OpenAI 升级生命科学模型 GPT-Rosalind：融合 GPT-5.5 智能体能力

药企做研发最怕两件事：一是找化合物像大海捞针，二是湿实验翻车了不知道卡在哪一步。

OpenAI 最近更新了专门面向生命科学的企业级模型 GPT-Rosalind。简单来说，它把 GPT-5.5 的 Agent 代码编写与工具调用能力，装进了药物化学和基因组学这类垂直生物知识库里。

这套模型目前通过可信访问机制向全球符合条件的机构开放。官方在后续更新中提到，该模型已在 9 月 11 日结束研究预览阶段，正式的公布定价会在 10 月 5 日生效。制药巨头诺和诺德也已经接入，用来帮科研团队分析复杂数据并验证研究假设。

跑通湿实验排错，还能少烧 Token

为了证明自己不是纸上谈兵，OpenAI 拉出了一套专门的评测集。

其中最惹眼的是 LabWorkBench。这套基准专测模型能不能看懂真实的湿实验操作流程，比如实验步骤稍微改动一点，产物会发生什么变化，甚至帮科研人员排查实验失误。因为用的是未公开的私有数据，所以不怕模型提前背题。结果显示，GPT-Rosalind 拿到了 63.2% 的准确率，比 GPT-5.5 的 55.8% 明显高出一截，而且少用了 5.3% 的 Token。

在做分子筛选的 MedChemBench 上，涉及药物毒性、吸收代谢和先导化合物优化，GPT-Rosalind 跑出 27.5% 的表现，不仅压过 GPT-5.5 的 25.1%，还省下了 7.2% 的 Token。

到了长周期的基因组与定量生物学测试 GeneBench，它的准确率从 20.4% 提到 21.6%，使用的 Token 更是直接砍掉了 31%。对于动辄需要处理海量测序数据的生信分析来说，算力消耗的下降往往比纯精度提升更实惠。

另外，针对覆盖证据调取、设计验证和跨学科交流等六大生命科学核心环节的综合测试 LifeSciBench，GPT-Rosalind 的表现也跑赢了 GPT-5.5 和 Grok。

把生信分析搬进 Codex

光有模型参数还不够，科学家总不能天天在网页对话框里粘基因序列。

OpenAI 这次在 Codex 里上线了生命科学研究和二代测序分析两个插件。所有用户都能在 Codex 里调用这两个插件，而符合条件的企业用户则可以用 GPT-Rosalind 来作为底座驱动。

为了让科研人员查验数据更顺手，Codex 里面还直接集成了原生生物学文件查看器，支持查看序列、比对结果和分子空间结构。研究人员不需要在多个分析软件之间来回切屏，对着当前打开的可视化窗口就能直接给模型追问问题。

对于没有 OpenAI 企业账号但符合条件的机构，官方这次也给出了由 OpenAI 托管的工作空间方案。

为什么重要

生命科学一直是通用大模型最容易露怯的领域。通用模型写两句科普还行，真让它去算化学逆合成路线或者排查测序质控，经常出现看似合理实则有毒的幻觉。

我们认为，OpenAI 这次把 GPT-5.5 的 Agent 执行力直接接到生物专用领域，走得相当务实。对药企和科研团队来说，它最大的价值不是代替科学家拍板，而是扮演一个全天候的生信助手，把查文献、写质控脚本、看结构文件的碎活串在一起，省去大量在不同软件之间倒数据的脏活累活。

但也要看到门槛。它不是谁充个会员就能用的消费级工具，OpenAI 把它锁在受限的可信访问门槛之后，只开放给有安全监管、正规科研资质的机构，甚至还专门提到了生物防御相关的部署考量。这种强管控虽然防范了生物安全风险，但也意味着普通独立研究者很难在第一时间摸到门道。

从行业竞争来看，AI 制药领域的军备竞赛已经从单纯比拼预测蛋白质结构，全面转向了比拼端到端的多步骤实验代理能力。能不能看懂湿实验日志、能不能帮实验员排错，看起来正成为顶级模型切入高价值科研市场的新分水岭。