GeneBench-Pro는 정답형 문제가 아니라 지저분한 생물학 데이터로 연구 판단을 내릴 수 있는지를 묻는다.
첫 공개 결과에서 최고 점수는 129개 과제 기준 GPT-5.6 Sol Pro의 31.5%였다. Sol은 28.7%, 비 OpenAI 계열에서는 Claude Opus 4.8이 16.0%로 가장 높았다. 편향, 품질관리 실패, 통계 선택, 분석 계획을 접어야 하는 순간까지 본다.
출처: CocoLoop、Introducing GeneBench-Pro (OpenAI); AlphaSignal; Silicon Report