ทันเอไอ

OpenAI เปิดชุดทดสอบ BioBasicsBench วัดความสามารถ AI Agent อ่านข้อมูลดิบงานแล็บชีววิทยาพื้นฐาน

OpenAI เปิดตัว BioBasicsBench ชุดทดสอบ 100 งาน วัดว่า AI Agent อ่านข้อมูลดิบจากห้องแล็บและตรวจข้อผิดพลาดได้ดีแค่ไหน โมเดลรุ่นใหม่ทำคะแนนได้สูงกว่า แต่ยังผิดพลาดอยู่

OpenAI เปิดตัว BioBasicsBench ชุดทดสอบ (benchmark) ที่มี 100 งาน ออกแบบมาเพื่อวัดว่า AI Agent ซึ่งทำงานเป็นขั้นตอนอัตโนมัติได้ดีแค่ไหนกับงานวิทยาศาสตร์ชีวภาพระดับพื้นฐานในห้องแล็บแบบ wet lab ประกาศเมื่อวันที่ 6 พฤศจิกายน 2026 โดยทำร่วมกับ Ligo

งานในชุดทดสอบนี้ไม่ได้ถามความรู้ทั่วไป แต่ให้โมเดลอ่านข้อมูลดิบจากการทดลองจริง เช่น การนับโคโลนีของแบคทีเรีย การหาข้อผิดพลาดในข้อมูล และการบอกว่าหลักฐานที่มีพอจะสรุปผลได้หรือยัง ทักษะเหล่านี้เป็นงานประจำของนักวิทยาศาสตร์ในแล็บ และเป็นจุดที่ AI อาจช่วยประหยัดเวลาได้ถ้าทำได้น่าเชื่อถือ

ผลที่ OpenAI รายงาน ที่ระดับการให้เหตุผล (reasoning) แบบ xhigh โมเดล GPT-6 Astra ได้ 66.7% ส่วน GPT-5.6 Sol ได้ 43.8% อย่างไรก็ตาม ตัวเลขนี้เป็นคะแนนเฉลี่ยจากเกณฑ์ที่ให้คะแนนบางส่วนได้ ไม่ได้หมายความว่าโมเดลทำการทดลองสำเร็จไปแล้วถึง 66.7% ของงานทั้งหมด ทั้งนี้ GPT-6 เปิดตัวแล้วตั้งแต่ 3 กันยายน 2026 จึงควรมองว่า GPT-5.6 Sol เป็นรุ่นเปรียบเทียบ ไม่ใช่รุ่นล่าสุด

สำนักข่าว R&D World รายงานว่าการทดสอบครั้งนี้ใช้โมเดลของ OpenAI 7 รุ่น รวม 18,500 คำตอบ และยืนยันว่ามีการประกาศและรายงานผลจริง แต่คะแนนยังมาจาก OpenAI เอง ยังไม่มีการทดสอบซ้ำโดยอิสระ จึงยืนยันได้เฉพาะว่ามีการเผยแพร่ผลนี้ ยังยืนยันตัวเลขอย่างอิสระไม่ได้

ทั้งสองแหล่งระบุตรงกันว่าโมเดลยังทำผิดพลาดอยู่ เช่น ในตัวอย่างหนึ่งนับโคโลนีเกินราว 12% ผู้เชี่ยวชาญจึงมองว่าคะแนนที่สูงขึ้นยังไม่ได้พิสูจน์ว่าโมเดลเชื่อถือได้พอสำหรับการตัดสินใจในแล็บจริง