# OpenAI, 실제 실험 데이터 평가하는 생명과학 벤치마크 공개

> 새 평가에서 GPT-6 Astra는 평균 66.7%를 기록했습니다. 다만 비교 대상은 OpenAI 모델뿐이며, 점수가 실제 실험실에서의 신뢰성을 보장하지는 않습니다.

Oossa · 2026-11-09 · https://oossa.com/ko/openai-3724381

OpenAI가 생명과학 실험실에서 나온 원시 데이터를 AI가 분석하고 오류를 찾아내는 능력을 평가하는 벤치마크 ‘BioBasicsBench’를 공개했다. 효소 설계 기업 Ligo와 함께 만든 이 평가에는 실제 연구 업무를 반영한 100개 과제가 담겼다.

과제는 단백질 분석, 세포 영상·계측, 정량 분석, 핵산 분석, 분자 복제 등 다섯 분야를 다룬다. 젤과 블롯 이미지, 현미경 사진, 염기서열, 실험 장비의 측정값과 영상처럼 연구 과정에서 만들어지는 자료를 사용한다. 논문에 실린 정리된 데이터만 보는 평가와 달리, 실험 오류나 결과가 불분명한 상황도 포함했다.

## 오류를 알아차리는지도 평가했다

OpenAI가 자사 모델 7종을 ‘xhigh’ 설정으로 시험한 결과, GPT-6 Astra는 평균 66.7%를 기록했다. GPT-5.6 Sol의 43.8%보다 22.9%포인트 높고 GPT-6.1 Sol의 62.0%도 웃돌았다. 과제당 사용한 출력 토큰은 평균 4,704개로, GPT-5.6 Sol의 9,099개보다 약 48% 적었다.

점수 차이는 대조군의 문제를 발견하는 과제에서 드러났다. DNA 복제 실험에서 GPT-5.6 Sol은 음성 대조군 배양 접시에 집락이 없다는 점을 근거로 결과를 판단했다. 반면 GPT-6 Astra는 접시에 적힌 항생제 이름이 실험 조건과 다르다는 점을 찾아, 그 접시를 믿을 만한 대조군으로 쓸 수 없다고 봤다.

하지만 기본적인 집락 세기에서도 오류가 있었다. GPT-6 Astra는 붙어 있는 집락을 나누거나 빈 공간을 제외하는 데 실패해 기준값보다 약 12% 많은 수를 계산했다. 또 66.7%는 과제별 기준에 따른 평균 점수이지, 과제의 66.7%를 완벽하게 풀었다는 뜻은 아니다.

## 실제 연구 성과와는 구분해야 한다

이번 평가는 OpenAI 모델만 대상으로 했기 때문에 다른 회사 모델보다 낫다고 결론 내릴 수는 없다. OpenAI도 높은 점수가 실제 실험실에서 신뢰할 수 있는 판단을 보장하지 않는다고 설명했다. 따라서 이 결과는 제한된 과제에서 모델의 데이터 해석과 오류 감지 능력을 비교한 것으로 봐야 한다.

BioBasicsBench는 OpenAI가 생명과학 사업을 넓히는 가운데 나왔다. 회사는 앞서 신약 개발과 생물학 연구용 모델 GPT-Rosalind를 내놓고, 적격 기업과 연구기관에 공급하기 시작했다. BioBasicsBench가 GPT-Rosalind를 평가한 것은 아니다. OpenAI는 이 벤치마크를 연구자가 반복적으로 겪는 문제를 줄이는 데 활용하고, 생물안전·생물보안 문제를 추적하는 데도 쓰겠다고 밝혔다.

## 팩트

- BioBasicsBench는 Ligo와 공동 개발한 100개 과제로 구성됐다.
- 평가 분야는 단백질 분석, 세포 영상·계측, 정량 분석, 핵산 분석, 분자 복제 등 5개다.
- ‘xhigh’ 설정에서 GPT-6 Astra는 평균 66.7%, GPT-5.6 Sol은 43.8%를 기록했다.
- GPT-6 Astra는 배양 접시의 집락을 세는 과제에서 기준값보다 약 12% 많은 수를 계산했다.

## 왜 중요한가

생명과학 연구자는 AI가 실험 데이터를 읽고 잘못된 대조군을 알아차릴 가능성을 이 평가로 확인할 수 있습니다. 다만 비교는 OpenAI 모델에 한정됐고 집락 세기 오류도 보고돼, 연구자가 AI 판단을 그대로 믿어도 되는지는 아직 확인되지 않았습니다.

## 출처 및 참고 자료

1. [오픈AI, 생명과학 AI 벤치마크 공개…GPT-6 아스트라 성능 23%P 향상](https://www.aitimes.com/news/articleView.html?idxno=217167) – AI Times, 2026-11-09

최종 업데이트: 2026-11-09