GeneBench-Pro 用帶雜訊的生物資料集測模型會不會做研究判斷，而不只是答教材題。
首批成績中，GPT-5.6 Sol Pro 在 129 題裡拿到 31.5%，Sol 為 28.7%，非 OpenAI 陣營最高是 Claude Opus 4.8 的 16.0%。測試重點放在偏差、質控失敗、統計取捨，以及何時該推翻原分析方案。
參考來源: CocoLoop、Introducing GeneBench-Pro (OpenAI); AlphaSignal; Silicon Report
GeneBench-Pro 用帶雜訊的生物資料集測模型會不會做研究判斷，而不只是答教材題。
首批成績中，GPT-5.6 Sol Pro 在 129 題裡拿到 31.5%，Sol 為 28.7%，非 OpenAI 陣營最高是 Claude Opus 4.8 的 16.0%。測試重點放在偏差、質控失敗、統計取捨，以及何時該推翻原分析方案。
參考來源: CocoLoop、Introducing GeneBench-Pro (OpenAI); AlphaSignal; Silicon Report