GeneBench

基因学多阶段数据分析智能体评测

基本信息

30 秒看懂

让 agent 做真实组学数据的多步分析（清洗、统计、解释），考科研数据分析自动化。

评分协议

这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。

模型发布采用时间轴

共收录 2 场模型发布（收录 11 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20

2026

2026-08-26 OpenAI·国际

GPT-5.6 Sol / GPT-5.6 Terra / GPT-5.6 Luna

本发布含 3 个变体，各变体规格见模型详情。

发布文将 Sol 定位为 GPT-5.6 的旗舰档（medium/high/xhigh/max/ultra 五档努力级别）。36 项评测横跨智能体、编码、长上下文、科研医疗金融与安全，亮点为 BrowseComp 90.4% 与 Terminal-Bench 2.1 88.8%。

旗舰多档努力智能体安全防护

查看模型变体与证据

GPT-5.6 Sol · Pro 28.7%GPT-5.6 Terra · Pro 23.3%GPT-5.6 Luna · Pro 10.8%gpt-5-5 · Pro 12%claude-opus-4-8 · Pro 16%gemini-3-1-pro · Pro 3.1%gemini-3-5-flash · Pro 8.14%

2026-04-23 OpenAI·国际

GPT-5.5 / GPT-5.5 Pro

本发布含 2 个变体，各变体规格见模型详情。

OpenAI 发布 GPT-5.5，提供 low/medium/high/xhigh 推理档（另有非推理模式）。评测横跨智能体编码、知识工作、长上下文与科学/网络安全，亮点如 Terminal-Bench 2.0 82.7%、ARC-AGI-2 85.0%。

智能体编码知识工作长上下文网络安全

查看模型变体与证据

GPT-5.5 · GeneBench 25.0%GPT-5.5 Pro · GeneBench 33.2%gpt-5-4 · GeneBench 19.0%gpt-5-4-pro · GeneBench 25.6%

数据缺口（本页暂未收录）

• 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
• 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
• 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
• 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
• 测试集污染检测结论，以及是否已饱和的结构化标注

以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。

复现入口

相关评测（同类别）

引用

本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。