LABBench 2推理

生物学实际科研任务；模型可使用预装生信工具、Python、R 的 Linux 终端及受限制互联网访问。LABBench 2 评估 AI Agent 在真实生物学科研任务上的能力。模型在预装生信工具、Python 与 R 的 Linux 终端中工作，可访问受限互联网，完成数据处理、分析与假设验证等端到端科研流程。

排行数据源

#模型得分

1

Gemini 3.7 FlashGoogle

82.1%

2

GPT-5.6 TerraOpenAI

81.2%

3

Claude Sonnet 5Anthropic

80.1%

4

Gemini 3.6 FlashGoogle

76.1%

共 4 个模型

返回基准目录

LABBench 2推理

生物学实际科研任务；模型可使用预装生信工具、Python、R 的 Linux 终端及受限制互联网访问。LABBench 2 评估 AI Agent 在真实生物学科研任务上的能力。模型在预装生信工具、Python 与 R 的 Linux 终端中工作，可访问受限互联网，完成数据处理、分析与假设验证等端到端科研流程。

排行数据源

#模型得分

1

Gemini 3.7 FlashGoogle

82.1%

2

GPT-5.6 TerraOpenAI

81.2%

3

Claude Sonnet 5Anthropic

80.1%

4

Gemini 3.6 FlashGoogle

76.1%

共 4 个模型