Naar de hoofdinhoud
Kunstbrein, AI-nieuws met duiding
20 november 2026
Terug naar het nieuws

AI-tools

OpenAI test AI-agents op laboratoriumwerk: GPT-6 Astra haalt 66,7 procent op BioBasicsBench, GPT-5.6 Sol 43,8

OpenAI meet met BioBasicsBench hoe goed AI laboratoriumdata leest: GPT-6 Astra scoort 66,7 procent, maar de resultaten blijven ver van betrouwbaar.

Op basis van OpenAI

5 min lezen 1 bron

Samengesteld met AI-assistentie uit de onderstaande bronnen, onder redactie van Frederiek Pascal. Hoe dit werkt

In het kort

  • OpenAI en Ligo introduceren BioBasicsBench, een test met 100 routinetaken waarin AI ruwe laboratoriumdata moet lezen, fouten moet opsporen en moet erkennen wanneer bewijs onvoldoende is.
  • Op de hoogste denkstand scoort GPT-6 Astra gemiddeld 66,7 procent van de punten, tegenover 43,8 procent voor GPT-5.6 Sol en 31,2 procent voor GPT-5.2.
  • Astra gebruikt volgens OpenAI per taak minder tekst om te redeneren, rond 4.704 eenheden tegenover 9.099 voor GPT-5.6 Sol, wat op termijn lagere kosten kan betekenen.
  • Voor Vlaamse kmo's buiten de biotech verandert er nu niets, maar de test laat zien hoe AI-agents nog te snel conclusies trekken uit beelden en data.
  • OpenAI zelf benadrukt dat hogere scores nog niet betekenen dat de modellen in het lab betrouwbare beslissingen kunnen nemen.

Wat dit voor jou betekent

OpenAI heeft samen met het biotechbedrijf Ligo een nieuwe test gepubliceerd: BioBasicsBench. De test meet hoe goed AI-agents (programma’s die zelfstandig taken uitvoeren) de gewone, rommelige gegevens uit een laboratorium begrijpen. Het beste model, GPT-6 Astra, haalt gemiddeld 66,7 procent van de beschikbare punten. Zijn voorganger GPT-5.6 Sol komt op 43,8 procent.

Wat meet BioBasicsBench precies?

De test bestaat uit 100 routinetaken uit vijf domeinen van laboratoriumwerk, onder meer eiwitmethoden, beeldvorming, DNA-methoden en het klonen van moleculen. Volgens OpenAI zijn bestaande tests vaak gebaseerd op nette grafieken uit wetenschappelijke artikels. In een echt lab zijn experimenten mislukt, beelden onduidelijk en waarnemingen tegenstrijdig.

Wetenschappers schreven de taken op basis van hun eigen experimenten, met beoordelingscriteria van experts erbij. Elke taak werd nagekeken door een Ligo-wetenschapper die hem niet schreef, door een externe wetenschapper met doctoraat en nog eens intern. De invoer is divers: foto’s van gels, microscoopbeelden, filmpjes van handelingen aan de labotafel, tabellen uit meetapparaten en sequentiebestanden.

De antwoorden krijgen punten per criterium. Zo kan de test een volledig juiste conclusie onderscheiden van een gedeeltelijk juiste analyse. Dat is nuttig, want een taak vraagt vaak meerdere vaardigheden tegelijk, zoals biologische kennis, beeldinterpretatie en foutopsporing.

Hoe goed scoren de modellen?

OpenAI testte zeven modellen in 37 combinaties van model en denkstand, met telkens vijf pogingen per taak. Dat geeft 18.500 resultaten. Op de hoogste denkstand die voor alle zeven is gemeten, ziet de rangorde er zo uit:

  • GPT-6 Astra: 66,7 procent
  • GPT-6.1 Sol: 62,0 procent
  • GPT-5.6 Sol: 43,8 procent
  • GPT-6 Luna: 38,3 procent
  • GPT-5.5: 35,4 procent
  • GPT-5.4: 33,2 procent
  • GPT-5.2: 31,2 procent

De onzekerheidsmarges zijn groot. Voor Astra loopt het betrouwbaarheidsinterval van 60,3 tot 73,1 procent. Het verschil met GPT-6.1 Sol (55,6 tot 68,4 procent) is dus niet zo scherp als de rangorde doet vermoeden. Het verschil met GPT-5.6 Sol is wel duidelijk.

Opvallend is ook dat de nieuwste modellen minder tekst nodig hebben om te redeneren. Astra gebruikt gemiddeld 4.704 tekstblokken per taak, GPT-5.2 maar liefst 27.620. Voor wie betaalt per gebruik is dat een aanwijzing dat betere modellen niet altijd duurder hoeven te zijn. De bronnen geven geen prijzen, dus dat blijft een inschatting.

Wat doet Astra beter?

OpenAI geeft drie voorbeelden. In het eerste moest het model cellen beoordelen met een kleurstof voor dode cellen. GPT-5.6 Sol noemde de cellen dood, maar het meetapparaat kon ook licht van een tweede kleurstof opvangen. Astra zag dat en vroeg om betere controles.

In het tweede voorbeeld zag GPT-5.6 Sol geen kolonies op een controleschaal en baseerde daar zijn conclusie op. Astra merkte op het etiket op de rand dat de schaal het verkeerde antibioticum bevatte en verwierp de controle terecht. Het derde voorbeeld ging over een microscoopreeks waarin cellen in en uit beeld verschenen. Sol zocht een biologische verklaring, Astra herkende dat het apparaat gewoon op verschillende diepten scherpstelde.

OpenAI vermoedt dat sterkere verwerking van beeld en video de sleutel is tot de vooruitgang. Dat is een hypothese van het bedrijf, niet iets wat de test bewijst.

Waar schiet het nog tekort?

OpenAI geeft zelf toe dat een hogere score nog niet betekent dat de modellen in het lab betrouwbaar kunnen oordelen. Bij een kloneringsexperiment koos Astra de verkeerde kolonies, omdat het ervan uitging dat een groter DNA-stuk wijst op een geslaagd experiment. De controles toonden iets anders. Het model groepeerde de banden correct, maar koppelde er de verkeerde betekenis aan.

Wat de bronnen niet vermelden: een onafhankelijke herhaling van de test, de prijs van de modellen, en of de taken buiten OpenAI beschikbaar worden voor andere onderzoekers. De cijfers komen van OpenAI en Ligo zelf, en OpenAI test hier zijn eigen modellen.

Wat betekent dit voor jou

Waarom je AI-conclusies uit data nog moet nakijken

  • Ondernemers die AI-agents laten analyseren De test toont een patroon dat ook buiten het lab speelt: modellen trekken te snel conclusies of laten een aanname zwaarder wegen dan het bewijs. Laat uitkomsten daarom door een mens controleren voor je er een beslissing op baseert.
  • Kmo's met een AI-budget Nieuwere modellen halen hier betere scores met minder rekenwerk per taak. Dat kan op termijn goedkoper uitvallen, maar de bronnen noemen geen prijzen, dus reken er nog niet op.
  • Vlaamse biotech- en labbedrijven Er is nu geen actie nodig. Het is een eerste meetlat van OpenAI zelf, zonder onafhankelijke bevestiging, en het bedrijf erkent dat de modellen nog niet betrouwbaar genoeg zijn voor labbeslissingen.

Veelgestelde vragen

Wat is BioBasicsBench?

BioBasicsBench is een testset van OpenAI en biotechbedrijf Ligo met 100 alledaagse laboratoriumtaken. AI-agents moeten ruwe data lezen, zoals gelbeelden en meetbestanden, fouten opsporen en aangeven wanneer het bewijs een conclusie niet toelaat. Wetenschappers schreven de taken en de beoordelingscriteria.

Welk AI-model scoort het best op de laboratoriumtest van OpenAI?

GPT-6 Astra scoort het best met gemiddeld 66,7 procent van de punten op de hoogste denkstand. GPT-6.1 Sol volgt met 62,0 procent. Omdat de marges groot zijn, is het onderscheid tussen die twee minder zeker dan het verschil met oudere modellen.

Kan AI al zelfstandig laboratoriumonderzoek uitvoeren?

Nee, volgens OpenAI zelf nog niet. Een hogere score betekent niet dat een model in het lab betrouwbaar beslist. Astra liet in een voorbeeld een aanname zwaarder wegen dan de controles en koos daardoor de verkeerde kolonies.

Is deze test onafhankelijk gecontroleerd?

Uit de bronnen blijkt dat niet. OpenAI test eigen modellen op een test die het samen met Ligo ontwikkelde. De taken kregen wel een externe controle door een wetenschapper met doctoraat, maar een onafhankelijke herhaling van de resultaten wordt niet vermeld.

Moet ik als ondernemer iets doen met deze resultaten?

Nee, tenzij je in biotech of labwerk actief bent. De test is vooral een signaal dat AI beelden en ruwe data beter leest, maar nog te snel conclusies trekt. Controleer wat AI-agents uit foto's of cijfers afleiden dus altijd zelf.

Bronnen

Deel dit artikel

Volg Kunstbrein in Google

Zet Kunstbrein bij je voorkeursbronnen. Dan zie je het vaker bij het nieuws bovenaan je zoekresultaten en in de AI-antwoorden van Google.

Voeg toe als voorkeursbron (opent Google in een nieuw tabblad)

Nieuwsbrief

Nieuwsbrief: wil je dinsdag en vrijdag het belangrijkste AI-nieuws in je mailbox?

Een selectie met bij elk stuk de duiding: wat verandert dit voor jouw zaak?

Uitschrijven kan met één klik onderaan elke mail. Zie ook Privacy en cookies.