# OpenAIs MedChemBench prüft das Schlussfolgerungsvermögen von KI in der medizinischen Chemie

Published 2026-11-21 · AI.info Team · AI.info

> OpenAI hat einen Benchmark mit 99 Aufgaben aus der medizinischen Chemie vorgestellt, die aus veröffentlichten Forschungsarbeiten stammen. Die Tests ergaben bessere Ergebnisse bei der Rekonstruktion von Molekülen als bei der Auswahl von Verbindungen oder der Vorhersage ihrer Eigenschaften.

OpenAIs neues MedChemBench prüft KI-Modelle anhand von 99 Aufgaben aus der medizinischen Chemie, bei denen sie molekulare Strukturen und experimentelle Belege interpretieren müssen. Das Unternehmen berichtete, dass GPT-6.2 Astra bei der xhigh-Einstellung für Schlussfolgerungen 84,5 % der erreichbaren Punkte erzielte, während GPT-6 Astra 83,3 % erreichte.

Quelle [openai.com](https://openai.com/index/introducing-medchembench/)

## Was der Benchmark prüft

MedChemBench wurde am 20. November vorgestellt und stützt sich auf 117 Forschungsarbeiten und Patente. Er umfasst 761 verschiedene molekulare Strukturen. Bei den meisten Aufgaben erhält ein Modell die Informationen, die zu einem bestimmten Zeitpunkt in einem Forschungsprogramm vorliegen, darunter das biologische Ziel, die Ziele der Forschenden, bereits untersuchte Verbindungen und ausgewählte experimentelle Ergebnisse.

Der Benchmark bewertet die Rekonstruktion von Molekülen, wissenschaftliche Erklärungen, die Rangfolge und Auswahl von Verbindungen sowie Vorhersagen zu Eigenschaften. Bei der Bewertung von Strukturen werden Atomverknüpfungen und die angegebene Stereochemie geprüft; Erklärungen werden mit den bereitgestellten Belegen abgeglichen. Vorhersagen zu Eigenschaften werden anhand numerischer Werte und Kategorien aus dem Quellenmaterial überprüft, darunter gemessene und berechnete Eigenschaften.

Die Aufgaben betreffen Zielkonflikte, mit denen sich Forschende in der medizinischen Chemie bei der Entwicklung von Verbindungen auseinandersetzen. Ein Molekül, das beispielsweise stark auf ein krankheitsrelevantes Protein wirkt, könnte schlecht aufgenommen werden oder im Körper zu schnell abgebaut werden.

## Ergebnisse im Modellvergleich

OpenAI bewertete elf GPT-Modelle mit verschiedenen Einstellungen für den Schlussfolgerungsaufwand. Bei der gemeinsamen xhigh-Einstellung erzielte GPT-6.1 Sol über den gesamten Benchmark hinweg 82,0 % der erreichbaren Punkte, GPT-6.1 Terra 75,1 % und GPT-5.6 Sol 58,2 %. Bei seiner max-Einstellung erreichte GPT-6 Astra 83,8 %.

Die größten Stärken von GPT-6 Astra lagen laut OpenAI in der Rekonstruktion von Strukturen und der Erklärung wissenschaftlicher Belege. Bei xhigh erzielte das Modell 95,4 % der erreichbaren Punkte für Strukturen, aber nur etwa die Hälfte der erreichbaren Punkte für die Auswahl von Verbindungen und die Vorhersage numerischer Eigenschaften. Die Kategorien umfassen unterschiedliche Aufgaben und Bewertungsregeln.

## Zwei Aufgaben im Detail

Bei einer Aufgabe geht es um Inhibitoren von PRMT5, einem Protein, das in der Krebsforschung zur Entwicklung von Medikamenten untersucht wird. Ausgehend von Strukturen und Ergebnissen früherer Experimente muss das Modell vorhersagen, wie sich drei verwandte Verbindungen verhalten: wie stark sie PRMT5 in Zellen hemmen, wie leicht sie eine Zellbarriere passieren und wie schnell Leberenzyme sie in einem Labortest abbauen.

In den dem Modell vorenthaltenen Ergebnissen hemmte Verbindung 23 PRMT5 in Zellen bereits bei einer niedrigeren Konzentration. Verbindung 24 passierte die Zellbarriere leichter und wurde im Test mit Leberenzymen langsamer abgebaut. Für Vorhersagen gibt es Teilpunkte, je nachdem, wie nahe sie an den gemessenen Werten liegen. Auch Messwerte, die bereits im Prompt enthalten sind, müssen korrekt wiedergegeben werden.

Bei einer weiteren Aufgabe sollen Modelle aus einer zentralen Struktur und zwei daran angefügten Gruppen ein Molekül zusammensetzen und dabei einen Ring aus 18 Atomen erhalten. OpenAI berichtete, dass GPT-6 Astra ihn bei xhigh in allen zehn Antworten korrekt rekonstruierte. GPT-5.6 Sol und GPT-5.6 Luna scheiterten in allen zehn Antworten; die dargestellten Antworten zeigten bei ersterem einen kleineren Ring und bei letzterem nicht verbundene Fragmente.

## Grenzen der Ergebnisse

Das Unternehmen wies darauf hin, dass die Ergebnisse nicht belegen, ob Modelle neue Medikamente entdecken oder Entscheidungen im Labor verbessern können. Eine vorherige Kenntnis der veröffentlichten Quellen lässt sich nicht ausschließen, und jede Antwort war ein einzelner Versuch ohne Werkzeuge, Feedback oder neue Experimente. Der Benchmark bewertet Schlussfolgerungen aus historischen Belegen, nicht die Wirkstoffentdeckung in der Praxis.

## Quellen

1. Originalquelle [OpenAI](https://openai.com/index/introducing-medchembench/) openai.com

## Unternehmen in dieser Meldung

- [OpenAI](https://ai.info/de/companies/openai)

## Verwandte Meldungen

- [OpenAI meldet niedrigere Raten beim Extrahieren von Reasoning in GPT-6.2-Astra-Tests](https://ai.info/de/news/openai-adversarial-distillation-defenses-gpt-6-2-astra)
- [OpenAI sagt, seine Modelle hätten AMD-GPU-Designs um bis zu 14 % verbessert](https://ai.info/de/news/openai-amd-chip-design-gains-risc-v)
- [OpenAI zufolge erledigten KI-Agenten 46 % der delegierten Aufgaben mit einem Arbeitsaufwand von zwei bis vier Stunden](https://ai.info/de/news/openai-coding-agents-research-task-success)
- [OpenAI-Forschungsagent schrieb Skripte, um ohne Erlaubnis jemanden in E-Mails in Kopie zu setzen](https://ai.info/de/news/openai-research-agent-unauthorized-email-copy-scripts)
- [OpenAI sagt, Sicherheitsprüfungen verzögern die Veröffentlichung von Frontier-Modellen](https://ai.info/de/news/openai-frontier-ai-safety-reviews-model-releases)

## Entdecken

[Weitere Artikel](https://ai.info/de/news)

---

Canonical: https://ai.info/de/news/openai-medchembench-medicinal-chemistry-reasoning
