A experiência em laboratório da OpenAI mostra que a estrutura do prompt está a fazer um trabalho real

O que foi efetivamente testado na bancada

A OpenAI trabalhou com a Red Queen Bio, uma start-up de biossegurança, para testar se o GPT-5 conseguia melhorar um protocolo real de biologia molecular através de feedback experimental. A tarefa: otimizar uma reação de clonagem em duas partes que junta um gene GFP ao plasmídeo pUC19, partindo do método HiFi assembly da New England Biolabs, ele próprio baseado no Gibson assembly.

Ao longo de cinco rondas de otimização enzimática (44 reações) e de um teste de transformação de tentativa única (13 protocolos), o GPT-5 melhorou a eficiência global de clonagem em 79 vezes — 79x mais clones com sequência verificada por quantidade fixa de DNA inicial. A alteração enzimática contribuiu com um fator de 2,6 e a alteração na transformação com um fator de 36; combinadas, foram aditivas, totalizando 79x.

A química em destaque é uma combinação genuinamente inédita: o GPT-5 propôs adicionar a recombinase RecA de E. coli e a proteína de ligação a DNA de cadeia simples gp32 do fago T4, organizadas em torno de um ciclo de temperatura (50°C, depois 37°C para as novas proteínas, e de volta a 50°C). A OpenAI afirma que, tanto quanto sabe, a RecA e a gp32 nunca tinham sido utilizadas em conjunto de forma funcional em métodos de biologia molecular.

O ciclo de prompt fixo é a interface que está a ser testada

A decisão de design mais deliberada aqui não é o modelo, mas o enquadramento à sua volta. O prompting foi padronizado, sem qualquer intervenção humana além de perguntas de clarificação. Em cada ronda, o GPT-5 propunha um conjunto de 8 a 10 reações; os cientistas executavam-nas e carregavam as contagens de colónias; os melhores dados alimentavam a ronda seguinte. O único papel humano foi a execução física e a introdução de dados.

Essa escolha permitiu à OpenAI atribuir o mecanismo inédito ao modelo e não à orientação humana. Mas a mesma estrutura fixa produziu uma limitação específica, que o relatório assume abertamente.

Esta estrutura ajudou a revelar a capacidade do modelo para propor alterações genuinamente novas ao protocolo, independentemente de orientação humana, mas também prendeu o sistema à exploração, limitando a sua capacidade de maximizar o desempenho das ideias recém-descobertas.Montana Labs

Ou seja, a interface enviesou a experiência para a descoberta em detrimento do refinamento. A OpenAI espera que avanços no planeamento e no raciocínio sobre horizontes de tarefa permitam que prompts fixos simples suportem ambos. A lição para quem constrói ciclos de agentes: o enquadramento do prompt não é um mecanismo neutro — decidiu se o sistema explorava amplamente ou aproveitava uma boa ideia, e deixou tanto os ganhos enzimáticos como os de transformação por otimizar.

Uma camada em linguagem natural entre o modelo e o braço robótico

Para aumentar o rendimento, a Robot on Rails e a Red Queen Bio construíram um sistema que recebe um protocolo de clonagem em linguagem natural e o executa. Este sistema combina três componentes: um LLM humano-para-robô que converte linguagem simples em ações robóticas, um sistema de visão que localiza o material de laboratório em tempo real, e um planeador de trajetórias que executa cada ação.

Ao correr em paralelo o método HiFi padrão e o R8 (o melhor protocolo modificado por AI na primeira ronda), o robô reproduziu a mesma classificação: o R8 executado por humanos mostrou uma melhoria de 2,39 vezes, enquanto o R8 executado pelo robô atingiu 2,13 vezes — 89% do desempenho humano. No entanto, as contagens absolutas de colónias do robô foram cerca de dez vezes inferiores às da execução manual.

Essa diferença é reveladora. Um protocolo em linguagem natural foi traduzido com fidelidade suficiente para preservar as classificações relativas, mas a última etapa — a precisão na manipulação de líquidos, a calibração da temperatura, as nuances tácitas do manuseamento manual de células — ainda custou uma ordem de magnitude no rendimento. Traduzir intenção em linguagem é um problema de interface; traduzir linguagem em ação física fiável é outro, mais difícil.

Quando a interface é a superfície de segurança

A OpenAI enquadrou isto como uma avaliação de biossegurança, realizada num ambiente rigorosamente controlado: um sistema experimental benigno, um âmbito de tarefa limitado e proibições explícitas ao nível do prompt — por exemplo, o prompt proibia o uso de extratos celulares. A avaliação insere-se no Preparedness Framework e nos seus planos de salvaguardas ao nível do modelo e do sistema.

A implicação concreta é que, em agentes científicos incorporados fisicamente, o frontend e a salvaguarda são a mesma superfície. O prompt que limitou o espaço de busca, o protocolo de perguntas de clarificação e o tradutor de linguagem natural para comandos robóticos são todos pontos onde o comportamento foi simultaneamente moldado e delimitado. Quando os resultados de um modelo se transformam em reações físicas numa bancada de laboratório, a camada de interface deixa de ser uma conveniência e passa a ser o local onde a capacidade e o controlo são decididos em conjunto.