资讯›热点›正文

OpenAI发布MedChemBench药物化学基准,读分子近乎满分选药只得一半

浮光掠影 2026-11-22 22:22 阅读 16 热点
OpenAI发布药物化学推理基准MedChemBench:99道题覆盖117篇论文、761个分子结构。最强模型结构重建得分95.4%,但挑选化合物与预测性质只得约一半分数,官方直言这不能证明AI能发现新药。

OpenAI于11月20日发布面向药物化学的推理基准MedChemBench,用99道源自真实研发脉络的题目,测试通用大模型能否像药物化学家一样读结构、解释实验数据并决定下一步合成什么。题目取材自117篇已发表论文与专利,覆盖761个不同分子结构,每道题都截取自一项研究的某个真实决策节点,节点之后的实验结果被隐去作为评分依据。

OpenAI发布MedChemBench药物化学基准,读分子近乎满分选药只得一半

基准将评分拆为四块:分子结构重建、科学机理解释、候选排序与筛选、定量性质预测。在所有模型共用的最高推理档xhigh上,GPT-6.2 Astra以84.5%的总分居首,GPT-6 Astra、GPT-6.1 Sol分别为83.3%和82.0%,GPT-6.1 Terra为75.1%,上一代GPT-5.6 Sol只有58.2%,一代之差拉开约26个百分点。

分项结果揭示出明显的能力断层。GPT-6 Astra在分子结构重建上拿到95.4%的高分,包括10次独立重建一个含18元大环的复杂分子全部正确,而GPT-5.6 Sol与GPT-5.6 Luna同题全部失败,有的把环缩成15个原子,有的把分子拆成两截。但在挑选下一个该测试的化合物、预测数值性质这两类“决策型”任务上,它的得分只有一半左右,且11款参评模型在这两项上几乎原地踏步。

OpenAI发布MedChemBench药物化学基准,读分子近乎满分选药只得一半

OpenAI在发布说明里对局限写得相当直白:这套结果并不能证明模型能发现新药或改进实验室里的真实决策。题目来自已发表文献,无法排除模型训练时见过相关材料;每次作答都是单轮尝试,没有工具、没有反馈,也不能做新实验,评测的是对历史证据的推理,而非真实的药物发现流程。

这份基准的价值在于把“读得懂”与“做决策”分开测量:结构识别这类模式识别任务已接近解决,而在不确定性下权衡活性、渗透性与代谢稳定性的多参数取舍,仍是AI辅助制药最难啃的部分。对市面上动辄以“AI发现新药”为噱头的宣传,这组数据提供了一个冷静的参照。

读者评论 (0)

想参与讨论?请 登录 后发表评论。

还没有评论,欢迎抢沙发!