Model ini dirancang untuk membantu pekerjaan seperti merangkum bukti dari literatur ilmiah, menghasilkan hipotesis, menafsirkan data biologis, merancang eksperimen, dan menangani alur riset bertahap.

Menggabungkan GPT-5.5 dengan penalaran ilmiah khusus

Perubahan teknis utama dalam pembaruan Juni adalah integrasi kemampuan agentic coding dan tool use GPT-5.5 dengan lapisan penalaran ilmiah yang disesuaikan untuk ilmu hayati . Dengan kemampuan tersebut, agen GPT-Rosalind dapat menulis dan menjalankan kode, memanggil alat eksternal, serta mengelola tugas riset yang terdiri dari beberapa langkah.

OpenAI menggambarkan GPT-Rosalind bukan sekadar GPT-5.5 yang diberi instruksi khusus, melainkan model dengan kecerdasan domain yang dibangun untuk area inti penemuan obat—termasuk kimia medisinal dan genomik—di atas kemampuan eksekusi GPT-5.5.

Salah satu klaim efisiensinya adalah GPT-Rosalind mengungguli GPT-5.5 pada seluruh benchmark domain baru dengan penggunaan token komputasi yang lebih sedikit. Dalam analisis biologi kuantitatif jangka panjang, khususnya genomik, model ini menggunakan 31% lebih sedikit token dibandingkan GPT-5.5 . Pengurangan tersebut berpotensi menekan kebutuhan komputasi dalam pipeline riset yang memproses dataset genomik berukuran besar.

LifeSciBench mengukur alur riset secara menyeluruh

Untuk menilai dampak dalam pekerjaan ilmiah nyata, OpenAI membuat LifeSciBench, benchmark yang dinilai oleh pakar eksternal. Evaluasi ini mencakup enam area:

• pengelolaan bukti;
• analisis;
• desain dan optimasi;
• penalaran ilmiah;
• validasi dan operasional; serta
• penerjemahan dan komunikasi hasil.

Berbeda dari benchmark yang hanya menguji satu kemampuan, LifeSciBench dirancang untuk menilai rangkaian kerja riset secara utuh—mulai dari sintesis literatur hingga desain eksperimen . GPT-Rosalind disebut memimpin hasil keseluruhan dan mengungguli GPT-5.5, Grok 4.3, serta Gemini 3.1 Pro .

OpenAI juga mempublikasikan tiga benchmark domain yang membandingkan GPT-Rosalind secara langsung dengan GPT-5.5. Perlu dicatat, seluruh skor tersebut merupakan evaluasi yang dilaporkan sendiri oleh OpenAI, sementara replikasi independen dari pihak ketiga belum terkonfirmasi .

Data berasal dari evaluasi yang dipublikasikan OpenAI .

Perbedaan absolut terbesar terlihat pada LabWorkBench. GPT-Rosalind memperoleh skor 7,4 poin persentase lebih tinggi daripada GPT-5.5 . Benchmark ini menguji pekerjaan praktis di laboratorium basah, seperti mencari penyebab kegagalan protokol, menyusun alur kerja reagen, dan menafsirkan hasil eksperimen.

Namun, skor di bidang kimia medisinal dan genomik masih tergolong rendah secara absolut. Nilai 27,5% dan 21,6% berarti model tetap gagal pada sebagian besar tugas yang diuji di kedua bidang tersebut . Angka ini menunjukkan bahwa penemuan obat berbantuan AI masih berada pada tahap awal, meskipun kinerjanya terus meningkat.

Plugin Codex membawa model dari penalaran ke eksekusi

Pembaruan Juni turut menghadirkan plugin dan viewer khusus ilmu hayati di Codex, platform coding OpenAI untuk AI agen . Melalui integrasi ini, agen GPT-Rosalind dapat terhubung dengan alat ilmiah, seperti basis data literatur, utilitas analisis sekuens, dan perangkat lunak perancangan protokol laboratorium, lalu menjalankan alur kerja riset bertahap .

Perubahan ini menandai pergeseran dari AI yang hanya membantu menalar persoalan ilmiah menjadi AI yang juga dapat melakukan sebagian tugas komputasi secara langsung. OpenAI merangkum arah tersebut sebagai peralihan “dari penalaran ke alur kerja yang dieksekusi” .

Akses global tetap melalui trusted access

Saat pertama diluncurkan pada April 2026, GPT-Rosalind tersedia sebagai pratinjau riset khusus perusahaan di Amerika Serikat melalui program trusted access yang terbatas . Dalam pembaruan Juni, ketersediaannya diperluas menjadi pratinjau riset global bagi organisasi yang memenuhi syarat, tetapi tetap menggunakan struktur deployment trusted access yang mensyaratkan pengajuan dan proses peninjauan .

Organisasi yang belum memiliki perjanjian Enterprise kini dapat mengajukan akses melalui OpenAI managed workspace yang baru dibuat.

Sebelumnya, pada 29 Mei 2026, OpenAI juga meluncurkan Rosalind Biodefense, program yang memperluas trusted access untuk aplikasi biodefense . Langkah tersebut menunjukkan bahwa OpenAI menempatkan GPT-Rosalind bukan hanya sebagai alat untuk penemuan obat komersial, tetapi juga sebagai teknologi untuk riset biologi yang memerlukan pengawasan dan akses terkendali.

Mitra awal dari industri farmasi dan riset

OpenAI menyebut beberapa organisasi yang bekerja dengan GPT-Rosalind versi terbaru :

• Novo Nordisk, yang secara eksplisit disebut sebagai pelanggan dan menggunakan GPT-Rosalind dalam alur kerja riset dan pengembangan farmasi;
• Amgen dan Moderna;
• Allen Institute; serta
• Thermo Fisher Scientific.

Organisasi-organisasi tersebut disebut sebagai mitra atau pengguna awal yang menerapkan model dalam penemuan obat, genomik, dan integrasi alat riset. Namun, rincian penggunaan untuk masing-masing organisasi belum dipaparkan secara terbuka. Daftar itu juga kemungkinan mencakup kombinasi pelanggan perusahaan dan mitra kolaborasi penelitian.

Apa artinya bagi penemuan obat?

Pembaruan GPT-Rosalind memperjelas strategi OpenAI untuk mengembangkan model vertikal: AI yang memiliki pengetahuan domain khusus, dapat menggunakan alat, dan disalurkan melalui akses yang terkontrol. Kombinasi penalaran ilmiah, penggunaan token yang lebih efisien, serta kemampuan eksekusi melalui Codex dapat membantu mempercepat tahap awal penemuan obat—mulai dari tinjauan literatur dan penyusunan hipotesis hingga desain eksperimen serta pelaksanaan protokol berbasis perangkat lunak.

Meski demikian, angka benchmark juga menjadi pengingat penting. Bahkan dengan GPT-5.5 sebagai fondasi, GPT-Rosalind masih kesulitan menghadapi sebagian besar tugas kimia medisinal dan genomik. Model ini lebih tepat dipandang sebagai alat bantu bagi peneliti ahli, bukan pengganti penilaian ilmiah.

Selain itu, seluruh klaim kinerja masih berasal dari laporan OpenAI. Sampai tersedia evaluasi independen atau studi peer-review yang menggunakan model tersebut, hasil benchmark sebaiknya dipahami sebagai indikasi awal, bukan kesimpulan definitif .

Model ini dirancang untuk membantu pekerjaan seperti merangkum bukti dari literatur ilmiah, menghasilkan hipotesis, menafsirkan data biologis, merancang eksperimen, dan menangani alur riset bertahap.

Menggabungkan GPT-5.5 dengan penalaran ilmiah khusus

Perubahan teknis utama dalam pembaruan Juni adalah integrasi kemampuan agentic coding dan tool use GPT-5.5 dengan lapisan penalaran ilmiah yang disesuaikan untuk ilmu hayati . Dengan kemampuan tersebut, agen GPT-Rosalind dapat menulis dan menjalankan kode, memanggil alat eksternal, serta mengelola tugas riset yang terdiri dari beberapa langkah.

OpenAI menggambarkan GPT-Rosalind bukan sekadar GPT-5.5 yang diberi instruksi khusus, melainkan model dengan kecerdasan domain yang dibangun untuk area inti penemuan obat—termasuk kimia medisinal dan genomik—di atas kemampuan eksekusi GPT-5.5.

Salah satu klaim efisiensinya adalah GPT-Rosalind mengungguli GPT-5.5 pada seluruh benchmark domain baru dengan penggunaan token komputasi yang lebih sedikit. Dalam analisis biologi kuantitatif jangka panjang, khususnya genomik, model ini menggunakan 31% lebih sedikit token dibandingkan GPT-5.5 . Pengurangan tersebut berpotensi menekan kebutuhan komputasi dalam pipeline riset yang memproses dataset genomik berukuran besar.

LifeSciBench mengukur alur riset secara menyeluruh

Untuk menilai dampak dalam pekerjaan ilmiah nyata, OpenAI membuat LifeSciBench, benchmark yang dinilai oleh pakar eksternal. Evaluasi ini mencakup enam area:

• pengelolaan bukti;
• analisis;
• desain dan optimasi;
• penalaran ilmiah;
• validasi dan operasional; serta
• penerjemahan dan komunikasi hasil.

Berbeda dari benchmark yang hanya menguji satu kemampuan, LifeSciBench dirancang untuk menilai rangkaian kerja riset secara utuh—mulai dari sintesis literatur hingga desain eksperimen . GPT-Rosalind disebut memimpin hasil keseluruhan dan mengungguli GPT-5.5, Grok 4.3, serta Gemini 3.1 Pro .

OpenAI juga mempublikasikan tiga benchmark domain yang membandingkan GPT-Rosalind secara langsung dengan GPT-5.5. Perlu dicatat, seluruh skor tersebut merupakan evaluasi yang dilaporkan sendiri oleh OpenAI, sementara replikasi independen dari pihak ketiga belum terkonfirmasi .

Data berasal dari evaluasi yang dipublikasikan OpenAI .

Perbedaan absolut terbesar terlihat pada LabWorkBench. GPT-Rosalind memperoleh skor 7,4 poin persentase lebih tinggi daripada GPT-5.5 . Benchmark ini menguji pekerjaan praktis di laboratorium basah, seperti mencari penyebab kegagalan protokol, menyusun alur kerja reagen, dan menafsirkan hasil eksperimen.

Namun, skor di bidang kimia medisinal dan genomik masih tergolong rendah secara absolut. Nilai 27,5% dan 21,6% berarti model tetap gagal pada sebagian besar tugas yang diuji di kedua bidang tersebut . Angka ini menunjukkan bahwa penemuan obat berbantuan AI masih berada pada tahap awal, meskipun kinerjanya terus meningkat.

Plugin Codex membawa model dari penalaran ke eksekusi

Pembaruan Juni turut menghadirkan plugin dan viewer khusus ilmu hayati di Codex, platform coding OpenAI untuk AI agen . Melalui integrasi ini, agen GPT-Rosalind dapat terhubung dengan alat ilmiah, seperti basis data literatur, utilitas analisis sekuens, dan perangkat lunak perancangan protokol laboratorium, lalu menjalankan alur kerja riset bertahap .

Perubahan ini menandai pergeseran dari AI yang hanya membantu menalar persoalan ilmiah menjadi AI yang juga dapat melakukan sebagian tugas komputasi secara langsung. OpenAI merangkum arah tersebut sebagai peralihan “dari penalaran ke alur kerja yang dieksekusi” .

Akses global tetap melalui trusted access

Saat pertama diluncurkan pada April 2026, GPT-Rosalind tersedia sebagai pratinjau riset khusus perusahaan di Amerika Serikat melalui program trusted access yang terbatas . Dalam pembaruan Juni, ketersediaannya diperluas menjadi pratinjau riset global bagi organisasi yang memenuhi syarat, tetapi tetap menggunakan struktur deployment trusted access yang mensyaratkan pengajuan dan proses peninjauan .

Organisasi yang belum memiliki perjanjian Enterprise kini dapat mengajukan akses melalui OpenAI managed workspace yang baru dibuat.

Sebelumnya, pada 29 Mei 2026, OpenAI juga meluncurkan Rosalind Biodefense, program yang memperluas trusted access untuk aplikasi biodefense . Langkah tersebut menunjukkan bahwa OpenAI menempatkan GPT-Rosalind bukan hanya sebagai alat untuk penemuan obat komersial, tetapi juga sebagai teknologi untuk riset biologi yang memerlukan pengawasan dan akses terkendali.

Mitra awal dari industri farmasi dan riset

OpenAI menyebut beberapa organisasi yang bekerja dengan GPT-Rosalind versi terbaru :

• Novo Nordisk, yang secara eksplisit disebut sebagai pelanggan dan menggunakan GPT-Rosalind dalam alur kerja riset dan pengembangan farmasi;
• Amgen dan Moderna;
• Allen Institute; serta
• Thermo Fisher Scientific.

Organisasi-organisasi tersebut disebut sebagai mitra atau pengguna awal yang menerapkan model dalam penemuan obat, genomik, dan integrasi alat riset. Namun, rincian penggunaan untuk masing-masing organisasi belum dipaparkan secara terbuka. Daftar itu juga kemungkinan mencakup kombinasi pelanggan perusahaan dan mitra kolaborasi penelitian.

Apa artinya bagi penemuan obat?

Pembaruan GPT-Rosalind memperjelas strategi OpenAI untuk mengembangkan model vertikal: AI yang memiliki pengetahuan domain khusus, dapat menggunakan alat, dan disalurkan melalui akses yang terkontrol. Kombinasi penalaran ilmiah, penggunaan token yang lebih efisien, serta kemampuan eksekusi melalui Codex dapat membantu mempercepat tahap awal penemuan obat—mulai dari tinjauan literatur dan penyusunan hipotesis hingga desain eksperimen serta pelaksanaan protokol berbasis perangkat lunak.

Meski demikian, angka benchmark juga menjadi pengingat penting. Bahkan dengan GPT-5.5 sebagai fondasi, GPT-Rosalind masih kesulitan menghadapi sebagian besar tugas kimia medisinal dan genomik. Model ini lebih tepat dipandang sebagai alat bantu bagi peneliti ahli, bukan pengganti penilaian ilmiah.

Selain itu, seluruh klaim kinerja masih berasal dari laporan OpenAI. Sampai tersedia evaluasi independen atau studi peer-review yang menggunakan model tersebut, hasil benchmark sebaiknya dipahami sebagai indikasi awal, bukan kesimpulan definitif .