O GeneBench-Pro usa dados biológicos imperfeitos para medir decisões de pesquisa, não respostas de livro-texto.
A melhor pontuação inicial foi do GPT-5.6 Sol Pro, com 31,5% em 129 tarefas; o Sol fez 28,7%, e o Claude Opus 4.8 liderou fora da OpenAI com 16,0%. O teste força decisões sobre viés, controle de qualidade, estatística e quando abandonar um plano de análise.
Fontes: CocoLoop、Introducing GeneBench-Pro (OpenAI); AlphaSignal; Silicon Report