주요 효율성 지표: 업데이트된 GPT-로잘린드는 모든 신규 도메인 벤치마크에서 범용 GPT-5.5를 능가하면서도 전반적으로 더 적은 연산 토큰을 소비합니다. 가장 큰 효율성 향상은 유전체학 분야로, GPT-로잘린드는 장기 정량 생물학 분석을 GPT-5.5보다 31% 적은 토큰으로 완료합니다 . 방대한 유전체 데이터셋을 정기적으로 처리하는 약물 발견 파이프라인에서 이러한 토큰 절감은 곧 낮은 쿼리당 비용으로 이어집니다.

신규 벤치마크: LifeSciBench와 3개 도메인 특화 평가

실제 과학적 영향을 측정하기 위해 오픈AI는 LifeSciBench를 설계했습니다. 이는 외부 전문가가 평가하는 벤치마크로, 증거 처리·분석·설계 및 최적화·과학적 추론·검증 및 운영·번역 및 커뮤니케이션 등 6개 워크플로 영역을 평가합니다 . 이전 벤치마크가 개별 능력을 테스트한 반면, LifeSciBench는 문헌 종합부터 실험 설계까지 전체 연구 워크플로를 평가합니다. GPT-로잘린드는 LifeSciBench에서 전반적으로 선두를 차지하며 GPT-5.5, Grok 4.3, Gemini 3.1 Pro를 능가했습니다 .

오픈AI는 또한 GPT-로잘린드를 GPT-5.5와 직접 비교하는 3개 도메인 특화 하위 벤치마크 결과를 발표했습니다. 모든 점수는 오픈AI 자체 보고이며, 독립적인 제3자 재현은 아직 확인되지 않았습니다 .

OpenAI 발표 평가 기준

가장 큰 절대 성능 차이는 LabWorkBench에서 나타났으며, GPT-로잘린드가 GPT-5.5보다 7.4%p 높은 점수를 기록했습니다 . 이 벤치마크는 실제 실험실 습식 작업(프로토콜 문제 해결, 시약 워크플로 설계, 실험 결과 해석)을 다루며, 에이전트적 도구 사용과 도메인 특화 지식이 직접적으로 높은 성공률로 이어지는 영역입니다.

다만 의약 화학(27.5%)과 유전체학(21.6%)의 절대 점수는 상당히 낮아, 개선된 모델조차 이 분야의 대부분 작업에서 여전히 실패함을 의미합니다 . 이는 일반 지식 테스트가 아닌 실제로 어려운 과학적 문제이므로, 낮은 점수가 모델 자체의 취약함보다는 과제의 본질적 난이도를 반영합니다. 그럼에도 이 수치는 AI 기반 약물 발견이 여전히 초기 단계에 있음을 보여줍니다.

Codex 플러그인: 추론에서 실행되는 워크플로로

6월 업데이트는 또한 에이전트 AI를 위한 오픈AI의 코딩 플랫폼 Codex에 생명과학 특화 플러그인과 뷰어를 도입했습니다 . 이 플러그인을 통해 GPT-로잘린드 에이전트는 문헌 데이터베이스·서열 분석 유틸리티·실험실 프로토콜 설계 소프트웨어 등 과학 도구에 직접 연결되어, 단순히 제안하는 것을 넘어 다단계 연구 워크플로를 실행할 수 있습니다 . 이는 과학에 대해 추론하는 모델에서 과학적 컴퓨팅 작업을 적극적으로 수행할 수 있는 모델로의 전환을 의미합니다.

오픈AI가 이번 업데이트를 "추론에서 실행되는 워크플로로" 전환으로 규정한 것은, GPT-로잘린드를 약물 발견 연구실의 브레인스토밍 단계뿐만 아니라 운영 파이프라인에 더 깊이 통합하겠다는 포부를 나타냅니다.

글로벌 접근과 신뢰 접근 구조

GPT-로잘린드는 2026년 4월 처음 출시 당시 미국 기업 전용 연구 프리뷰로, 제한적인 신뢰 접근 프로그램을 통해 제공되었습니다 . 6월 업데이트는 이를 적격 기관을 대상으로 한 글로벌 연구 프리뷰로 확장하며, 여전히 신청과 검토가 필요한 동일한 신뢰 접근 배포 구조를 유지합니다 . 기존 엔터프라이즈 계약이 없는 조직도 새로 생성된 오픈AI 관리형 워크스페이스를 통해 신청할 수 있습니다.

주요 업데이트 며칠 전인 2026년 5월 29일, 오픈AI는 로잘린드 생물방어 프로그램을 출시하여 생물방어 응용을 위한 신뢰 접근을 확대했습니다 . 이는 오픈AI가 이 모델을 상업적 약물 발견뿐만 아니라 통제된 접근 하에 국가 안보 관련 생물학 연구에도 배치하려는 의도를 시사합니다.

초기 파트너: 제약사·연구 기관

오픈AI는 업데이트된 GPT-로잘린드를 적극적으로 활용하는 여러 고위험 기관을 공개했습니다 :

• 노보 노디스크(Novo Nordisk) — 제약 R&D 워크플로에 GPT-로잘린드를 사용하는 고객으로 명시.
• 암젠(Amgen), 모더나(Moderna), 앨런 연구소(Allen Institute), 써모 피셔 사이언티픽(Thermo Fisher Scientific) — 약물 발견, 유전체학, 연구 도구 통합 전반에 이 모델을 적용 중인 파트너 또는 얼리어답터로 명명.

각 기관의 구체적인 사용 사례는 공개적으로 상세히 밝혀지지 않았으며, 이 목록에는 유료 엔터프라이즈 고객과 공동 연구 파트너가 모두 포함된 것으로 보입니다. 주요 생명과학 장비·시약 기업인 써모 피셔의 포함은 Codex 플러그인 생태계와 함께 도구 통합 사용 사례 가능성을 암시합니다.

약물 발견에 미치는 의미

업데이트된 GPT-로잘린드는 오픈AI 전략의 명확한 진화를 보여줍니다: 도메인 특화 수직 모델과 에이전트적 도구 사용, 통제된 접근의 결합입니다. 특화된 과학적 추론, 낮은 토큰 소비, Codex 기반 실행 능력의 조합은 이 모델을 초기 단계 약물 발견(문헌 종합, 가설 생성, 실험 설계, 프로토콜 실행)을 가속화하는 실용적인 도구로 자리매김하게 합니다.

하지만 낮은 절대 벤치마크 점수는 현실을 직시하게 합니다. GPT-5.5를 내장했음에도 이 모델은 대부분의 의약 화학·유전체학 작업에서 여전히 어려움을 겪습니다. 기술은 빠르게 개선되고 있지만, 과학적 판단을 대체하는 도구라기보다는 전문 연구자를 위한 보조 도구에 머물러 있습니다.

모든 성능 주장은 오픈AI의 자체 보고이며, 독립적인 제3자 평가나 동료 검토를 거친 연구가 발표되기 전까지는 벤치마크 결과를 확정적이라기보다 방향성 있는 지표로 간주해야 합니다 .

주요 효율성 지표: 업데이트된 GPT-로잘린드는 모든 신규 도메인 벤치마크에서 범용 GPT-5.5를 능가하면서도 전반적으로 더 적은 연산 토큰을 소비합니다. 가장 큰 효율성 향상은 유전체학 분야로, GPT-로잘린드는 장기 정량 생물학 분석을 GPT-5.5보다 31% 적은 토큰으로 완료합니다 . 방대한 유전체 데이터셋을 정기적으로 처리하는 약물 발견 파이프라인에서 이러한 토큰 절감은 곧 낮은 쿼리당 비용으로 이어집니다.

신규 벤치마크: LifeSciBench와 3개 도메인 특화 평가

실제 과학적 영향을 측정하기 위해 오픈AI는 LifeSciBench를 설계했습니다. 이는 외부 전문가가 평가하는 벤치마크로, 증거 처리·분석·설계 및 최적화·과학적 추론·검증 및 운영·번역 및 커뮤니케이션 등 6개 워크플로 영역을 평가합니다 . 이전 벤치마크가 개별 능력을 테스트한 반면, LifeSciBench는 문헌 종합부터 실험 설계까지 전체 연구 워크플로를 평가합니다. GPT-로잘린드는 LifeSciBench에서 전반적으로 선두를 차지하며 GPT-5.5, Grok 4.3, Gemini 3.1 Pro를 능가했습니다 .

오픈AI는 또한 GPT-로잘린드를 GPT-5.5와 직접 비교하는 3개 도메인 특화 하위 벤치마크 결과를 발표했습니다. 모든 점수는 오픈AI 자체 보고이며, 독립적인 제3자 재현은 아직 확인되지 않았습니다 .

OpenAI 발표 평가 기준

가장 큰 절대 성능 차이는 LabWorkBench에서 나타났으며, GPT-로잘린드가 GPT-5.5보다 7.4%p 높은 점수를 기록했습니다 . 이 벤치마크는 실제 실험실 습식 작업(프로토콜 문제 해결, 시약 워크플로 설계, 실험 결과 해석)을 다루며, 에이전트적 도구 사용과 도메인 특화 지식이 직접적으로 높은 성공률로 이어지는 영역입니다.

다만 의약 화학(27.5%)과 유전체학(21.6%)의 절대 점수는 상당히 낮아, 개선된 모델조차 이 분야의 대부분 작업에서 여전히 실패함을 의미합니다 . 이는 일반 지식 테스트가 아닌 실제로 어려운 과학적 문제이므로, 낮은 점수가 모델 자체의 취약함보다는 과제의 본질적 난이도를 반영합니다. 그럼에도 이 수치는 AI 기반 약물 발견이 여전히 초기 단계에 있음을 보여줍니다.

Codex 플러그인: 추론에서 실행되는 워크플로로

6월 업데이트는 또한 에이전트 AI를 위한 오픈AI의 코딩 플랫폼 Codex에 생명과학 특화 플러그인과 뷰어를 도입했습니다 . 이 플러그인을 통해 GPT-로잘린드 에이전트는 문헌 데이터베이스·서열 분석 유틸리티·실험실 프로토콜 설계 소프트웨어 등 과학 도구에 직접 연결되어, 단순히 제안하는 것을 넘어 다단계 연구 워크플로를 실행할 수 있습니다 . 이는 과학에 대해 추론하는 모델에서 과학적 컴퓨팅 작업을 적극적으로 수행할 수 있는 모델로의 전환을 의미합니다.

오픈AI가 이번 업데이트를 "추론에서 실행되는 워크플로로" 전환으로 규정한 것은, GPT-로잘린드를 약물 발견 연구실의 브레인스토밍 단계뿐만 아니라 운영 파이프라인에 더 깊이 통합하겠다는 포부를 나타냅니다.

글로벌 접근과 신뢰 접근 구조

GPT-로잘린드는 2026년 4월 처음 출시 당시 미국 기업 전용 연구 프리뷰로, 제한적인 신뢰 접근 프로그램을 통해 제공되었습니다 . 6월 업데이트는 이를 적격 기관을 대상으로 한 글로벌 연구 프리뷰로 확장하며, 여전히 신청과 검토가 필요한 동일한 신뢰 접근 배포 구조를 유지합니다 . 기존 엔터프라이즈 계약이 없는 조직도 새로 생성된 오픈AI 관리형 워크스페이스를 통해 신청할 수 있습니다.

주요 업데이트 며칠 전인 2026년 5월 29일, 오픈AI는 로잘린드 생물방어 프로그램을 출시하여 생물방어 응용을 위한 신뢰 접근을 확대했습니다 . 이는 오픈AI가 이 모델을 상업적 약물 발견뿐만 아니라 통제된 접근 하에 국가 안보 관련 생물학 연구에도 배치하려는 의도를 시사합니다.

초기 파트너: 제약사·연구 기관

오픈AI는 업데이트된 GPT-로잘린드를 적극적으로 활용하는 여러 고위험 기관을 공개했습니다 :

• 노보 노디스크(Novo Nordisk) — 제약 R&D 워크플로에 GPT-로잘린드를 사용하는 고객으로 명시.
• 암젠(Amgen), 모더나(Moderna), 앨런 연구소(Allen Institute), 써모 피셔 사이언티픽(Thermo Fisher Scientific) — 약물 발견, 유전체학, 연구 도구 통합 전반에 이 모델을 적용 중인 파트너 또는 얼리어답터로 명명.

각 기관의 구체적인 사용 사례는 공개적으로 상세히 밝혀지지 않았으며, 이 목록에는 유료 엔터프라이즈 고객과 공동 연구 파트너가 모두 포함된 것으로 보입니다. 주요 생명과학 장비·시약 기업인 써모 피셔의 포함은 Codex 플러그인 생태계와 함께 도구 통합 사용 사례 가능성을 암시합니다.

약물 발견에 미치는 의미

업데이트된 GPT-로잘린드는 오픈AI 전략의 명확한 진화를 보여줍니다: 도메인 특화 수직 모델과 에이전트적 도구 사용, 통제된 접근의 결합입니다. 특화된 과학적 추론, 낮은 토큰 소비, Codex 기반 실행 능력의 조합은 이 모델을 초기 단계 약물 발견(문헌 종합, 가설 생성, 실험 설계, 프로토콜 실행)을 가속화하는 실용적인 도구로 자리매김하게 합니다.

하지만 낮은 절대 벤치마크 점수는 현실을 직시하게 합니다. GPT-5.5를 내장했음에도 이 모델은 대부분의 의약 화학·유전체학 작업에서 여전히 어려움을 겪습니다. 기술은 빠르게 개선되고 있지만, 과학적 판단을 대체하는 도구라기보다는 전문 연구자를 위한 보조 도구에 머물러 있습니다.

모든 성능 주장은 오픈AI의 자체 보고이며, 독립적인 제3자 평가나 동료 검토를 거친 연구가 발표되기 전까지는 벤치마크 결과를 확정적이라기보다 방향성 있는 지표로 간주해야 합니다 .