Ключевой показатель эффективности: обновлённая GPT-Rosalind превосходит универсальную GPT-5.5 на всех новых доменных бенчмарках, потребляя при этом меньше вычислительных токенов. Наибольший выигрыш в эффективности достигнут в геномике, где GPT-Rosalind выполняет долгосрочные количественные биологические анализы, используя на 31% меньше токенов, чем GPT-5.5 . Для конвейеров открытия лекарств, которые регулярно обрабатывают огромные геномные наборы данных, такое сокращение токенов напрямую означает снижение стоимости каждого запроса.

Новые бенчмарки: LifeSciBench и три доменных теста

Чтобы оценить реальное научное влияние, OpenAI разработала LifeSciBench — внешний бенчмарк с оценкой экспертов, который оценивает модели в шести областях рабочих процессов: работа с доказательствами, анализ, проектирование и оптимизация, научные рассуждения, валидация и операции, а также перевод и коммуникация . В отличие от предыдущих бенчмарков, проверявших изолированные способности, LifeSciBench оценивает полные исследовательские процессы — от синтеза литературы до экспериментального дизайна. GPT-Rosalind лидирует в общем зачёте LifeSciBench, превосходя GPT-5.5, Grok 4.3 и Gemini 3.1 Pro .

OpenAI также опубликовала результаты по трём доменным суб-бенчмаркам, где GPT-Rosalind сравнивается напрямую с GPT-5.5. Все оценки предоставлены самой OpenAI, независимая сторонняя проверка не проводилась .

Данные из опубликованных оценок OpenAI .

Самый большой абсолютный разрыв в производительности — на LabWorkBench, где GPT-Rosalind набрала на 7,4 процентных пункта выше, чем GPT-5.5 . Этот бенчмарк охватывает практические лабораторные операции — устранение неполадок в протоколах, проектирование рабочих процессов с реагентами и интерпретацию экспериментальных результатов — области, где агентное использование инструментов и доменные знания напрямую ведут к более высоким показателям успеха.

Абсолютные показатели в медицинской химии и геномике скромны (27,5% и 21,6% соответственно), что означает, что даже улучшенная модель всё ещё не справляется с большинством задач в этих областях . Это сложные, реальные научные проблемы, а не тесты на общие знания, поэтому низкие баллы отражают подлинную сложность, а не слабость моделей. Но эти цифры подчёркивают, что поиск лекарств с помощью ИИ остаётся на ранних стадиях.

Плагины Codex: от рассуждений к выполнению

Июньское обновление также приносит специализированные плагины и вьюверы для наук о жизни на Codex — платформе OpenAI для агентного ИИ . Эти плагины позволяют агентам GPT-Rosalind напрямую подключаться к научным инструментам — базам данных литературы, утилитам анализа последовательностей, программам для дизайна лабораторных протоколов — и выполнять многошаговые исследовательские процессы, а не просто предлагать их . Это знаменует переход от модели, которая рассуждает о науке, к модели, которая может активно выполнять научные вычислительные задачи.

Формулировка OpenAI об обновлении как о переходе «от рассуждений к выполненным рабочим процессам» сигнализирует о стремлении внедрить GPT-Rosalind глубже в операционные конвейеры лабораторий по открытию лекарств, а не только в фазу мозгового штурма.

Глобальный доступ и структура trusted-access

Первоначально GPT-Rosalind была запущена в апреле 2026 года как исследовательская превью только для США через ограниченную программу trusted-access . Июньское обновление расширяет это до глобального исследовательского превью для соответствующих организаций, всё ещё через ту же структуру развёртывания trusted-access, которая требует подачи заявки и проверки . Организации, не имеющие существующего корпоративного соглашения, теперь могут подать заявку через недавно созданное управляемое рабочее пространство OpenAI.

29 мая 2026 года, всего за несколько дней до основного обновления, OpenAI также запустила программу Rosalind Biodefense, расширив trusted-доступ специально для применений в области биозащиты . Это предполагает, что OpenAI позиционирует модель не только для коммерческого открытия лекарств, но и для биологических исследований, имеющих значение для национальной безопасности, под контролируемым доступом.

Первые партнёры: фармацевтические и исследовательские институты

OpenAI раскрыла несколько известных организаций, активно работающих с обновлённой GPT-Rosalind :

• Novo Nordisk — прямо указан как заказчик, использующий GPT-Rosalind в рабочих процессах фармацевтических НИОКР.
• Amgen, Moderna, Allen Institute и Thermo Fisher Scientific — названы как партнёры или первые пользователи, применяющие модель в области открытия лекарств, геномики и интеграции исследовательских инструментов.

Стоит отметить, что конкретные варианты использования для каждой организации не были публично детализированы, и список, вероятно, включает как платных корпоративных клиентов, так и партнёров по исследованиям. Включение Thermo Fisher — крупной компании по производству оборудования и реагентов для наук о жизни — намекает на потенциальные варианты интеграции инструментов наряду с экосистемой плагинов Codex.

Что это значит для открытия лекарств

Обновлённая GPT-Rosalind представляет собой чёткую эволюцию стратегии OpenAI: доменные вертикальные модели в сочетании с агентным использованием инструментов и контролируемым доступом. Сочетание специализированных научных рассуждений, более низкого потребления токенов и возможностей выполнения на основе Codex позиционирует модель как практический инструмент для ускорения ранних этапов открытия лекарств — синтеза литературы, генерации гипотез, экспериментального дизайна и выполнения протоколов.

Однако скромные абсолютные показатели бенчмарков служат отрезвляющим напоминанием. Даже с GPT-5.5 под капотом модель всё ещё испытывает трудности с большинством задач в области медицинской химии и геномики. Технология быстро совершенствуется, но она остаётся вспомогательным инструментом для экспертов-исследователей, а не заменой научному суждению.

Все заявления о производительности остаются собственными данными OpenAI, и до тех пор, пока не будут опубликованы независимые сторонние оценки или рецензируемые исследования с использованием модели, результаты бенчмарков следует рассматривать как ориентировочные, а не окончательные .

Ключевой показатель эффективности: обновлённая GPT-Rosalind превосходит универсальную GPT-5.5 на всех новых доменных бенчмарках, потребляя при этом меньше вычислительных токенов. Наибольший выигрыш в эффективности достигнут в геномике, где GPT-Rosalind выполняет долгосрочные количественные биологические анализы, используя на 31% меньше токенов, чем GPT-5.5 . Для конвейеров открытия лекарств, которые регулярно обрабатывают огромные геномные наборы данных, такое сокращение токенов напрямую означает снижение стоимости каждого запроса.

Новые бенчмарки: LifeSciBench и три доменных теста

Чтобы оценить реальное научное влияние, OpenAI разработала LifeSciBench — внешний бенчмарк с оценкой экспертов, который оценивает модели в шести областях рабочих процессов: работа с доказательствами, анализ, проектирование и оптимизация, научные рассуждения, валидация и операции, а также перевод и коммуникация . В отличие от предыдущих бенчмарков, проверявших изолированные способности, LifeSciBench оценивает полные исследовательские процессы — от синтеза литературы до экспериментального дизайна. GPT-Rosalind лидирует в общем зачёте LifeSciBench, превосходя GPT-5.5, Grok 4.3 и Gemini 3.1 Pro .

OpenAI также опубликовала результаты по трём доменным суб-бенчмаркам, где GPT-Rosalind сравнивается напрямую с GPT-5.5. Все оценки предоставлены самой OpenAI, независимая сторонняя проверка не проводилась .

Данные из опубликованных оценок OpenAI .

Самый большой абсолютный разрыв в производительности — на LabWorkBench, где GPT-Rosalind набрала на 7,4 процентных пункта выше, чем GPT-5.5 . Этот бенчмарк охватывает практические лабораторные операции — устранение неполадок в протоколах, проектирование рабочих процессов с реагентами и интерпретацию экспериментальных результатов — области, где агентное использование инструментов и доменные знания напрямую ведут к более высоким показателям успеха.

Абсолютные показатели в медицинской химии и геномике скромны (27,5% и 21,6% соответственно), что означает, что даже улучшенная модель всё ещё не справляется с большинством задач в этих областях . Это сложные, реальные научные проблемы, а не тесты на общие знания, поэтому низкие баллы отражают подлинную сложность, а не слабость моделей. Но эти цифры подчёркивают, что поиск лекарств с помощью ИИ остаётся на ранних стадиях.

Плагины Codex: от рассуждений к выполнению

Июньское обновление также приносит специализированные плагины и вьюверы для наук о жизни на Codex — платформе OpenAI для агентного ИИ . Эти плагины позволяют агентам GPT-Rosalind напрямую подключаться к научным инструментам — базам данных литературы, утилитам анализа последовательностей, программам для дизайна лабораторных протоколов — и выполнять многошаговые исследовательские процессы, а не просто предлагать их . Это знаменует переход от модели, которая рассуждает о науке, к модели, которая может активно выполнять научные вычислительные задачи.

Формулировка OpenAI об обновлении как о переходе «от рассуждений к выполненным рабочим процессам» сигнализирует о стремлении внедрить GPT-Rosalind глубже в операционные конвейеры лабораторий по открытию лекарств, а не только в фазу мозгового штурма.

Глобальный доступ и структура trusted-access

Первоначально GPT-Rosalind была запущена в апреле 2026 года как исследовательская превью только для США через ограниченную программу trusted-access . Июньское обновление расширяет это до глобального исследовательского превью для соответствующих организаций, всё ещё через ту же структуру развёртывания trusted-access, которая требует подачи заявки и проверки . Организации, не имеющие существующего корпоративного соглашения, теперь могут подать заявку через недавно созданное управляемое рабочее пространство OpenAI.

29 мая 2026 года, всего за несколько дней до основного обновления, OpenAI также запустила программу Rosalind Biodefense, расширив trusted-доступ специально для применений в области биозащиты . Это предполагает, что OpenAI позиционирует модель не только для коммерческого открытия лекарств, но и для биологических исследований, имеющих значение для национальной безопасности, под контролируемым доступом.

Первые партнёры: фармацевтические и исследовательские институты

OpenAI раскрыла несколько известных организаций, активно работающих с обновлённой GPT-Rosalind :

• Novo Nordisk — прямо указан как заказчик, использующий GPT-Rosalind в рабочих процессах фармацевтических НИОКР.
• Amgen, Moderna, Allen Institute и Thermo Fisher Scientific — названы как партнёры или первые пользователи, применяющие модель в области открытия лекарств, геномики и интеграции исследовательских инструментов.

Стоит отметить, что конкретные варианты использования для каждой организации не были публично детализированы, и список, вероятно, включает как платных корпоративных клиентов, так и партнёров по исследованиям. Включение Thermo Fisher — крупной компании по производству оборудования и реагентов для наук о жизни — намекает на потенциальные варианты интеграции инструментов наряду с экосистемой плагинов Codex.

Что это значит для открытия лекарств

Обновлённая GPT-Rosalind представляет собой чёткую эволюцию стратегии OpenAI: доменные вертикальные модели в сочетании с агентным использованием инструментов и контролируемым доступом. Сочетание специализированных научных рассуждений, более низкого потребления токенов и возможностей выполнения на основе Codex позиционирует модель как практический инструмент для ускорения ранних этапов открытия лекарств — синтеза литературы, генерации гипотез, экспериментального дизайна и выполнения протоколов.

Однако скромные абсолютные показатели бенчмарков служат отрезвляющим напоминанием. Даже с GPT-5.5 под капотом модель всё ещё испытывает трудности с большинством задач в области медицинской химии и геномики. Технология быстро совершенствуется, но она остаётся вспомогательным инструментом для экспертов-исследователей, а не заменой научному суждению.

Все заявления о производительности остаются собственными данными OpenAI, и до тех пор, пока не будут опубликованы независимые сторонние оценки или рецензируемые исследования с использованием модели, результаты бенчмарков следует рассматривать как ориентировочные, а не окончательные .