近半数 AI 基准开始饱和：满分越来越多以后模型还怎么比较

作者：林岚｜OC 开发者生态编辑

OpenAI 做 GeneBench-Pro，不是炫模型，而是在承认科研 AI 还不会做判断

据 OpenAI 官方博客 介绍，GeneBench-Pro 是一个面向计算生物学的新基准，用来评估 AI 在真实科研分析里的“判断能力”。它包含 129 个问题，覆盖基因组学、定量生物学和转化医学等领域。OpenAI 称，当前最强模型 GPT-5.6 Sol 在最高推理级别下通过率为 28.7%，开启 Pro 模式后