OpenAI 这套湿实验基准 BioBasicsBench 翻车方式挺吓人，GPT-6 Astra 拿榜首 66.7%，上一代 GPT-5.6 Sol 只有 43.8%

结果它在克隆题里选错了质粒，数菌落还多算了约 12%，真进实验室还得人盯着啊