OpenAI 在 11 月 20 日正式发布 MedChemBench(MCB)药物化学评测基准,它是一套面向药物化学真实研发场景的多模态评测集,专门用来衡量大模型能不能看懂分子结构、结合实验数据做药物研发推理,不是简单的化学计算题。这套基准一共 99 道考题,素材全部来自 117 篇已公开论文和专利,覆盖 761 个不同分子,题目会给模型完整研发上下文,包含靶点信息、前期化合物、实验结果、结构图,模拟药化研究员日常做化合物筛选、结构优化的真实流程。官方测试结果显示,GPT-6.2 Astra 在 xhigh 推理档位拿到 84.5% 最高分,模型在分子重建、给出科学解释这块表现不错,但在化合物筛选排序、分子属性数值预测上短板明显,这个基准也方便行业统一标尺,横向对比不同 AI 模型在药物研发场景的真实水平。
一、MedChemBench 四大评测模块
| 评测模块 | 考察重点 | 分值占比 |
|---|---|---|
| 分子结构 | 组装分子、核对原子连接、立体化学是否正确 | 37.49% |
| 科学解释 | 依托实验证据,说明化合物选择、结构改动理由 | 35.78% |
| 排序与选择 | 按照药效、成药性等条件选出最优化合物、做排序 | 17.51% |
| 性质预测 | 药效、渗透性、代谢等数值和分类预测 | 8.92% |
二、MedChemBench 打分方式
- 确定性校验:分子结构部分用 RDKit 标准化 SMILES 做比对,立体结构、化学键错了直接扣分,标准很严格。
- 模型评审打分:科学推理部分,由指定评审模型对照评分细则,给满分、半分或者零分。
- 数值预测采用误差梯度给分,不是非对即错,预测偏差不大的情况下可以拿到部分分数。
三、主流模型在 MedChemBench 上的实测成绩(xhigh 推理档位)
- GPT-6.2 Astra:84.5%
- GPT-6 Astra:83.3%
- GPT-6.1 Sol:82.0%
- GPT-5.6 Sol:58.2%
四、MedChemBench 的定位和局限
✅ 优势
- 贴近真实药化流程,不是书本理论题,包含 SAR 构效关系、多参数成药性权衡。
- 多模态输入,支持分子图、表格、蛋白配体视图等多种科研材料。
- 公开数据集,行业里各家 AI 药物研发模型都可以拿来做横向对比。
⚠️ 局限
- 属于回溯式评测,题目来自已经发表的成果,不是全新未知靶点,没法完全模拟从零开始的新药发现。
- 不包含湿实验合成、动物实验,只评估模型推理,不等于直接衡量新药能不能成功。
- 数值预测是当前最弱项,就算高分模型,定量预测稳定性依然不足。
【相关 FAQ】
问题 1:OpenAI 的 MedChemBench 基准,主要用来测 AI 辅助药物研发里的什么能力?
回答 1:MedChemBench 基准用来测试 AI 模型在药物化学场景的多模态推理能力,包含分子结构重建、基于实验证据做科学解释、化合物筛选排序、分子性质预测这四块,用来衡量 AI 辅助药物研发的综合水平。
问题 2:MedChemBench 基准和普通化学题库有什么不一样?适合 AI 辅助药物研发评测吗?
回答 2:普通化学题库偏向理论计算题,MedChemBench 基准取材于真实论文专利,给全靶点、实验数据、分子图,模拟药化研究员筛选先导化合物的完整流程,更贴合 AI 辅助药物研发的真实工作场景。
问题 3:在 MedChemBench 基准测试里,当前最好的模型分数是多少,短板在哪?
回答 3:xhigh 推理档位下 GPT-6.2 Astra 拿到 84.5%,在 MedChemBench 基准里成绩最高;模型短板集中在化合物筛选排序、分子性质数值预测,分子重建和科学解释相对更强。
问题 4:企业自研的药物 AI 模型,能不能用 MedChemBench 基准来对比 AI 辅助药物研发能力?
回答 4:可以,MedChemBench 基准是公开基准,所有模型都可以跑这套题目横向对比 AI 辅助药物研发的推理能力,但它是回溯测试,不能单独作为新药研发落地效果的唯一标准。
【参考资料】
[2026-11-21](OpenAI 推出 MedChemBench 基准,评估 AI 辅助药物研发能力)IT 之家
[2026-11-20](MedChemBench: Evaluating complex multimodal reasoning in medicinal chemistry)OpenAI 官方论文
[2026-11-20](OpenAI Introduces MedChemBench for Medicinal-Chemistry Reasoning)Unite.AI
[2026-11-20](OpenAI's MedChemBench: GPT-6.2 Astra Scores 84.5%)AI Breaking Wire
【免责声明】
本文内容基于 OpenAI 官方论文与公开媒体报道整理,MedChemBench 基准仅为 AI 药物研发方向的评测工具,基准分数不代表 AI 模型可以直接产出可上临床的新药;药物研发周期漫长、风险极高,本内容不构成医药研发投资、项目落地的相关建议,药物研发相关结论请以实验室湿实验验证结果为准。
