Modelin adı, DNA’nın çift sarmal yapısının anlaşılmasına katkı sağlayan X-ışını kristalografisi çalışmalarıyla tanınan İngiliz kimyager Rosalind Franklin’e gönderme yapıyor .
Haziran güncellemesinin teknik açıdan en önemli unsuru, GPT-5.5’in “agentic coding” ve araç kullanma yeteneklerinin GPT-Rosalind’e entegre edilmesi. Bu, modelin yalnızca bilimsel sorulara yanıt vermesi değil; kod yazması, bu kodu çalıştırması, dış araçlara bağlanması ve çok aşamalı araştırma görevlerini yönetmesi anlamına geliyor .
OpenAI, GPT-Rosalind’in tıbbi kimya ve genomik gibi temel ilaç keşfi alanlarında GPT-5.5’in genel amaçlı yeteneklerinin üzerine özel bilimsel zekâ katmanı eklediğini söylüyor. Şirketin paylaştığı sonuçlara göre güncellenmiş model, yeni alan testlerinin tamamında genel amaçlı GPT-5.5’i geride bırakırken daha az hesaplama token’ı kullanıyor.
En belirgin verimlilik farkı genomik alanda görülüyor: GPT-Rosalind, uzun soluklu kantitatif biyoloji analizlerini GPT-5.5’e kıyasla %31 daha az token kullanarak tamamlıyor . Büyük genomik veri kümeleriyle çalışan araştırma süreçlerinde bu fark, sorgu başına maliyetin azalması anlamına gelebilir.
OpenAI, modelin gerçek araştırma süreçlerindeki etkisini değerlendirmek için LifeSciBench adlı yeni bir kıyaslama testi tasarladı. Dışarıdan uzmanların değerlendirdiği bu test altı çalışma alanını kapsıyor:
LifeSciBench’i önceki bazı testlerden ayıran nokta, tek bir beceriyi izole biçimde ölçmek yerine literatür taramasından deney tasarımına uzanan daha bütünlüklü araştırma iş akışlarını değerlendirmesi. OpenAI’ın açıklamasına göre GPT-Rosalind, LifeSciBench’te GPT-5.5’in yanı sıra Grok 4.3 ve Gemini 3.1 Pro’nun da önünde yer alıyor .
OpenAI, GPT-Rosalind’i doğrudan GPT-5.5 ile karşılaştıran üç alan testinin sonuçlarını da yayımladı. Aşağıdaki puanların tamamı OpenAI’ın kendi değerlendirmelerine dayanıyor; bağımsız üçüncü taraf doğrulaması henüz doğrulanmış değil .
| Test | Ölçülen alan | GPT-Rosalind | GPT-5.5 | Token farkı |
|---|---|---|---|---|
| MedChemBench | Tıbbi kimya: bileşik yapısı, aktivite, toksisite ve metabolizma | %27,5 | %25,1 | %7,2 daha az |
| GeneBench | Genomik ve kantitatif biyoloji: uzun soluklu ajan görevleri | %21,6 | %20,4 | %31 daha az |
| LabWorkBench | Islak laboratuvar operasyonları ve sorun giderme | %63,2 | %55,8 | Belirtilmedi |
Veriler, OpenAI’ın yayımladığı değerlendirmelerden derlenmiştir .
En büyük mutlak performans farkı LabWorkBench testinde ortaya çıkıyor. GPT-Rosalind burada GPT-5.5’in 7,4 puan önünde bulunuyor . Test; laboratuvar protokollerindeki sorunların giderilmesi, reaktif iş akışlarının tasarlanması ve deney sonuçlarının yorumlanması gibi pratik görevleri kapsıyor.
Bununla birlikte, özellikle tıbbi kimya ve genomik alanlarındaki mutlak puanlar dikkat çekici ölçüde düşük: sırasıyla %27,5 ve %21,6. Bu oranlar, GPT-Rosalind’in bu kategorilerdeki görevlerin çoğunda hâlâ başarısız olduğunu gösteriyor . Söz konusu testler basit genel kültür sorularını değil, gerçek araştırma süreçlerinin zorlu problemlerini ölçüyor. Yine de sonuçlar, yapay zekâ destekli ilaç keşfinin henüz erken bir aşamada olduğuna işaret ediyor.
Güncellemeyle birlikte OpenAI’ın ajan tabanlı yapay zekâ kodlama platformu Codex üzerine yaşam bilimlerine özel eklentiler ve görüntüleyiciler de geliyor . Bu araçlar GPT-Rosalind ajanlarının literatür veri tabanlarına, dizi analizi araçlarına ve laboratuvar protokolü tasarım yazılımlarına bağlanmasına olanak tanıyor .
Böylece model yalnızca “şu adımları izleyin” türünde öneriler üretmekle kalmayıp çok aşamalı bilimsel hesaplama görevlerini de yürütebiliyor. OpenAI’ın güncellemeyi “akıl yürütmeden yürütülen iş akışlarına” geçiş olarak çerçevelemesi, GPT-Rosalind’i araştırma laboratuvarlarının operasyonel süreçlerine daha derin biçimde yerleştirme hedefini gösteriyor .
GPT-Rosalind, Nisan 2026’da ilk kez kullanıma sunulduğunda ABD’deki kurumsal müşterilerle sınırlı bir araştırma önizlemesiydi ve erişim trusted-access adı verilen kısıtlı bir program üzerinden sağlanıyordu . Haziran güncellemesiyle model, başvuru ve inceleme gerektiren aynı kontrollü yapı korunarak uygun kuruluşlara yönelik küresel araştırma önizlemesine genişletildi .
Hâlihazırda Enterprise anlaşması bulunmayan kuruluşlar da OpenAI tarafından yönetilen yeni bir çalışma alanı üzerinden başvuru yapabiliyor. Bu yapı, modelin biyolojik araştırmalarda kullanılmasını tamamen serbest bırakmak yerine erişimi kuruluşların niteliği ve kullanım amacı üzerinden denetlemeyi amaçlıyor.
OpenAI, ana güncellemeden birkaç gün önce, 29 Mayıs 2026’da Rosalind Biodefense programını da başlattı. Program, biyolojik savunma uygulamaları için trusted-access kapsamını genişletiyor .
OpenAI, güncellenmiş GPT-Rosalind ile çalışan veya modeli erken aşamada kullanan çeşitli ilaç ve araştırma kuruluşlarını açıkladı :
OpenAI, bu kuruluşların her biri için hangi kullanım senaryolarının devrede olduğunu kamuoyuna ayrıntılı biçimde açıklamadı. Liste hem ücretli kurumsal müşterileri hem de araştırma iş birliklerini içerebilir. Thermo Fisher Scientific’in adı, Codex eklenti ekosistemiyle bağlantılı bilimsel araç entegrasyonlarının da gündemde olabileceğine işaret ediyor; ancak kuruluşun özel kullanım alanı doğrulanmış değil.
GPT-Rosalind güncellemesi, OpenAI’ın yaşam bilimlerinde genel amaçlı bir modelden ziyade uzmanlaşmış dikey modeller, araç kullanımı ve kontrollü erişim kombinasyonuna yöneldiğini gösteriyor. Literatür sentezi, hipotez üretimi, deney tasarımı ve protokol yürütme gibi erken aşama süreçlerde bu yaklaşım araştırmacılara zaman kazandırabilir.
Ancak sonuçları abartmamak gerekiyor. GPT-Rosalind, tıbbi kimya ve genomik testlerinde GPT-5.5’i geride bıraksa da mutlak başarı oranları hâlâ düşük. Bu nedenle model, en azından mevcut veriler ışığında, uzman bilim insanlarının yerini alan bağımsız bir araştırmacıdan çok onların kararlarını destekleyen bir araç konumunda.
Ayrıca açıklanan performans iddialarının tamamı OpenAI’ın kendi değerlendirmelerine dayanıyor. Bağımsız testler veya modeli kullanan hakemli çalışmalar yayımlanana kadar bu sonuçları kesin bir hükümden çok, modelin hangi yöne ilerlediğini gösteren göstergeler olarak değerlendirmek daha doğru olur .
Modelin adı, DNA’nın çift sarmal yapısının anlaşılmasına katkı sağlayan X-ışını kristalografisi çalışmalarıyla tanınan İngiliz kimyager Rosalind Franklin’e gönderme yapıyor .
Haziran güncellemesinin teknik açıdan en önemli unsuru, GPT-5.5’in “agentic coding” ve araç kullanma yeteneklerinin GPT-Rosalind’e entegre edilmesi. Bu, modelin yalnızca bilimsel sorulara yanıt vermesi değil; kod yazması, bu kodu çalıştırması, dış araçlara bağlanması ve çok aşamalı araştırma görevlerini yönetmesi anlamına geliyor .
OpenAI, GPT-Rosalind’in tıbbi kimya ve genomik gibi temel ilaç keşfi alanlarında GPT-5.5’in genel amaçlı yeteneklerinin üzerine özel bilimsel zekâ katmanı eklediğini söylüyor. Şirketin paylaştığı sonuçlara göre güncellenmiş model, yeni alan testlerinin tamamında genel amaçlı GPT-5.5’i geride bırakırken daha az hesaplama token’ı kullanıyor.
En belirgin verimlilik farkı genomik alanda görülüyor: GPT-Rosalind, uzun soluklu kantitatif biyoloji analizlerini GPT-5.5’e kıyasla %31 daha az token kullanarak tamamlıyor . Büyük genomik veri kümeleriyle çalışan araştırma süreçlerinde bu fark, sorgu başına maliyetin azalması anlamına gelebilir.
OpenAI, modelin gerçek araştırma süreçlerindeki etkisini değerlendirmek için LifeSciBench adlı yeni bir kıyaslama testi tasarladı. Dışarıdan uzmanların değerlendirdiği bu test altı çalışma alanını kapsıyor:
LifeSciBench’i önceki bazı testlerden ayıran nokta, tek bir beceriyi izole biçimde ölçmek yerine literatür taramasından deney tasarımına uzanan daha bütünlüklü araştırma iş akışlarını değerlendirmesi. OpenAI’ın açıklamasına göre GPT-Rosalind, LifeSciBench’te GPT-5.5’in yanı sıra Grok 4.3 ve Gemini 3.1 Pro’nun da önünde yer alıyor .
OpenAI, GPT-Rosalind’i doğrudan GPT-5.5 ile karşılaştıran üç alan testinin sonuçlarını da yayımladı. Aşağıdaki puanların tamamı OpenAI’ın kendi değerlendirmelerine dayanıyor; bağımsız üçüncü taraf doğrulaması henüz doğrulanmış değil .
| Test | Ölçülen alan | GPT-Rosalind | GPT-5.5 | Token farkı |
|---|---|---|---|---|
| MedChemBench | Tıbbi kimya: bileşik yapısı, aktivite, toksisite ve metabolizma | %27,5 | %25,1 | %7,2 daha az |
| GeneBench | Genomik ve kantitatif biyoloji: uzun soluklu ajan görevleri | %21,6 | %20,4 | %31 daha az |
| LabWorkBench | Islak laboratuvar operasyonları ve sorun giderme | %63,2 | %55,8 | Belirtilmedi |
Veriler, OpenAI’ın yayımladığı değerlendirmelerden derlenmiştir .
En büyük mutlak performans farkı LabWorkBench testinde ortaya çıkıyor. GPT-Rosalind burada GPT-5.5’in 7,4 puan önünde bulunuyor . Test; laboratuvar protokollerindeki sorunların giderilmesi, reaktif iş akışlarının tasarlanması ve deney sonuçlarının yorumlanması gibi pratik görevleri kapsıyor.
Bununla birlikte, özellikle tıbbi kimya ve genomik alanlarındaki mutlak puanlar dikkat çekici ölçüde düşük: sırasıyla %27,5 ve %21,6. Bu oranlar, GPT-Rosalind’in bu kategorilerdeki görevlerin çoğunda hâlâ başarısız olduğunu gösteriyor . Söz konusu testler basit genel kültür sorularını değil, gerçek araştırma süreçlerinin zorlu problemlerini ölçüyor. Yine de sonuçlar, yapay zekâ destekli ilaç keşfinin henüz erken bir aşamada olduğuna işaret ediyor.
Güncellemeyle birlikte OpenAI’ın ajan tabanlı yapay zekâ kodlama platformu Codex üzerine yaşam bilimlerine özel eklentiler ve görüntüleyiciler de geliyor . Bu araçlar GPT-Rosalind ajanlarının literatür veri tabanlarına, dizi analizi araçlarına ve laboratuvar protokolü tasarım yazılımlarına bağlanmasına olanak tanıyor .
Böylece model yalnızca “şu adımları izleyin” türünde öneriler üretmekle kalmayıp çok aşamalı bilimsel hesaplama görevlerini de yürütebiliyor. OpenAI’ın güncellemeyi “akıl yürütmeden yürütülen iş akışlarına” geçiş olarak çerçevelemesi, GPT-Rosalind’i araştırma laboratuvarlarının operasyonel süreçlerine daha derin biçimde yerleştirme hedefini gösteriyor .
GPT-Rosalind, Nisan 2026’da ilk kez kullanıma sunulduğunda ABD’deki kurumsal müşterilerle sınırlı bir araştırma önizlemesiydi ve erişim trusted-access adı verilen kısıtlı bir program üzerinden sağlanıyordu . Haziran güncellemesiyle model, başvuru ve inceleme gerektiren aynı kontrollü yapı korunarak uygun kuruluşlara yönelik küresel araştırma önizlemesine genişletildi .
Hâlihazırda Enterprise anlaşması bulunmayan kuruluşlar da OpenAI tarafından yönetilen yeni bir çalışma alanı üzerinden başvuru yapabiliyor. Bu yapı, modelin biyolojik araştırmalarda kullanılmasını tamamen serbest bırakmak yerine erişimi kuruluşların niteliği ve kullanım amacı üzerinden denetlemeyi amaçlıyor.
OpenAI, ana güncellemeden birkaç gün önce, 29 Mayıs 2026’da Rosalind Biodefense programını da başlattı. Program, biyolojik savunma uygulamaları için trusted-access kapsamını genişletiyor .
OpenAI, güncellenmiş GPT-Rosalind ile çalışan veya modeli erken aşamada kullanan çeşitli ilaç ve araştırma kuruluşlarını açıkladı :
OpenAI, bu kuruluşların her biri için hangi kullanım senaryolarının devrede olduğunu kamuoyuna ayrıntılı biçimde açıklamadı. Liste hem ücretli kurumsal müşterileri hem de araştırma iş birliklerini içerebilir. Thermo Fisher Scientific’in adı, Codex eklenti ekosistemiyle bağlantılı bilimsel araç entegrasyonlarının da gündemde olabileceğine işaret ediyor; ancak kuruluşun özel kullanım alanı doğrulanmış değil.
GPT-Rosalind güncellemesi, OpenAI’ın yaşam bilimlerinde genel amaçlı bir modelden ziyade uzmanlaşmış dikey modeller, araç kullanımı ve kontrollü erişim kombinasyonuna yöneldiğini gösteriyor. Literatür sentezi, hipotez üretimi, deney tasarımı ve protokol yürütme gibi erken aşama süreçlerde bu yaklaşım araştırmacılara zaman kazandırabilir.
Ancak sonuçları abartmamak gerekiyor. GPT-Rosalind, tıbbi kimya ve genomik testlerinde GPT-5.5’i geride bıraksa da mutlak başarı oranları hâlâ düşük. Bu nedenle model, en azından mevcut veriler ışığında, uzman bilim insanlarının yerini alan bağımsız bir araştırmacıdan çok onların kararlarını destekleyen bir araç konumunda.
Ayrıca açıklanan performans iddialarının tamamı OpenAI’ın kendi değerlendirmelerine dayanıyor. Bağımsız testler veya modeli kullanan hakemli çalışmalar yayımlanana kadar bu sonuçları kesin bir hükümden çok, modelin hangi yöne ilerlediğini gösteren göstergeler olarak değerlendirmek daha doğru olur .