TxBench抗体开发基准测试发布

发生了什么

TxBench抗体开发基准测试正式发布，旨在评估AI智能体在治疗性抗体研发全流程中的决策能力。该基准包含涵盖研发七个阶段的60项评估，要求智能体基于真实开发记录做出决策并提供定量论证。测试结果显示，Grok 4.7（Grok Build）以39.4%的准确率领先，Opus 5（Claude Code）与Sonnet 5.5（Pi）紧随其后。在多阶段连续决策任务中，仅Opus 5.5在五次尝试中完成了一次完整序列。