OpenAI przedstawia GPT-Rosalind nie jako zwykłego GPT-5.5 z dodatkową instrukcją, lecz jako model wyspecjalizowany w kluczowych elementach odkrywania leków, między innymi w chemii medycznej i genomice. Ma on pomagać w przeglądaniu literatury, formułowaniu hipotez, projektowaniu eksperymentów oraz analizie danych.

Według opublikowanych wyników GPT-Rosalind przewyższa ogólny model GPT-5.5 we wszystkich trzech nowych benchmarkach, a jednocześnie zużywa mniej tokenów obliczeniowych. Największą różnicę odnotowano w genomice: podczas długich analiz biologii ilościowej GPT-Rosalind miał wykorzystywać o 31% mniej tokenów niż GPT-5.5 . W przypadku rozbudowanych potoków badawczych może to oznaczać niższy koszt pojedynczego zapytania.

LifeSciBench: test całego procesu badawczego

OpenAI stworzyło LifeSciBench, benchmark oceniany przez zewnętrznych ekspertów. Obejmuje on sześć obszarów pracy badawczej: pracę z dowodami, analizę, projektowanie i optymalizację, rozumowanie naukowe, walidację i operacje, a także przekładanie wyników na komunikację i zastosowania .

W odróżnieniu od testów sprawdzających pojedyncze umiejętności LifeSciBench ma oceniać pełniejsze przepływy pracy — od syntezy literatury po projektowanie eksperymentu. GPT-Rosalind zajął w nim pierwsze miejsce przed GPT-5.5, Grok 4.3 i Gemini 3.1 Pro .

OpenAI opublikowało także wyniki trzech bardziej wyspecjalizowanych testów porównujących GPT-Rosalind bezpośrednio z GPT-5.5. Wszystkie poniższe rezultaty pochodzą z własnych ocen OpenAI, a niezależne powtórzenie testów przez podmioty zewnętrzne nie zostało potwierdzone .

Dane na podstawie opublikowanych przez OpenAI ewaluacji .

Największa różnica wystąpiła w LabWorkBench: GPT-Rosalind uzyskał wynik wyższy o 7,4 punktu procentowego . Test obejmuje między innymi rozwiązywanie problemów z protokołami, projektowanie procedur wykorzystujących odczynniki i interpretację rezultatów eksperymentów.

Jednocześnie wyniki w chemii medycznej i genomice pozostają niskie — odpowiednio 27,5% i 21,6%. Oznacza to, że nawet ulepszony model nie radzi sobie z większością zadań w tych kategoriach . To trudne problemy zbliżone do rzeczywistej pracy naukowej, a nie proste testy wiedzy. Liczby pokazują jednak, że AI w odkrywaniu leków wciąż znajduje się na wczesnym etapie.

Codex ma przejść od odpowiedzi do działania

Aktualizacja obejmuje także wtyczki i przeglądarki dla nauk biologicznych w Codex — platformie OpenAI do agentowego programowania . Dzięki nim agenci GPT-Rosalind mogą łączyć się z narzędziami naukowymi, takimi jak bazy publikacji, programy do analizy sekwencji czy oprogramowanie do projektowania protokołów laboratoryjnych, a następnie wykonywać wieloetapowe zadania .

To ważna zmiana w sposobie korzystania z modelu. GPT-Rosalind ma nie tylko rozumować o problemie naukowym i proponować rozwiązanie, lecz także realizować część obliczeniową i operacyjną procesu. OpenAI opisuje ten kierunek jako przejście „od rozumowania do wykonywanych przepływów pracy” .

Globalny research preview, ale z kontrolą dostępu

GPT-Rosalind zadebiutował w kwietniu 2026 r. jako ograniczony, dostępny wyłącznie w Stanach Zjednoczonych podgląd dla klientów korporacyjnych. Dostęp odbywał się w ramach programu trusted access, czyli kontrolowanego modelu wdrożenia wymagającego zgłoszenia i weryfikacji .

Po czerwcowej aktualizacji model jest oferowany jako globalny research preview uprawnionym organizacjom, nadal w ramach tej samej procedury kontrolowanego dostępu . Firmy, które nie mają umowy Enterprise, mogą składać wnioski za pośrednictwem nowo utworzonego zarządzanego środowiska OpenAI — OpenAI managed workspace.

29 maja 2026 r., kilka dni przed główną aktualizacją, OpenAI uruchomiło również Rosalind Biodefense, program rozszerzający kontrolowany dostęp na zastosowania związane z obroną biologiczną . Sugeruje to, że firma widzi dla modelu zastosowania nie tylko w komercyjnym odkrywaniu leków, lecz także w badaniach biologicznych objętych szczególnymi wymogami bezpieczeństwa.

Kto testuje GPT-Rosalind?

OpenAI wymieniło kilka organizacji pracujących z aktualizowanym modelem :

• Novo Nordisk — wskazany wprost jako klient wykorzystujący GPT-Rosalind w procesach badawczo-rozwojowych farmacji;
• Amgen i Moderna — firmy farmaceutyczne wymienione wśród partnerów lub wczesnych użytkowników;
• Allen Institute — instytut badawczy działający między innymi w obszarze biologii;
• Thermo Fisher Scientific — dostawca sprzętu, odczynników i rozwiązań dla nauk biologicznych.

OpenAI nie opisało publicznie szczegółowych zastosowań modelu w każdej z tych organizacji. Lista może obejmować zarówno płacących klientów korporacyjnych, jak i partnerów współpracujących przy badaniach. Obecność Thermo Fisher Scientific może wskazywać na znaczenie integracji z narzędziami badawczymi, choć konkretnych scenariuszy firma nie ujawniła.

Co ta aktualizacja oznacza dla odkrywania leków?

GPT-Rosalind pokazuje kierunek, w którym OpenAI rozwija swoje produkty: wyspecjalizowane modele dziedzinowe, połączone z agentami potrafiącymi korzystać z narzędzi i objęte kontrolowanym dostępem. Połączenie specjalistycznego rozumowania, mniejszego zużycia tokenów i możliwości wykonywania zadań przez Codex może pomóc w przyspieszaniu wczesnych etapów odkrywania leków — od przeglądu publikacji i generowania hipotez po projektowanie eksperymentów i pracę z protokołami.

Nie jest to jednak cyfrowy zamiennik zespołu naukowego. Skromne wyniki bezwzględne w chemii medycznej i genomice pokazują, że model nadal często popełnia błędy w zadaniach wymagających specjalistycznej oceny. GPT-Rosalind może być użytecznym asystentem dla ekspertów, ale nie zastępuje ich osądu, walidacji laboratoryjnej ani odpowiedzialności za decyzje badawcze.

Co równie ważne, wszystkie przedstawione wyniki pochodzą z ocen raportowanych przez OpenAI. Dopóki nie pojawią się niezależne ewaluacje lub recenzowane badania wykorzystujące ten model, benchmarki należy traktować jako sygnał kierunku rozwoju, a nie ostateczny dowód przewagi .

OpenAI przedstawia GPT-Rosalind nie jako zwykłego GPT-5.5 z dodatkową instrukcją, lecz jako model wyspecjalizowany w kluczowych elementach odkrywania leków, między innymi w chemii medycznej i genomice. Ma on pomagać w przeglądaniu literatury, formułowaniu hipotez, projektowaniu eksperymentów oraz analizie danych.

Według opublikowanych wyników GPT-Rosalind przewyższa ogólny model GPT-5.5 we wszystkich trzech nowych benchmarkach, a jednocześnie zużywa mniej tokenów obliczeniowych. Największą różnicę odnotowano w genomice: podczas długich analiz biologii ilościowej GPT-Rosalind miał wykorzystywać o 31% mniej tokenów niż GPT-5.5 . W przypadku rozbudowanych potoków badawczych może to oznaczać niższy koszt pojedynczego zapytania.

LifeSciBench: test całego procesu badawczego

OpenAI stworzyło LifeSciBench, benchmark oceniany przez zewnętrznych ekspertów. Obejmuje on sześć obszarów pracy badawczej: pracę z dowodami, analizę, projektowanie i optymalizację, rozumowanie naukowe, walidację i operacje, a także przekładanie wyników na komunikację i zastosowania .

W odróżnieniu od testów sprawdzających pojedyncze umiejętności LifeSciBench ma oceniać pełniejsze przepływy pracy — od syntezy literatury po projektowanie eksperymentu. GPT-Rosalind zajął w nim pierwsze miejsce przed GPT-5.5, Grok 4.3 i Gemini 3.1 Pro .

OpenAI opublikowało także wyniki trzech bardziej wyspecjalizowanych testów porównujących GPT-Rosalind bezpośrednio z GPT-5.5. Wszystkie poniższe rezultaty pochodzą z własnych ocen OpenAI, a niezależne powtórzenie testów przez podmioty zewnętrzne nie zostało potwierdzone .

Dane na podstawie opublikowanych przez OpenAI ewaluacji .

Największa różnica wystąpiła w LabWorkBench: GPT-Rosalind uzyskał wynik wyższy o 7,4 punktu procentowego . Test obejmuje między innymi rozwiązywanie problemów z protokołami, projektowanie procedur wykorzystujących odczynniki i interpretację rezultatów eksperymentów.

Jednocześnie wyniki w chemii medycznej i genomice pozostają niskie — odpowiednio 27,5% i 21,6%. Oznacza to, że nawet ulepszony model nie radzi sobie z większością zadań w tych kategoriach . To trudne problemy zbliżone do rzeczywistej pracy naukowej, a nie proste testy wiedzy. Liczby pokazują jednak, że AI w odkrywaniu leków wciąż znajduje się na wczesnym etapie.

Codex ma przejść od odpowiedzi do działania

Aktualizacja obejmuje także wtyczki i przeglądarki dla nauk biologicznych w Codex — platformie OpenAI do agentowego programowania . Dzięki nim agenci GPT-Rosalind mogą łączyć się z narzędziami naukowymi, takimi jak bazy publikacji, programy do analizy sekwencji czy oprogramowanie do projektowania protokołów laboratoryjnych, a następnie wykonywać wieloetapowe zadania .

To ważna zmiana w sposobie korzystania z modelu. GPT-Rosalind ma nie tylko rozumować o problemie naukowym i proponować rozwiązanie, lecz także realizować część obliczeniową i operacyjną procesu. OpenAI opisuje ten kierunek jako przejście „od rozumowania do wykonywanych przepływów pracy” .

Globalny research preview, ale z kontrolą dostępu

GPT-Rosalind zadebiutował w kwietniu 2026 r. jako ograniczony, dostępny wyłącznie w Stanach Zjednoczonych podgląd dla klientów korporacyjnych. Dostęp odbywał się w ramach programu trusted access, czyli kontrolowanego modelu wdrożenia wymagającego zgłoszenia i weryfikacji .

Po czerwcowej aktualizacji model jest oferowany jako globalny research preview uprawnionym organizacjom, nadal w ramach tej samej procedury kontrolowanego dostępu . Firmy, które nie mają umowy Enterprise, mogą składać wnioski za pośrednictwem nowo utworzonego zarządzanego środowiska OpenAI — OpenAI managed workspace.

29 maja 2026 r., kilka dni przed główną aktualizacją, OpenAI uruchomiło również Rosalind Biodefense, program rozszerzający kontrolowany dostęp na zastosowania związane z obroną biologiczną . Sugeruje to, że firma widzi dla modelu zastosowania nie tylko w komercyjnym odkrywaniu leków, lecz także w badaniach biologicznych objętych szczególnymi wymogami bezpieczeństwa.

Kto testuje GPT-Rosalind?

OpenAI wymieniło kilka organizacji pracujących z aktualizowanym modelem :

• Novo Nordisk — wskazany wprost jako klient wykorzystujący GPT-Rosalind w procesach badawczo-rozwojowych farmacji;
• Amgen i Moderna — firmy farmaceutyczne wymienione wśród partnerów lub wczesnych użytkowników;
• Allen Institute — instytut badawczy działający między innymi w obszarze biologii;
• Thermo Fisher Scientific — dostawca sprzętu, odczynników i rozwiązań dla nauk biologicznych.

OpenAI nie opisało publicznie szczegółowych zastosowań modelu w każdej z tych organizacji. Lista może obejmować zarówno płacących klientów korporacyjnych, jak i partnerów współpracujących przy badaniach. Obecność Thermo Fisher Scientific może wskazywać na znaczenie integracji z narzędziami badawczymi, choć konkretnych scenariuszy firma nie ujawniła.

Co ta aktualizacja oznacza dla odkrywania leków?

GPT-Rosalind pokazuje kierunek, w którym OpenAI rozwija swoje produkty: wyspecjalizowane modele dziedzinowe, połączone z agentami potrafiącymi korzystać z narzędzi i objęte kontrolowanym dostępem. Połączenie specjalistycznego rozumowania, mniejszego zużycia tokenów i możliwości wykonywania zadań przez Codex może pomóc w przyspieszaniu wczesnych etapów odkrywania leków — od przeglądu publikacji i generowania hipotez po projektowanie eksperymentów i pracę z protokołami.

Nie jest to jednak cyfrowy zamiennik zespołu naukowego. Skromne wyniki bezwzględne w chemii medycznej i genomice pokazują, że model nadal często popełnia błędy w zadaniach wymagających specjalistycznej oceny. GPT-Rosalind może być użytecznym asystentem dla ekspertów, ale nie zastępuje ich osądu, walidacji laboratoryjnej ani odpowiedzialności za decyzje badawcze.

Co równie ważne, wszystkie przedstawione wyniki pochodzą z ocen raportowanych przez OpenAI. Dopóki nie pojawią się niezależne ewaluacje lub recenzowane badania wykorzystujące ten model, benchmarki należy traktować jako sygnał kierunku rozwoju, a nie ostateczny dowód przewagi .