Nytt riktmärke testar hur väl AI-agenter klarar av proteindesign

arXiv cs.AI

Forskare har lanserat ABLE, ett riktmärke (benchmark) som mäter hur bra stora språkmodeller är på att använda biologiska AI-verktyg som ProteinMPNN och AlphaFold3 för att designa proteiner. Av 15 testade modeller vägrar sju att utföra uppgifterna överhuvudtaget, medan Claude Sonnet 4 och Gemini 3 Pro presterar bäst bland de övriga. Det intressanta är egentligen vad det säger om AI-säkerhet: att sju modeller helt enkelt tackar nej antyder att dual-use-risken — att tekniken kan missbrukas — tas på allvar, men det råder uppenbart ingen samsyn om var gränsen bör gå.