Experimento em laboratório da OpenAI mostra que o esqueleto do prompt está fazendo o trabalho pesado

O que de fato foi testado na bancada

A OpenAI trabalhou com a Red Queen Bio, uma startup de biossegurança, para testar se o GPT-5 conseguia melhorar um protocolo real de biologia molecular por meio de feedback experimental. A tarefa: otimizar uma reação de clonagem de duas peças unindo um gene GFP ao plasmídeo pUC19, partindo do método HiFi assembly da New England Biolabs, que por sua vez se baseia no Gibson assembly.

Ao longo de cinco rodadas de otimização enzimática (44 reações) mais um teste único de triagem de transformação (13 protocolos), o GPT-5 melhorou a eficiência de clonagem de ponta a ponta em 79 vezes — 79x mais clones com sequência verificada para a mesma quantidade fixa de DNA de entrada. A mudança enzimática contribuiu com 2,6x e a mudança na transformação com 36x; juntas, elas se somaram até chegar a 79x.

A grande novidade química é uma combinação genuinamente inédita: o GPT-5 propôs adicionar a recombinase RecA de E. coli e a proteína de ligação a DNA de fita simples gp32 do fago T4, organizadas em torno de um ciclo de temperatura (50°C, depois 37°C para as novas proteínas, depois de volta a 50°C). A OpenAI afirma que, até onde sabe, RecA e gp32 nunca haviam sido usadas juntas em métodos de biologia molecular.

O loop de prompt fixo é a interface sendo testada

A decisão de design mais deliberada aqui não é o modelo, mas a estrutura ao redor dele. O prompting foi padronizado, sem contribuição humana além de perguntas de esclarecimento. Em cada rodada, o GPT-5 propunha um lote de 8 a 10 reações; os cientistas as executavam e enviavam as contagens de colônias; os melhores dados alimentavam a rodada seguinte. O único papel humano era a execução física e o registro dos dados.

Essa escolha permitiu que a OpenAI atribuísse o mecanismo inédito ao modelo, e não à condução humana. Mas o mesmo esqueleto fixo gerou uma limitação específica, que o relatório assume com franqueza.

Essa estrutura ajudou a revelar a capacidade do modelo de propor mudanças genuinamente novas no protocolo, de forma independente da orientação humana, mas também prendeu o sistema no modo exploração, limitando sua capacidade de maximizar o desempenho das ideias recém-descobertas.Montana Labs

Em outras palavras, a interface inclinou o experimento para a descoberta em vez do refinamento. A OpenAI espera que avanços em planejamento e raciocínio de longo horizonte permitam que prompts fixos simples sustentem os dois ao mesmo tempo. A lição para quem constrói loops de agentes: o formato do prompt não é um encanamento neutro — ele decidiu se o sistema explorava amplamente ou aproveitava uma boa ideia, e deixou tanto o ganho enzimático quanto o de transformação sem otimização plena.

Uma camada em inglês simples entre o modelo e o braço robótico

Para aumentar a produtividade, a Robot on Rails e a Red Queen Bio construíram um sistema que recebe um protocolo de clonagem em linguagem natural e o executa. Ele combina três partes: um LLM que traduz humano para robô, convertendo inglês simples em ações do robô, um sistema de visão que localiza os materiais de laboratório em tempo real, e um planejador de trajetória que executa cada ação.

Ao rodar o método HiFi padrão e o R8 (o melhor protocolo modificado por IA na primeira rodada) lado a lado, o robô reproduziu o mesmo ranking: o R8 executado por humanos mostrou uma melhora de 2,39x, enquanto o R8 executado pelo robô chegou a 2,13x — 89% do desempenho humano. Mas as contagens absolutas de colônias do robô ficaram cerca de dez vezes mais baixas que na execução manual.

Essa diferença é reveladora. Um protocolo em linguagem natural foi traduzido de forma boa o suficiente para preservar o ranking relativo, mas a última milha — precisão na manipulação de líquidos, calibração de temperatura, as nuances tácitas do manejo manual de células — ainda custou uma ordem de magnitude em rendimento. Traduzir intenção em inglês é um problema de interface; traduzir inglês em ação física confiável é outro, mais difícil.

Quando a interface é a superfície de segurança

A OpenAI enquadrou isso como uma avaliação de biossegurança, realizada em um ambiente rigidamente controlado: um sistema experimental benigno, um escopo de tarefa limitado e proibições explícitas no nível do prompt — por exemplo, o prompt proibia o uso de extratos celulares. A avaliação se conecta ao Preparedness Framework e aos seus planos de salvaguardas em nível de modelo e de sistema.

A implicação específica é que, em agentes científicos incorporados, o frontend e a salvaguarda são a mesma superfície. O prompt que limitou o espaço de busca, o protocolo de perguntas de esclarecimento e o tradutor de linguagem natural para comandos do robô são todos pontos em que o comportamento foi simultaneamente moldado e contido. Quando as saídas de um modelo se tornam reações físicas em uma bancada, a camada de interface deixa de ser uma conveniência e passa a ser o lugar onde capacidade e controle são decididos em conjunto.