OpenAI presentó BioBasicsBench, una evaluación de 100 tareas que enfrenta agentes de IA con imágenes, lecturas y otros datos de experimentos rutinarios. GPT-6 Astra superó a GPT-5.6 Sol en la puntuación media, pero las pruebas también exhibieron errores que podrían llevar a conclusiones y decisiones experimentales equivocadas. ***