EM POUCAS LINHAS
- O BioBasicsBench avalia interpretação de evidências experimentais, não a condução integral de projetos farmacêuticos.
- A nota divulgada pela OpenAI representa crédito médio em rubricas, não uma taxa de acerto clínico.
- A Anthropic relata testes de candidatos e apoio a outras etapas do desenvolvimento, em programas majoritariamente pré-clínicos.
- Para aplicar agentes a um laboratório, é preciso avaliar controles, erros e decisões no fluxo específico da equipe.
A resposta curta é: uma avaliação de agentes em ciência experimental pode mostrar como eles interpretam dados, detectam problemas e justificam conclusões em tarefas delimitadas. Não demonstra, por si, que um agente consiga desenvolver um medicamento, nem que um candidato funcione em pessoas. Essa distinção ganhou um exemplo concreto com o BioBasicsBench, apresentado pela OpenAI em 6 de novembro de 2026. Para entender o alcance da notícia, vale contrastá-la com os estudos de caso sobre fármacos publicados pela Anthropic em 27 de outubro de 2026: são relatos de outra organização, sobre outras atividades, e não uma segunda rodada do mesmo teste.
O que entra na avaliação de laboratório
Segundo a OpenAI, o BioBasicsBench reúne 100 tarefas rotineiras de laboratório, construídas com dados de experimentos dos cientistas. O agente precisa, conforme a tarefa, interpretar evidências brutas, encontrar erros ou reconhecer que elas não permitem determinada conclusão. Os materiais incluem imagens de géis, placas e microscopia, além de leituras de instrumentos e registros de protocolos. Isso aproxima as perguntas de dificuldades reais de interpretação: um controle mal identificado pode mudar o sentido de um resultado, mesmo quando a imagem parece convincente.
A OpenAI descreve critérios de correção escritos por especialistas e revisões internas e externas das tarefas. Trata-se de revisão do material de avaliação, não de certificação de que as respostas dos agentes sejam seguras para qualquer laboratório. A unidade observada é a resposta a uma pergunta acompanhada de evidências; ficam fora desse recorte a execução autônoma de um programa inteiro de descoberta de fármacos e a confirmação clínica de um tratamento.
Como ler a nota sem transformá-la em promessa
Na configuração de esforço de raciocínio “xhigh”, a OpenAI relata crédito médio de 66,7% para GPT‑6 Astra e 43,8% para GPT‑5.6 Sol. Crédito médio é a pontuação obtida segundo critérios de cada tarefa, expressa como parcela do crédito disponível. Portanto, não significa que o modelo tenha acertado essa proporção de decisões de pesquisa, muito menos que tratamentos tenham essa probabilidade de sucesso. Também importa conferir a configuração ao comparar modelos: aqui as notas dizem respeito ao esforço de raciocínio especificado pela publicação.
Os erros apresentados pela própria empresa ajudam a interpretar o número. Em um exemplo, o Astra escolhe colônias de clonagem diferentes das indicadas pela comparação de controles; em outro, generaliza a aparência de vacúolos apesar de regiões contraditórias na imagem. O problema não é apenas perceber um detalhe: é deixar que ele governe a decisão final, em vez de uma suposição familiar ou da resposta esperada. A OpenAI adverte que pontuações maiores ainda não significam julgamentos confiáveis no laboratório.
O que os casos de fármacos acrescentam — e o que não provam
A Anthropic relata parcerias de pesquisa com seis organizações que desenvolvem medicamentos. Seu texto trata de tarefas variadas, como desenho de moléculas, otimização de candidatos, documentação de fabricação e planejamento de ensaios. Não há ali uma aplicação do BioBasicsBench a Claude nem uma comparação experimental direta entre os sistemas das duas empresas. Os relatos ilustram etapas em que um agente pode apoiar uma equipe; não convertem a nota de interpretação de dados da OpenAI em medida de avanço farmacêutico.
Um caso torna a diferença mais tangível. Segundo a Anthropic, cientistas da BigHat e um pesquisador da empresa trabalharam com Claude em dois fragmentos de anticorpos, e o laboratório da BigHat produziu e testou cerca de 1.010 variantes em aproximadamente dez semanas. Esse relato envolve propostas do modelo e testes de variantes realizados pelo laboratório. Mesmo um resultado promissor para propriedades de um candidato não responde se um futuro medicamento será seguro e eficaz em humanos.
Há também atividades mais próximas da preparação de estudos clínicos: a Anthropic diz que a Bristol Myers Squibb usa Claude para analisar planos de um medicamento em ensaios de estágio inicial. Isso descreve apoio ao planejamento, não resultado terapêutico do medicamento. A própria Anthropic caracteriza o conjunto da pesquisa apresentada como inicial e majoritariamente pré-clínica. Tanto o benchmark quanto os casos são apresentados pelas organizações envolvidas; os textos recebidos não oferecem replicação independente que permita equiparar seus resultados.
O que uma equipe no Brasil precisaria verificar
Para uma equipe brasileira, a comparação útil não é escolher entre uma nota e uma história de sucesso. É definir primeiro qual decisão o agente auxiliaria: ler um ensaio, identificar um controle inadequado, sugerir uma modificação de molécula ou preparar documentação. Depois, separar critérios de avaliação para cada etapa: conferir a interpretação contra referências e controles, registrar quando o agente reconhece incerteza e submeter candidatos às verificações experimentais pertinentes. Um exemplo hipotético: se um agente recomendar repetir uma medição porque dois sinais de fluorescência podem se confundir, a equipe ainda precisará checar os controles e executar o novo experimento antes de aceitar a conclusão.
Essa separação complementa a discussão do acervo sobre o que propostas de IA em pesquisa biológica já levaram ao laboratório. As publicações da OpenAI e da Anthropic não estabelecem desempenho em laboratórios brasileiros, condições de acesso no país ou eficácia clínica dos candidatos descritos. Esses pontos permanecem pendentes; o que já se pode concluir é mais específico: interpretar melhor evidências experimentais pode ajudar uma etapa da pesquisa, mas não substitui a cadeia de testes necessária para sustentar uma alegação sobre medicamentos.
Fontes e referências
- Measuring how AI agents handle everyday wet-lab science | OpenAIopenai.com · Consultado em 07/11/2026
- Early progress on accelerating drug development with Claude \ Anthropicwww.anthropic.com · Consultado em 07/11/2026