BioBasicsBench sprawdza agentów na surowych danych z laboratorium. Astra zdobywa 66,7%
OpenAI i Ligo przygotowały 100 zadań z codziennej pracy laboratoryjnej, w których agenci analizują żele, obrazy mikroskopowe, tabele i nagrania. GPT-6 Astra zdobyła 66,7% możliwych punktów, ale benchmark nie dowodzi jeszcze, że model może podejmować decyzje bez naukowca.