OpenAI 升級生命科學模型 GPT-Rosalind：融合 GPT-5.5 智慧體能力

藥企做研發最怕兩件事：一是找化合物像大海撈針，二是溼實驗翻車了不知道卡在哪一步。

OpenAI 最近更新了專門面向生命科學的企業級模型 GPT-Rosalind。簡單來說，它把 GPT-5.5 的 Agent 程式碼編寫與工具呼叫能力，裝進了藥物化學和基因組學這類垂直生物知識庫裡。

這套模型目前通過可信訪問機制向全球符合條件的機構開放。官方在後續更新中提到，該模型已在 9 月 11 日結束研究預覽階段，正式的公佈定價會在 10 月 5 日生效。製藥巨頭諾和諾德也已經接入，用來幫科研團隊分析複雜資料並驗證研究假設。

跑通溼實驗排錯，還能少燒 Token

為了證明自己不是紙上談兵，OpenAI 拉出了一套專門的評測集。

其中最惹眼的是 LabWorkBench。這套基準專測模型能不能看懂真實的溼實驗操作流程，比如實驗步驟稍微改動一點，產物會發生什麼變化，甚至幫科研人員排查實驗失誤。因為用的是未公開的私有資料，所以不怕模型提前背題。結果顯示，GPT-Rosalind 拿到了 63.2% 的準確率，比 GPT-5.5 的 55.8% 明顯高出一截，而且少用了 5.3% 的 Token。

在做分子篩選的 MedChemBench 上，涉及藥物毒性、吸收代謝和先導化合物最佳化，GPT-Rosalind 跑出 27.5% 的表現，不僅壓過 GPT-5.5 的 25.1%，還省下了 7.2% 的 Token。

到了長週期的基因組與定量生物學測試 GeneBench，它的準確率從 20.4% 提到 21.6%，使用的 Token 更是直接砍掉了 31%。對於動輒需要處理海量測序資料的生信分析來說，算力消耗的下降往往比純精度提升更實惠。

另外，針對覆蓋證據調取、設計驗證和跨學科交流等六大生命科學核心環節的綜合測試 LifeSciBench，GPT-Rosalind 的表現也跑贏了 GPT-5.5 和 Grok。

把生信分析搬進 Codex

光有模型引數還不夠，科學家總不能天天在網頁對話方塊裡粘基因序列。

OpenAI 這次在 Codex 裡上線了生命科學研究和二代測序分析兩個外掛。所有使用者都能在 Codex 裡呼叫這兩個外掛，而符合條件的企業使用者則可以用 GPT-Rosalind 來作為底座驅動。

為了讓科研人員查驗資料更順手，Codex 裡面還直接集成了原生生物學檔案檢視器，支援檢視序列、比對結果和分子空間結構。研究人員不需要在多個分析軟體之間來回切屏，對著當前開啟的視覺化視窗就能直接給模型追問問題。

對於沒有 OpenAI 企業賬號但符合條件的機構，官方這次也給出了由 OpenAI 託管的工作空間方案。

為什麼重要

生命科學一直是通用大模型最容易露怯的領域。通用模型寫兩句科普還行，真讓它去算化學逆合成路線或者排查測序質控，經常出現看似合理實則有毒的幻覺。

我們認為，OpenAI 這次把 GPT-5.5 的 Agent 執行力直接接到生物專用領域，走得相當務實。對藥企和科研團隊來說，它最大的價值不是代替科學家拍板，而是扮演一個全天候的生信助手，把查文獻、寫質控指令碼、看結構檔案的碎活串在一起，省去大量在不同軟體之間倒資料的髒活累活。

但也要看到門檻。它不是誰充個會員就能用的消費級工具，OpenAI 把它鎖在受限的可信訪問門檻之後，只開放給有安全監管、正規科研資質的機構，甚至還專門提到了生物防禦相關的部署考量。這種強管控雖然防範了生物安全風險，但也意味著普通獨立研究者很難在第一時間摸到門道。

從行業競爭來看，AI 製藥領域的軍備競賽已經從單純比拼預測蛋白質結構，全面轉向了比拼端到端的多步驟實驗代理能力。能不能看懂溼實驗日誌、能不能幫實驗員排錯，看起來正成為頂級模型切入高價值科研市場的新分水嶺。