Zurück zur Übersicht
Der neue Forschungsbenchmark prüft agentische KI in komplexen, mehrstufigen Analyse- und Entscheidungsaufgaben der Genomik und Medizin. OpenAIs bestes Modell erreicht auf dem höchsten Reasoning-Level nur 28,7 Prozent und bleibt damit deutlich hinter menschlichen Expert:innen zurück.
OpenAI hat am 2026-06-30 GeneBench-Pro vorgestellt. Der Benchmark umfasst 129 Probleme in zehn Domänen, darunter statistische Genetik, Populationsgenetik, funktionelle Genomik und klinische Diagnostik, und stellt Agenten realistische Datensätze, Fallbeschreibungen und eine Standard-Bioinformatik-Toolchain zur Verfügung.
Auf dem höchsten Reasoning-Level erzielt OpenAIs Modell GPT-5.6 Sol eine Bestehensrate von 28,7 Prozent; im Pro-Modus 31,5 Prozent. OpenAI bezeichnet das als Fortschritt, betont aber zugleich, dass Systeme weiterhin zu unzuverlässig sind, um menschliche Expert:innen zu ersetzen. Gutachter schätzten, ein menschlicher Experte benötige für ein Problem 20 bis 40 Stunden.
OpenAI weist darauf hin, dass partielle Automatisierung trotz der derzeitigen Kosten wirtschaftlichen und wissenschaftlichen Wert schaffen könne. GeneBench-Pro soll die Forschung und Entwicklung vergleichbarer agentischer Systeme in der Genomik standardisieren.
Weiterlesen
OpenAI bündelt seine Forschungs und Sicherheitsteams. Johannes Heidecke soll das Unternehmen verlassen, während Saachi Jain seine Aufgaben vorerst übernimmt.
Apple wirft OpenAI, io Products und zwei ehemaligen Mitarbeitern vor, vertrauliche Informationen für den Aufbau eines eigenen Hardwaregeschäfts genutzt zu haben. Die Klage verschärft den Konflikt um die geplante Consumer-Hardware von OpenAI.
Das US-Handelsministerium will der Regierung der Vereinigten Arabischen Emirate sowie ausgewählten Unternehmen den Bezug bestimmter fortgeschrittener Rechenkomponenten ohne Einzelgenehmigung ermöglichen. Für andere Abnehmer und Leistungsklassen bleiben die Exportbeschränkungen bestehen.
Ein internes Audit von OpenAI stuft rund 30 Prozent der öffentlichen Aufgaben als fehlerhaft ein. Damit verliert der Benchmark seine Aussagekraft als Messlatte für die Leistungsfähigkeit von KI-Coding-Modellen.