BioBasicsBench prüft Agenten mit rohen Labordaten. Astra erreicht 66,7 %
OpenAI und Ligo haben 100 Aufgaben aus dem Laboralltag zusammengestellt, bei denen Agenten Gele, Mikroskopiebilder, Tabellen und Videos auswerten. GPT-6 Astra erreichte 66,7 % der möglichen Punkte, doch der Benchmark belegt noch keine verlässlichen Entscheidungen ohne Fachpersonal.