模型与 Benchmark板块首页
怎么读
怎么给 benchmark 分类一个分数能信到哪一步:真值噪声、简单基线、泄漏与饱和协议索引:113 条协议按谁判对错分组方法与数据:分类口径、收录与停更标准、已知局限
模型与数据
模型索引:112 个模型按领域分组模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…benchmark 的规模、更新与 wet lab 数据
Benchmark:理解状态(表征与排序)
02 ProteinGym09 scIB11 ClinVar hold-out protocol13 CAGI16 GUE + Nucleotide Transform…17 CAFA21 DREAM5 / BEELINE / CausalB…26 FLIP / FLIP234 AbBiBench37 TraitGym38 BEND39 RNAGym45 DART-Eval49 NTv3 Benchmark67 VenusX
Benchmark:预测给定对象的结果
01 CASP03 MoleculeNet04 TDC05 PoseBusters06 CASF-201615 CAMEO22 CAPRI24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles27 Polaris / ASAP / OpenADMET30 PLINDER / PINDER / Runs N'…31 FoldBench33 PoseX35 FLAb / FLAb243 Ginkgo GDPa146 FEP 相对结合自由能基准47 PoseBench / DockGen51 OpenADMET 盲测系列52 Biogen ADME53 UNICORNE-BENCH54 OMol25 + FAIR Chemistry 榜单55 PDBbind-CleanSplit / LP-PD…57 CatPred-DB66 MassSpecGym
Benchmark:提出候选(生成与设计)
19 PMO20 CACHE28 Adaptyv competitions / Ben…36 AIntibody40 MotifBench50 蛋白 motif scaffolding 基准56 Protein Engineering Tourna…
Benchmark:多步分析与问答(agent)
14 PubMedQA18 LAB-Bench / LABBench223 BioASQ29 BixBench42 BioMysteryBench58 ChemBench59 LifeSciBench60 Terminal-Bench-Science61 BiomniBench / Biomni-Eval162 HeurekaBench63 scBench64 ScienceAgentBench65 SciReasoner / Biology-Inst…68 BioDesignBench
Benchmark:已停更
07 USPTO family08 Basenji/Enformer test set10 GuacaMol12 DUD-E / LIT-PCBA32 CrossDocked202041 BioML-bench44 FS-Mol
相邻领域
相邻领域:不在主分类内的评测
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

前沿通用大模型:Anthropic、OpenAI、Google DeepMind

整理 2026-11-18 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

在生物 benchmark 上被测的通用前沿大模型(Claude、GPT、Gemini)类别条目。

文本与 agent · 大厂实验室 · 美国、英国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 前沿通用大模型;有歧义、不自动链接:Claude、GPT、Gemini
家族 家族条目:Claude 3.5 Sonnet †(未核实);GPT-4o †(未核实);Claude Fable 5.2 / Opus 5.5 / Sonnet 5.5 / Haiku 5.5 —†(未核实)。边界:Anthropic、OpenAI、Google 的通用闭源大模型作为被测对象的类别条目,不是单一模型,无统一首发日
机构 Anthropic、OpenAI、Google DeepMind
机构类型 / 国家 大厂实验室 / 美国、英国
模型类别 通用大语言模型
领域 文本与 agent
首次发布 —†(未核实)(依据:家族条目不给统一首发日;最早被引成员约在 2024-05/06(未核实))
其他里程碑 无其他有出处的里程碑
最近更新 —†(未核实),后继模型:开发方页面列 Fable 5.2、Opus 5.5、Sonnet 5.5、Haiku 5.5 为当前模型,未写发布日;OpenAI 与 Google 日期未核实(原记录 2026-11-09 由退役下限倒推,不是发布日;四个退役下限各不相同,并非同日发布)。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:不开放;权重:不开放;专有模型,通过 API 使用
状态 活跃:各厂商持续发布新模型
报过的 benchmark 14 项计入(榜 7 · 自报 3 · 第三方 3 · 赛后复用 1);另 1 条不计入(未证实 1)
湿实验验证 无
全站实体页 无(全站无对应页面)
截至 2026-11-16

做什么

站上把 Claude、GPT、Gemini 等通用前沿大模型作为一个类别条目,记录它们在生物 benchmark(如 LAB-Bench、BixBench)上的表现。它们是被测对象,不是生物专用模型。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。14 项计入(榜 7 · 自报 3 · 第三方 3 · 赛后复用 1);另 1 条不计入(未证实 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
18 LAB-Bench / LABBench2 官方参赛 / 官方榜单 是 LABBench2 榜单 LABBench2 官方榜收录(家族格) 出处
29 BixBench 官方参赛 / 官方榜单 是 BixBench3 榜单 BixBench3 官方榜收录(家族格),题集与原版不同 出处
58 ChemBench 官方参赛 / 官方榜单 是 — 榜单 官方榜单上有多条 Claude 系列已核验条目 出处
60 Terminal-Bench-Science 官方参赛 / 官方榜单 是 — 榜单 官方 0.1 发布榜上的多条“模型+外壳”条目 出处
63 scBench 官方参赛 / 官方榜单 是 — 榜单 现行 V1 官方榜单的配置多为前沿通用大模型加外壳;按模型集合计一格 出处
64 ScienceAgentBench 官方参赛 / 官方榜单 是 — 榜单 HAL 榜上的条目经其团队复现标记;按模型集合计一格 出处
68 BioDesignBench 官方参赛 / 官方榜单 是 — 榜单 官方榜单含 GPT-5、Claude Sonnet 4.5、Gemini 2.5 Pro 各两种工具呈现模式;按模型集合计一格 出处
14 PubMedQA 开发方按官方口径自报 是 — 自报 Google 在 MedGemma 1.5 报告中自报 Gemini 3 数字;无官方榜,Claude/GPT 无厂商数字 †(未核实) 出处
42 BioMysteryBench 开发方按官方口径自报 是 — 自报 Anthropic 在自建的 BioMysteryBench 上自报;另有 Vals AI 第三方榜 出处
59 LifeSciBench 开发方按官方口径自报 是 — 自报 GPT-5.5、GPT-5.4 为自报;Gemini 3.1 Pro 由出题方运行 出处
61 BiomniBench / Biomni-Eval1 第三方评测 是 — 第三方 DA 全集上由出题方运行多个前沿模型与外壳 出处
62 HeurekaBench 第三方评测 是 — 第三方 作为 Biomni 规划器及裸模型对照(Claude-4-Sonnet、GPT-4o) 出处
65 SciReasoner / Biology-Instructions 第三方评测 是 — 第三方 由出题方同机构团队代测,两份报告口径不一 出处
02 ProteinGym 赛后数据复用 是 — 第三方 仅二手聚合的分数,家族条目而非单模型;依据仅为本站页面,未核实† —
23 BioASQ 未证实 否 — 未知 BioASQ 综述只排系统,不排基座模型 †(未核实) 出处

其他评测(不在 44 项内)

无记录。

开发方称:来源未给出开发方优势表述

独立证据:未检出独立证据(未检出独立证据)

训练数据

类别 值 说明 出处
a 公开库 未披露 — —
b 私有 / 授权 未披露 — —
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 — —

湿实验验证

无。开发方未报告湿实验验证,或本站未收录可核的记录。

背景

怎么看

  1. LAB-Bench 与 BixBench 由 Edison 制作,Edison 同时是竞争方
  2. 同一模型的分数随思考模式与工具设置变化,跨来源不可比

局限与注意

  1. 不是单一模型:首发与最近更新都只能按成员看
  2. OpenAI 与 Google 的模型名与日期未从一手页面核实

来源

  1. 官方页面 platform.claude.com(公司博客)
  2. 官方页面 advances.edisonscientific.com(公司博客)
  3. arXiv 预印本 2604.09554(预印本)
  4. Anthropic BioMysteryBench 文章(公司博客)

更正记录

以下为本轮核对中改过的字段,原值按记录照录。

字段 原 现 原因 出处 发现日期
latest_update.description Claude Fable 5.2 与 Opus 5.5 等"同期"发布,日期 2026-11-09 开发方页面未写发布日;2026-11-09 由退役下限倒推,四个模型并非同日发布 — 依据 2026-11-16

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。