1%)였다.
같은 조건에서 GPT-5.6 Sol은 43.8%였다. GPT-6.1 Sol은 62.0%였다.
모델 7종, 설정 37개, 과제마다 5번 시도로 모두 1만 8,500건을 평가했다.
왜 중요한가
에이전트가 대조군을 잘못 읽거나 근거 없는 결론을 내면, 연구자가 잘못된 다음 실험으로 시간을 쓴다.
OpenAI는 이 점수가 높아져도 바로 실험실에 맡길 수준은 아니라고 했다. 이미지·대조군·실험 맥락을 더 잘 보는 쪽이 숙제라고 밝혔다.
어떻게 바뀌나
생명과학용 AI를 고를 때 ‘논문 요약’이 아니라 ‘날것 실험 데이터 해석’을 기준으로 볼 수 있게 됐다.
바이오안전·바이오안보 논의에서도, 일상 실험 능력이 어디까지 왔는지 숫자로 따라갈 근거가 생겼다.