BioMysteryBench : Mythos résout le mystère de l'impossible 29,6 %

Anthropic 4 月 29 日於官方研究公告發表 BioMysteryBench—一套針對 AI 生物資訊分析能力的新評測基準，由真實研究情境中的開放式問題組成。最值得關注的數據是：在人類專家小組嘗試後仍無法解出的題目中，Anthropic 旗艦模型 Mythos 解出 29,6%、Opus 4,7 解出 27,0%。

評測設計：可解題與專家無解題雙軌

BioMysteryBench 由兩種題型組成。第一類是「可解題」—由生物資訊研究人員設計、有標準答案可對照的分析任務；第二類是「專家無解題」—由人類專家小組嘗試後仍無法找出可信解答的題目，用來測試模型是否能跨越目前領域知識的邊界。

在可解題部分，Anthropic 各代次模型呈現明確的能力梯度：Claude Haiku 4,5 解出 36,8%、Claude Sonnet 4,6 達 71,8%、最新旗艦 Claude Mythos 達 82,6%。這個梯度大體符合 Anthropic 對外宣稱的模型能力差異—Haiku 為輕量型、Sonnet 為主力型、Mythos 為頂級研究型。

真正具話題性的是專家無解題部分。這類題目是經過生物資訊領域專家小組評估後標記為「無解或無共識」的問題；Mythos 解出其中 29,6%、Opus 4,7 解出 27,0%。這個結果不是「模型比人類強」的單一證明—更精確的說法是：在專家因路徑、時間或資源限制而無法處理的問題上，AI 能提出可被驗證的解法路徑，未必是最終答案，但具備「未被人類嘗試過的角度」這個屬性。

與 Claude for Life Sciences 並行推進

BioMysteryBench 與 Anthropic 自 2025 年下半年起推動的「Claude for Life Sciences」計畫同向。後者瞄準藥物研發、基因組學、臨床試驗設計等具體應用場景；前者則是用評測手法量化 AI 在生命科學領域的「研究級能力」進展。兩者組合的訊號是：Anthropic 把生物醫學定位為 Claude 的長期應用主戰場之一，與 DeepMind AlphaFold 路線形成不同入口的競爭。

Mythos 解出近 30% 專家無解題的數字若能在獨立第三方驗證中重現，將成為 AI 模型在科研場景具體價值的早期實證。後續觀察點包括：BioMysteryBench 是否會被其他研究機構採用為標準評測、解出題目的人類專家驗證程序、以及 Mythos 在實際研究計畫中是否能複製測試結果。

這篇文章 BioMysteryBench：Mythos 解專家無解題 29,6% 最早出現於 鏈新聞 ABMedia。