# MedChemBench di OpenAI mette alla prova il ragionamento dell’IA sulla chimica farmaceutica

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

> OpenAI ha introdotto un benchmark con 99 problemi di chimica farmaceutica tratti da ricerche pubblicate. I test hanno rilevato risultati migliori nella ricostruzione delle molecole che nella selezione dei composti o nella previsione delle loro proprietà.

Il nuovo MedChemBench di [OpenAI](https://openai.com/index/introducing-medchembench/) mette alla prova i modelli di IA con 99 problemi di chimica farmaceutica che chiedono di interpretare strutture molecolari e prove sperimentali. L’azienda ha riferito che GPT-6.2 Astra ha ottenuto l’84,5% del punteggio disponibile con l’impostazione di ragionamento xhigh, mentre GPT-6 Astra ha ottenuto l’83,3%.

## Cosa valuta il benchmark

Introdotto il 20 novembre, MedChemBench si basa su 117 articoli e brevetti e comprende 761 strutture molecolari distinte. Per la maggior parte dei problemi, un modello riceve le informazioni disponibili in un determinato momento di un programma di ricerca, tra cui il bersaglio biologico, gli obiettivi dei ricercatori, i composti già studiati e alcuni risultati sperimentali selezionati.

Il benchmark valuta la ricostruzione molecolare, le spiegazioni scientifiche, l’ordinamento e la selezione dei composti e le previsioni delle proprietà. La valutazione delle strutture verifica i legami tra gli atomi e la stereochimica specificata; le spiegazioni vengono valutate in base alle prove fornite. Le previsioni delle proprietà vengono confrontate con valori numerici e categorie presenti nel materiale di partenza, comprese proprietà misurate e calcolate.

I compiti affrontano i compromessi che i chimici farmaceutici devono considerare nello sviluppo dei composti. Una molecola che agisce con forza contro una proteina associata a una malattia, per esempio, potrebbe essere assorbita male o degradarsi troppo rapidamente nell’organismo.

## Risultati a confronto tra i modelli

OpenAI ha valutato undici modelli GPT con diverse impostazioni di intensità del ragionamento. Con l’impostazione xhigh condivisa, GPT-6.1 Sol ha ottenuto l’82,0% del punteggio disponibile nell’intero benchmark, GPT-6.1 Terra il 75,1% e GPT-5.6 Sol il 58,2%. Con la propria impostazione max effort, GPT-6 Astra ha raggiunto l’83,8%.

Secondo OpenAI, per GPT-6 Astra i risultati migliori riguardavano la ricostruzione delle strutture e la spiegazione delle prove scientifiche. Con xhigh, ha ottenuto il 95,4% del punteggio disponibile per le strutture, ma solo circa la metà di quello disponibile per la selezione dei composti e la previsione delle proprietà numeriche. Le categorie prevedono compiti e criteri di valutazione diversi.

## Due problemi nel dettaglio

Un problema riguarda gli inibitori di PRMT5, una proteina studiata nella ricerca di farmaci contro il cancro. Sulla base delle strutture e dei risultati di esperimenti precedenti, il modello deve prevedere il comportamento di tre composti correlati: quanto bloccano PRMT5 nelle cellule, con quale facilità attraversano una barriera cellulare e quanto rapidamente gli enzimi epatici li degradano in un test di laboratorio.

Nei risultati non mostrati al modello, il composto 23 ha bloccato PRMT5 nelle cellule a una concentrazione inferiore. Il composto 24 ha attraversato la barriera cellulare più facilmente e si è degradato più lentamente nel test con gli enzimi epatici. Le previsioni ricevono un punteggio parziale in base a quanto si avvicinano ai valori misurati, mentre anche le misurazioni già incluse nel prompt devono essere riportate correttamente.

Un altro problema chiede ai modelli di assemblare una molecola partendo da una struttura centrale e da due gruppi attaccati, mantenendo un anello di 18 atomi. OpenAI ha riferito che GPT-6 Astra l’ha ricostruita correttamente in tutte e dieci le risposte con xhigh. GPT-5.6 Sol e GPT-5.6 Luna hanno fallito in tutte e dieci le risposte; le risposte illustrate mostravano un anello più piccolo per il primo e frammenti scollegati per il secondo.

## Limiti dei risultati

L’azienda ha precisato che i risultati non dimostrano se i modelli siano in grado di scoprire nuovi farmaci o migliorare le decisioni di laboratorio. Non si può escludere una precedente esposizione alle fonti pubblicate e ogni risposta consisteva in un singolo tentativo, senza strumenti, feedback o nuovi esperimenti. Il benchmark valuta il ragionamento basato su prove storiche, non la scoperta di farmaci nel mondo reale.

## Fonti

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

## Aziende in questa notizia

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

## Notizie correlate

- [Scale e IMDA di Singapore pubblicano un benchmark sul ragionamento giuridico](https://ai.info/it/news/scale-ai-singapore-imda-legal-reasoning-benchmark)
- [OpenAI segnala tassi più bassi di estrazione del ragionamento nei test di GPT-6.2 Astra](https://ai.info/it/news/openai-adversarial-distillation-defenses-gpt-6-2-astra)
- [OpenAI afferma che i suoi modelli hanno migliorato fino al 14% i progetti di GPU di AMD](https://ai.info/it/news/openai-amd-chip-design-gains-risc-v)
- [OpenAI afferma che gli agenti hanno completato il 46% delle attività delegate che richiedevano da due a quattro ore](https://ai.info/it/news/openai-coding-agents-research-task-success)
- [Un agente di ricerca di OpenAI ha scritto script per mettere in copia un destinatario senza autorizzazione](https://ai.info/it/news/openai-research-agent-unauthorized-email-copy-scripts)

## Esplora

[Altri articoli](https://ai.info/it/news)

---

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