Thúc đẩy tiến bộ khoa học là một trong những cách có tác động nhất mà AI có thể mang lại lợi ích cho xã hội. Các mô hình hiện đã có thể giúp các nhà nghiên cứu lý luận qua những vấn đề khó khăn — nhưng để làm điều này tốt thì cần phải kiểm tra các mô hình trên những đánh giá khó hơn và trong các quy trình khoa học thực tế dựa trên các thí nghiệm.

GPT-5.2 là mô hình mạnh nhất của chúng tôi trong đánh giá FrontierScience, cho thấy sự cải thiện rõ rệt trong các nhiệm vụ khoa học khó. Nhưng tiêu chuẩn cũng tiết lộ một khoảng cách giữa hiệu suất mạnh mẽ trong các vấn đề có cấu trúc và lý luận mở, lặp đi lặp lại mà nghiên cứu thực sự yêu cầu.

Thước đo có ý nghĩa nhất cho AI trong khoa học là những phát hiện mới mà nó tạo ra. FrontierScience ngồi ở phía trên của mục tiêu đó, cung cấp một ngôi sao dẫn đường cho lý luận khoa học ở cấp độ chuyên gia bằng cách kiểm tra các mô hình trên những vấn đề khó khăn, tiêu chuẩn và chỉ ra nơi mà chúng thành công hoặc thất bại. Mặc dù cần phải hẹp, FrontierScience là một bước tiến tới những thước đo khó khăn và có ý nghĩa hơn mà lĩnh vực này cần.

Nhân bản là một công cụ cơ bản trong sinh học phân tử, và việc cải thiện hiệu suất có ứng dụng trong toàn bộ lĩnh vực công nghệ sinh học. Điều này cung cấp cái nhìn về cách mà AI có thể làm việc song song với các nhà sinh học để tăng tốc nghiên cứu. Cải thiện các phương pháp thí nghiệm sẽ giúp các nhà nghiên cứu con người di chuyển nhanh hơn, giảm chi phí và chuyển đổi những phát hiện thành tác động thực tế.

Việc kết hợp các tiêu chuẩn khó khăn như FrontierScience với các đánh giá thực tế trong phòng thí nghiệm giúp chúng ta có một bản đồ rõ ràng hơn về nơi mà các mô hình hiện đang hiệu quả và nơi cần phát triển thêm. Chúng tôi thấy có những hứa hẹn mạnh mẽ ngay từ đầu, bên cạnh những hạn chế được xác định rõ ràng, và chúng tôi sẽ tiếp tục làm việc với các nhà khoa học để làm cho những mô hình này trở thành những đối tác đáng tin cậy và có khả năng hơn trong việc khám phá.