GeneBench-Proは、整理済みの設問ではなく、ノイズを含む生物データから研究判断を下せるかを測る。
初回の最高点は129問中31.5%のGPT-5.6 Sol Proで、Solは28.7%、OpenAI以外ではClaude Opus 4.8の16.0%が最上位だった。問われるのはバイアス、品質管理に落ちたサンプル、統計上の選択、分析方針を捨てるべき局面だ。
参考資料: CocoLoop、Introducing GeneBench-Pro (OpenAI); AlphaSignal; Silicon Report