A OpenAI apresentou a 20 de novembro de 2026 o MedChemBench, um teste de referência que mede se os modelos de IA conseguem raciocinar como químicos medicinais. O conjunto de tarefas assenta em investigação publicada: 99 problemas retirados de 117 artigos e patentes, que abrangem 761 estruturas moleculares distintas. Cada problema dá ao modelo o contexto disponível num momento de um projeto de descoberta de fármacos, como o alvo biológico, os objetivos dos investigadores, os compostos já estudados e resultados experimentais selecionados.
A química medicinal é difícil de automatizar porque melhorar uma propriedade de uma molécula prejudica muitas vezes outra. Um composto pode atuar com força sobre uma proteína ligada a uma doença e, ainda assim, ser mal absorvido ou degradado depressa demais no organismo. A OpenAI diz que uma ajuda útil da IA tem, por isso, de ligar alterações de estrutura a provas experimentais e avaliar que compostos vale a pena produzir a seguir.
O teste avalia quatro capacidades: reconstruir estruturas moleculares com as ligações entre átomos e a estereoquímica corretas, apresentar explicações científicas apoiadas nos dados fornecidos, ordenar e escolher compostos, e prever propriedades numéricas face aos valores indicados nas fontes. As previsões recebem crédito parcial consoante a proximidade ao resultado medido. Um exemplo diz respeito a inibidores da PRMT5, uma proteína estudada na investigação do cancro: o modelo tem de prever o comportamento de três compostos semelhantes em três propriedades, e uma experiência posterior revelou um compromisso entre potência e permeabilidade.
No resultado principal, a OpenAI indica que o GPT-6.2 Astra obteve 84,5 por cento do crédito disponível no nível de raciocínio xhigh, contra 83,3 por cento do GPT-6 Astra, 82,0 por cento do GPT-6.1 Sol e 58,2 por cento do GPT-5.6 Sol. Foram avaliados onze modelos GPT em vários níveis de raciocínio; níveis mais altos melhoraram as pontuações, mas continuaram a existir grandes diferenças entre modelos. Num problema de construção em que era preciso manter um anel de 18 átomos, o GPT-6 Astra acertou em todas as dez respostas, enquanto o GPT-5.6 Sol gerou um anel de 15 átomos e o GPT-5.6 Luna dividiu a molécula em dois fragmentos.
Os resultados pormenorizados mostram onde estão os pontos fracos. O Astra obteve 95,4 por cento do crédito de estrutura no nível xhigh e, segundo a OpenAI, foi mais forte a reconstruir moléculas e a explicar a evidência experimental. Na escolha de compostos e na previsão de propriedades numéricas obteve apenas cerca de metade do crédito possível, o que a OpenAI descreve como uma margem de melhoria considerável.
A OpenAI é cautelosa quanto ao que os números não demonstram. Os resultados não provam que os modelos consigam descobrir novos fármacos nem melhorar decisões em laboratório. Não é possível excluir a exposição prévia às fontes publicadas, e cada resposta foi uma única tentativa, sem ferramentas, retorno de informação ou novas experiências. Todos os valores vêm do estudo e da avaliação da própria OpenAI, e não foi divulgada qualquer replicação independente.