IA monta moléculas com 95,4% dos pontos, mas acerta só cerca de 50% na escolha de candidatos a fármaco
A OpenAI apresentou o MedChemBench, um exame para IA baseado em tarefas de químicos medicinais. A partir da estrutura de uma molécula e dos resultados de experimentos, o modelo precisa dizer qual de vários compostos parecidos é o melhor e o que sintetizar em seguida. O modelo Astra obteve 95,4% dos pontos na montagem de moléculas a partir de desenhos, mas ficou com cerca de metade na escolha de compostos e na previsão de suas propriedades. Ou seja, já dá para confiar à IA a verificação de estruturas, mas a escolha do candidato que vai para o laboratório ainda é melhor deixar com o químico.
Processado por IA de OpenAI Blog; editado por Hamidun News
Imagine que um químico tenha em mãos dois compostos muito parecidos. O primeiro inibe com mais força uma proteína ligada a uma doença, mas é mal absorvido. O segundo age com menos intensidade, porém atravessa melhor a barreira celular e é degradado mais lentamente no fígado.
Qual deles sintetizar e testar em seguida? São decisões como essa que o novo benchmark da OpenAI, o MedChemBench, coloca à prova: um conjunto de 99 tarefas tiradas de trabalhos científicos reais de química medicinal. O resultado é ambíguo.
O modelo Astra obteve 95,4% dos pontos disponíveis na montagem de moléculas a partir de desenhos e fragmentos químicos, mas só cerca de metade na escolha de compostos e na previsão de suas propriedades numéricas. Para quem desenvolve ferramentas de IA em biotecnologia, o recado é este: a verificação de estruturas e a explicação de dados já podem ser automatizadas, mas a escolha do "melhor candidato" ainda não deve ser entregue ao modelo sem a supervisão de um químico.
Como o teste funciona
O MedChemBench se baseia em 117 artigos e patentes e inclui 761 estruturas moleculares diferentes. Na maioria das tarefas, o modelo recebe o mesmo contexto que os pesquisadores tinham na etapa escolhida do projeto: qual proteína-alvo foi definida, quais objetivos foram traçados, quais compostos já foram estudados e quais resultados foram obtidos.
O teste avalia quatro habilidades:
- Estruturas moleculares. Conectar corretamente os átomos e considerar a disposição espacial dos grupos (estereoquímica) nas moléculas que precisam ser montadas a partir de desenhos e fragmentos químicos.
- Raciocínio científico. Explicar, por exemplo, por que um composto foi escolhido em vez de outro, com base nos dados do enunciado.
- Ranqueamento e escolha. Ordenar ou selecionar compostos de modo que atendam a requisitos definidos.
- Previsão de propriedades. Indicar números e categorias que coincidam com os valores medidos e calculados da fonte. Respostas próximas da medição real recebem pontuação parcial.
Uma das tarefas se baseia em um estudo sobre inibidores de PRMT5, proteína investigada na busca por medicamentos contra o câncer. O modelo deve prever, para três compostos aparentados, com que intensidade eles bloqueiam o PRMT5 em células, com que facilidade atravessam a barreira celular e com que velocidade as enzimas do fígado os degradam em um teste de laboratório. Experimentos posteriores, ocultos do modelo, mostraram uma troca: o composto 23 inibia o PRMT5 em concentração menor, enquanto o composto 24 penetrava melhor na barreira e era degradado mais lentamente.
O que os números mostram
A OpenAI rodou o teste com onze modelos GPT em diferentes configurações de profundidade de raciocínio. No modo xhigh, comum a todos, o GPT-6.2 Astra obteve 84,5% dos pontos disponíveis, o GPT-6 Astra, 83,3%, o GPT-6.1 Sol, 82,0%, o GPT-6.1 Terra, 75,1%, e o GPT-5.6 Sol, 58,2%. No modo max, o GPT-6 Astra chegou a 83,8%. Em geral, um raciocínio mais profundo melhorou o resultado, mas as grandes diferenças entre os modelos permaneceram.
Um exemplo ilustrativo é a tarefa de montar uma molécula a partir de uma estrutura central e dois grupos ligados a ela, preservando um anel de 18 átomos. O GPT-6 Astra acertou em todas as dez respostas. O GPT-5.6 Sol e o GPT-5.6 Luna não acertaram nenhuma vez: o primeiro desenhou um anel de 15 átomos, e o segundo dividiu a molécula em dois fragmentos desconectados. Na química, isso é crítico: se o modelo registra a substância de forma errada, qualquer conclusão posterior sobre suas propriedades perde o sentido.
O desempenho por habilidade é irregular. Na montagem de estruturas, o Astra no modo xhigh obteve 95,4% dos pontos e explicou bem os experimentos: notou mudanças na estrutura e ponderou seu possível efeito na ligação com a proteína, na absorção e no metabolismo. Já na escolha de compostos e na previsão de propriedades numéricas, ficou com apenas cerca de metade dos pontos. A OpenAI ressalva que essas categorias têm tarefas e regras de pontuação diferentes, mas a margem para melhoria é evidente.
O que isso significa na prática
A divisão de trabalho razoável hoje é esta: a IA verifica se a molécula foi escrita corretamente, ajuda a interpretar dados e formula hipóteses, enquanto a decisão sobre qual composto fazer em seguida fica com o químico e o experimento.
A própria OpenAI destaca as limitações. O teste não prova que os modelos sejam capazes de descobrir novos medicamentos ou de melhorar decisões no laboratório. Não é possível descartar que os modelos tenham encontrado as publicações originais durante o treinamento. Cada resposta é uma única tentativa, sem ferramentas, sem feedback e sem novos experimentos. O que se avaliou foi o raciocínio sobre dados históricos, não uma busca real por medicamentos. Ainda assim, a indústria ganhou uma régua comum que mostra onde os modelos já são úteis e onde os erros ainda saem caro.
- 20 de nov. de 2026Nvidia investiu US$ 58,1 bilhões em outras empresas em 9 meses, 12 vezes mais que um ano antes
- 20 de nov. de 2026METR atualiza o famoso gráfico de IA: o tamanho das tarefas dobra a cada 4 meses, mas o julgamento ainda falha
- 20 de nov. de 2026OpenAI protege o raciocínio do GPT-6.2 Astra: sucesso de roubo cai de 54% para 0,2%
- 20 de nov. de 2026Nvidia está perto de comprar a Inception por US$ 500 milhões para apostar em LLMs de difusão
Perguntas frequentes sobre a notícia
Como o teste funciona?
O MedChemBench se baseia em 117 artigos e patentes e inclui 761 estruturas moleculares diferentes. Na maioria das tarefas, o modelo recebe o mesmo contexto que os pesquisadores tinham na etapa escolhida do projeto: qual proteína-alvo foi definida, quais objetivos foram traçados, quais compostos já foram estudados e quais resultados foram obtidos. O teste avalia quatro habilidades: Estruturas moleculares.
O que os números mostram?
A OpenAI rodou o teste com onze modelos GPT em diferentes configurações de profundidade de raciocínio. No modo xhigh, comum a todos, o GPT-6.2 Astra obteve 84,5% dos pontos disponíveis, o GPT-6 Astra, 83,3%, o GPT-6.1 Sol, 82,0%, o GPT-6.1 Terra, 75,1%, e o GPT-5.6 Sol, 58,2%. No modo max, o GPT-6 Astra chegou a 83,8%. Em geral, um raciocínio mais profundo melhorou o resultado, mas as grandes diferenças entre os modelos permaneceram.
O que isso significa na prática?
A divisão de trabalho razoável hoje é esta: a IA verifica se a molécula foi escrita corretamente, ajuda a interpretar dados e formula hipóteses, enquanto a decisão sobre qual composto fazer em seguida fica com o químico e o experimento. A própria OpenAI destaca as limitações. O teste não prova que os modelos sejam capazes de descobrir novos medicamentos ou de melhorar decisões no laboratório. Não é possível descartar que os modelos tenham encontrado as publicações originais durante o treinamento.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.