BioBasicsBench enfrenta a los agentes con datos brutos de laboratorio. Astra logra un 66,7 %
OpenAI y Ligo han creado 100 tareas de trabajo cotidiano de laboratorio en las que los agentes interpretan geles, microscopía, tablas y vídeo. GPT-6 Astra obtuvo el 66,7 % de los puntos, pero el benchmark aún no demuestra que un modelo pueda decidir sin un científico.