OpenAI 推 GeneBench-Pro：用真實基因體資料考 AI 的科學底子

OpenAI 推出 GeneBench-Pro，一套新的評測基準，專門測 AI 在基因體學、生物學與科學研究上的表現。和很多用人造題目的評測不同，它強調用複雜的真實世界資料集來考模型，還另外放了一份案例研究，把模型實際解題的過程攤開來看。

這個方向和前一條 Claude Science 撞在同一個風口上，不是巧合。當各家都把矛頭對準科學研究這塊市場時，第一個要解決的問題就是『怎麼證明 AI 在硬科學上真的有用』。跑分平台這時就變成兵家必爭之地——誰定義了被廣泛採用的評測標準，誰就握有話語權，能用對自己有利的題型去框定『什麼叫強』。OpenAI 自己出題、自己附案例，背後有這層卡位的算計。

對實際做研究的人來說，這類評測值得用但別盡信。真實基因體資料確實比玩具題更接近日常，但一個由模型廠商自己設計、自己公布成績的基準，天生就有選擇性呈現的空間。比較務實的看法是把 GeneBench-Pro 當成一個參考座標，搭配 Anthropic、Google 等其他陣營的評測交叉看，而不是單看一家的榜單就下結論。AI 進科學的競賽才剛開打，評測標準本身就是這場仗的一部分。