OpenAI lanza GeneBench-Pro para medir el rendimiento de la IA en biología computacional

Mi opinión: Esto me dio curiosidad... y luego me hizo levantar una ceja. OpenAI acaba de soltar GeneBench-Pro, un nuevo sistema de evaluación (benchmark) para medir qué tan bien manejan los agentes de IA tareas complejas de biología computacional: genómica, medicina traslacional, ese tipo de ciencia seria. Son 129 problemas con datos ruidosos a propósito para simular condiciones reales. El modelo que saca la nota más alta es GPT-5.6 Sol Pro con 31.5%, y Claude Opus 4.8 llega al 16%. O sea, el que pone el examen también es el que presume la nota más alta. Es como si tu maestra de química diseñara el parcial y luego llegara al salón con el diploma en mano 🙄. Lo que sí me impresionó: con solo 31.5%, el mejor modelo del mundo todavía falla en 7 de cada 10 problemas reales de biología. No es crítica, es evidencia de lo difícil que es la ciencia de verdad. Para quienes construimos con IA en salud o investigación, esta vara existe y mide algo real.