Przyspieszanie postępu naukowego to jeden z najbardziej wpływowych sposobów, w jakie AI może przynieść korzyści społeczeństwu. Modele mogą już pomagać badaczom w rozwiązywaniu trudnych problemów — ale aby robić to dobrze, należy testować modele w trudniejszych ocenach i w rzeczywistych przepływach pracy naukowej opartych na eksperymentach.

GPT-5.2 to nasz najsilniejszy model w ocenie FrontierScience, który wykazuje wyraźne postępy w trudnych zadaniach naukowych. Jednak benchmark ujawnia również lukę między silnymi wynikami w uporządkowanych problemach a otwartym, iteracyjnym rozumowaniem, które jest wymagane w prawdziwych badaniach.

Najważniejszym wskaźnikiem dla AI w nauce są nowe odkrycia, które umożliwia. FrontierScience znajduje się na górze tego celu, dostarczając północną gwiazdę dla eksperckiego rozumowania naukowego, testując modele na trudnych, ustandaryzowanych problemach i pokazując, gdzie odnoszą sukcesy lub ponoszą porażki. Chociaż z konieczności wąski, FrontierScience jest krokiem w kierunku trudniejszych, bardziej znaczących wskaźników, których potrzebuje ta dziedzina.

Klonowanie to podstawowe narzędzie biologii molekularnej, a poprawa efektywności ma zastosowanie w całej biotechnologii. To daje wgląd w to, jak AI może współpracować z biologami, aby przyspieszyć badania. Udoskonalenie metod eksperymentalnych pomoże ludzkim badaczom działać szybciej, obniżyć koszty i przekształcać odkrycia w realny wpływ.

Łączenie trudniejszych benchmarków, takich jak FrontierScience, z rzeczywistymi ocenami laboratoryjnymi daje nam jaśniejszą mapę tego, gdzie modele są skuteczne dzisiaj, a gdzie potrzebny jest dalszy rozwój. Widzimy silne wczesne obietnice, obok dobrze zdefiniowanych ograniczeń, i będziemy kontynuować iteracje z naukowcami, aby uczynić te modele bardziej zdolnymi, niezawodnymi partnerami w odkryciach.