GeneBench-Pro 是 OpenAI 新推出的一个基准测试项目，旨在评估人工智能模型在生物学计算方面的能力。与以往侧重于模型记忆能力或固定流程任务完成度的传统测试不同，GeneBench-Pro 更注重模型在真实科研场景中的实际应用价值，要求模型在面对“模糊、不完整、甚至夹杂干扰信息的数据环境”下，能够进行判断和分析并得出结论。

该基准测试涵盖了基因组学、定量生物学和转化医学等多个研究领域，共计包含 129 道题目。这些题目被划分为 10 个主要领域和 21 个子领域，涉及统计遗传学、群体遗传学、功能基因组学、蛋白质组学等多个方面。每道题都为模型提供了一个接近真实科研环境的数据集，以及简要的实验背景说明和一个与后续决策相关的目标问题。模型需要自主完成数据探索、分析方法选择，并在过程中不断调整策略，最终给出答案。

为解决传统长流程基准测试中常见的评分不准确问题，OpenAI 在设计 GeneBench-Pro 时，核心采用了合成数据（Synthetic Data）的生成方式。这是因为如果直接使用历史真实数据出题，常常存在多种合理的分析路径，可能导致模型即使采用了错误的方法，也可能偶然得到正确答案。

通过使用合成数据，OpenAI 可以完全掌控底层因果关系和数据生成过程，从而更精确地评估模型是否真正理解了问题，而非仅仅走了“捷径”。

目前，OpenAI 已在 Hugging Face 上公开了 10 道具有代表性的 GeneBench-Pro 示例题，并提供了一个交互式界面供外部研究人员试用。未来，官方计划将其中 50 道题目开放给 Artificial Analysis 进行独立的第三方评测，以验证不同模型在这一基准测试中的实际表现。