OpenAI presenta MedChemBench: 99 problemi di chimica farmaceutica. Il miglior modello citato ottiene l'84,5%, ma il test è interno.

Cosa è successo

Il 20 novembre 2026 OpenAI ha presentato MedChemBench, un benchmark che valuta come i modelli AI leggono strutture molecolari, interpretano risultati sperimentali e scelgono quali composti testare nelle fasi iniziali della scoperta di farmaci.[1]

Il test comprende 99 problemi tratti da ricerca pubblicata, basati su 117 articoli e brevetti e su 761 strutture molecolari distinte. Nella maggior parte dei casi il modello riceve il contesto di un punto preciso di un programma di ricerca: il bersaglio biologico, gli obiettivi dei ricercatori, i composti già studiati e alcuni risultati sperimentali. La valutazione copre quattro componenti: ricostruzione delle strutture, ragionamento scientifico, classificazione e selezione dei composti, previsione di proprietà numeriche.[1]

Con l'impostazione di ragionamento xhigh, GPT-6.2 Astra ottiene l'84,5% del punteggio disponibile. Seguono GPT-6 Astra con l'83,3%, GPT-6.1 Sol con l'82,0% e GPT-5.6 Sol con il 58,2%. Secondo OpenAI, GPT-6 Astra è più forte nel ricostruire le strutture e nello spiegare le evidenze sperimentali, mentre selezionare i composti e prevedere i valori numerici si è rivelato più difficile.[1]

Grafico · Confronto

MedChemBench: quota di punteggio ottenuta dai modelli

Percentuale del credito disponibile ottenuta da quattro modelli con ragionamento xhigh.

MedChemBench: quota di punteggio ottenuta dai modelliPercentuale del credito disponibile ottenuta da quattro modelli con ragionamento xhigh. Quanto differiscono i modelli citati da OpenAI su MedChemBench? Distacco di oltre 20 punti dagli altri tre modelli0255075100GPT-6.2 Astra84,5 % del credito disponibileGPT-6 Astra83,3 % del credito disponibileGPT-6.1 Sol82,0 % del credito disponibileGPT-5.6 Sol58,2 % del credito disponibile
MedChemBench: quota di punteggio ottenuta dai modelliPercentuale del credito disponibile ottenuta da quattro modelli con ragionamento xhigh. Quanto differiscono i modelli citati da OpenAI su MedChemBench? Distacco di oltre 20 punti dagli altri tre modelli050100GPT-6.2 Astra84,5 % del credito disponibileGPT-6 Astra83,3 % del credito disponibileGPT-6.1 Sol82,0 % del credito disponibileGPT-5.6 Sol58,2 % del credito disponibile
  • Credito ottenuto (%)
  1. 1Distacco di oltre 20 punti dagli altri tre modelli

Unità: % del credito disponibileFonte: OpenAI News - Introducing MedChemBenchDati aggiornati al 20 novembre 2026

Metodologia

Valori dichiarati da OpenAI con impostazione di ragionamento xhigh. Il test è stato costruito e condotto dallo stesso laboratorio.

I valori mancanti sono indicati come «n.d.» e non vengono stimati né interpolati.

Dati del grafico (tabella)
Punteggio percentuale di quattro modelli OpenAI su MedChemBench con ragionamento xhigh (% del credito disponibile)
ModelloCredito ottenuto (%)
GPT-6.2 Astra84,5
GPT-6 Astra83,3
GPT-6.1 Sol82,0
GPT-5.6 Sol58,2

Un problema d'esempio riguarda gli inibitori di PRMT5, proteina studiata nella ricerca oncologica. Il modello deve prevedere come si comportano tre composti simili: quanto bloccano PRMT5 nelle cellule, quanto attraversano la barriera cellulare, quanto rapidamente vengono degradati dagli enzimi epatici in un test di laboratorio. Gli esperimenti successivi, nascosti al modello, hanno mostrato un compromesso: il composto 23 blocca PRMT5 a concentrazioni più basse, il composto 24 attraversa meglio la barriera e si degrada più lentamente. Le previsioni ricevono un punteggio parziale in base alla vicinanza ai valori misurati.[1]

Perché conta

Interpretazione: il benchmark non chiede al modello di ricordare nozioni di chimica, ma di muoversi dentro un compromesso tipico della disciplina, in cui migliorare una proprietà di una molecola ne peggiora un'altra. È un modo di misurare il giudizio e non solo la conoscenza, ed è il tipo di capacità che serve a un agente che voglia affiancare un team di ricerca.[1]

Anche la distribuzione degli errori è informativa. Nel caso di GPT-6 Astra le difficoltà riguardano la scelta dei composti e la previsione numerica, cioè le fasi più vicine alla decisione su cosa sintetizzare e testare. Leggere bene una struttura è una cosa, decidere bene il passo successivo è un'altra.[1]

Servono però cautele. Nell'estratto disponibile il benchmark è costruito da OpenAI e riporta i risultati dei modelli di OpenAI. Non compaiono modelli di altri laboratori né un riferimento umano, per esempio chimici farmaceutici sullo stesso test. Il campione è di 99 problemi. Un punteggio alto, inoltre, non dice quanto l'AI sia utile in un laboratorio reale.[1]

Il segnale futuro

Scenario, non certezza: se benchmark di questo tipo venissero adottati anche fuori da chi li ha creati, potrebbero orientare dove i laboratori di AI concentrano gli sforzi. Il segnale sarebbe un passaggio dalla gara sui test generalisti alla competizione su compiti scientifici specifici, con metriche vicine al ciclo di progettazione, sintesi e test.

Il salto da 58,2% a oltre 80% fra le versioni citate indica che su questo test il margine di miglioramento è stato ampio. Gli estratti non permettono di capire se sia dovuto al ragionamento, ai dati o a differenze fra le famiglie di modelli, quindi non va letto come una tendenza.[1]

Cosa osservare adesso

  1. Valutazioni indipendenti

    Verificare se laboratori terzi o gruppi accademici pubblicheranno risultati su MedChemBench, anche con modelli non OpenAI.

  2. Riferimento umano e contaminazione

    Capire se verrà indicato un confronto con chimici esperti e come si controlla che i problemi, tratti da ricerca pubblicata, non siano già presenti nei dati di addestramento.

  3. Selezione e previsione numerica

    Seguire se le versioni successive miglioreranno proprio nelle componenti indicate come più difficili: scelta dei composti e previsione dei valori.[1]

Metodologia

L'articolo si basa su un'unica fonte primaria, la pagina di presentazione di OpenAI, di cui era disponibile solo un estratto. I dati sono riportati come dichiarati dall'azienda e non sono stati verificati in modo indipendente.[1]

Fonti

  1. OpenAI News · Fonte primaria · ufficiale Can AI help scientists identify promising drug candidates? Pubblicata il 20 novembre 2026 · consultata il 21 novembre 2026