Що саме змінилося в основі GPT-Rosalind

Йдеться не просто про GPT-5.5 із додатковою системною інструкцією. За описом OpenAI, GPT-Rosalind має окремо посилену інтелектуальну складову для ключових завдань у розробці ліків — зокрема для фармацевтичної хімії та геноміки — поверх агентних можливостей GPT-5.5 .

Модель може писати та запускати код, працювати із зовнішніми інструментами й координувати довгі дослідницькі ланцюжки. Це важливо для лабораторій, де результатом роботи має бути не лише текстова відповідь, а аналіз даних, спроєктований протокол або виконаний обчислювальний етап.

За новими оцінюваннями OpenAI, GPT-Rosalind випереджає універсальний GPT-5.5 у всіх перевірених профільних завданнях і водночас використовує менше обчислювальних токенів. Найбільша різниця — у геноміці: довгі кількісно-біологічні аналізи модель виконує на 31% меншій кількості токенів, ніж GPT-5.5 . Для дослідницьких конвеєрів із великими геномними наборами даних це може означати нижчу вартість окремих запитів.

LifeSciBench: оцінювання не окремої відповіді, а всього процесу

Для вимірювання практичної користі OpenAI розробила LifeSciBench — бенчмарк, який оцінюють зовнішні експерти. Він охоплює шість напрямів наукової роботи:

• роботу з доказами;
• аналіз;
• проєктування та оптимізацію;
• наукове міркування;
• валідацію й операційні процеси;
• переклад і комунікацію результатів .

На відміну від тестів, що перевіряють одну ізольовану навичку, LifeSciBench оцінює повний дослідницький процес — від синтезу наукової літератури до планування експерименту. За даними OpenAI, GPT-Rosalind посіла перше місце в загальному результаті, випередивши GPT-5.5, Grok 4.3 і Gemini 3.1 Pro .

Три нові профільні бенчмарки

OpenAI також опублікувала результати трьох спеціалізованих тестів, у яких GPT-Rosalind безпосередньо порівнювали з GPT-5.5. Важливе застереження: усі наведені показники є самооцінюванням OpenAI, а незалежне відтворення результатів сторонніми дослідниками наразі не підтверджене .

Дані з опублікованих OpenAI оцінювань .

Найбільший розрив за абсолютним результатом зафіксували в LabWorkBench: перевага GPT-Rosalind становить 7,4 відсоткового пункта . Тест охоплює практичні лабораторні операції — пошук помилок у протоколах, розробку послідовностей роботи з реагентами та інтерпретацію результатів експериментів.

Водночас цифри у фармацевтичній хімії та геноміці залишаються доволі низькими: відповідно 27,5% і 21,6%. Це означає, що навіть оновлена модель не справляється з більшістю завдань у цих категоріях . Такі тести описують складні реальні наукові проблеми, а не перевірку загальних знань. Проте результати чітко показують: автоматизована розробка ліків поки що перебуває на ранньому етапі.

Codex переводить модель від міркування до виконання

Оновлення також додає до Codex — платформи OpenAI для агентного програмування — спеціалізовані плагіни та переглядачі для наук про життя . Вони дають агентам GPT-Rosalind змогу підключатися до наукових інструментів: баз літератури, засобів аналізу послідовностей і програм для проєктування лабораторних протоколів.

Завдяки цьому модель може не лише запропонувати план дослідження, а й виконувати багатокрокові обчислювальні робочі процеси . Саме це OpenAI описує як перехід «від міркування до виконаних робочих процесів» . Для фармацевтичних лабораторій це означає потенційно глибшу інтеграцію ШІ в операційну частину досліджень, а не тільки в етап пошуку ідей.

Глобальний доступ, але не для всіх

Початковий запуск GPT-Rosalind у квітні 2026 року був обмеженим: модель пропонували як дослідницький preview лише корпоративним клієнтам у США через програму trusted access — контрольований доступ після подання заявки та перевірки .

Після червневого оновлення глобальний research preview став доступним організаціям, які відповідають критеріям OpenAI. Доступ і надалі надається через ту саму структуру trusted access із попереднім розглядом заявки . Організації, які не мають угоди Enterprise, можуть подати заявку через новий керований робочий простір OpenAI.

29 травня 2026 року компанія також запустила Rosalind Biodefense — програму, що розширює контрольований доступ до GPT-Rosalind для завдань біологічного захисту . Це свідчить про намір OpenAI застосовувати модель не лише в комерційній розробці ліків, а й у чутливих біологічних дослідженнях із обмеженим доступом.

Хто вже працює з оновленою моделлю

OpenAI назвала кілька великих фармацевтичних і дослідницьких організацій, які працюють із GPT-Rosalind :

• Novo Nordisk — компанія, яку OpenAI прямо назвала клієнтом, що використовує GPT-Rosalind у фармацевтичних дослідницько-розробницьких процесах;
• Amgen і Moderna — фармацевтичні партнери або ранні користувачі моделі;
• Allen Institute — дослідницька організація, згадана серед партнерів;
• Thermo Fisher Scientific — компанія, що спеціалізується на науковому обладнанні та реагентах.

Публічно не розкрито, які саме сценарії використання припадають на кожну з цих організацій. Також із доступних матеріалів не завжди зрозуміло, де йдеться про платного корпоративного клієнта, а де — про спільного дослідницького партнера. Участь Thermo Fisher Scientific може вказувати на інтерес до інтеграції ШІ з науковими інструментами, однак конкретних деталей OpenAI не навела.

Що це означає для розробки ліків

Оновлення GPT-Rosalind демонструє чітку стратегію OpenAI: поєднувати вертикальні моделі для конкретних галузей із можливістю користуватися інструментами та контрольованою системою доступу.

Спеціалізоване наукове міркування, менше споживання токенів і виконання завдань через Codex можуть зробити модель корисною для ранніх етапів розробки ліків — пошуку й узагальнення літератури, формування гіпотез, планування експериментів та підготовки протоколів.

Однак помірні абсолютні результати в MedChemBench і GeneBench залишаються важливим сигналом для тверезої оцінки технології. GPT-Rosalind стає сильнішою, але поки що радше допомагає фахівцям, ніж замінює наукове судження.

Усі заяви про продуктивність наразі ґрунтуються на даних, опублікованих самою OpenAI. До появи незалежних оцінювань або рецензованих досліджень із використанням моделі ці результати варто сприймати як орієнтовні, а не остаточні .

Що саме змінилося в основі GPT-Rosalind

Йдеться не просто про GPT-5.5 із додатковою системною інструкцією. За описом OpenAI, GPT-Rosalind має окремо посилену інтелектуальну складову для ключових завдань у розробці ліків — зокрема для фармацевтичної хімії та геноміки — поверх агентних можливостей GPT-5.5 .

Модель може писати та запускати код, працювати із зовнішніми інструментами й координувати довгі дослідницькі ланцюжки. Це важливо для лабораторій, де результатом роботи має бути не лише текстова відповідь, а аналіз даних, спроєктований протокол або виконаний обчислювальний етап.

За новими оцінюваннями OpenAI, GPT-Rosalind випереджає універсальний GPT-5.5 у всіх перевірених профільних завданнях і водночас використовує менше обчислювальних токенів. Найбільша різниця — у геноміці: довгі кількісно-біологічні аналізи модель виконує на 31% меншій кількості токенів, ніж GPT-5.5 . Для дослідницьких конвеєрів із великими геномними наборами даних це може означати нижчу вартість окремих запитів.

LifeSciBench: оцінювання не окремої відповіді, а всього процесу

Для вимірювання практичної користі OpenAI розробила LifeSciBench — бенчмарк, який оцінюють зовнішні експерти. Він охоплює шість напрямів наукової роботи:

• роботу з доказами;
• аналіз;
• проєктування та оптимізацію;
• наукове міркування;
• валідацію й операційні процеси;
• переклад і комунікацію результатів .

На відміну від тестів, що перевіряють одну ізольовану навичку, LifeSciBench оцінює повний дослідницький процес — від синтезу наукової літератури до планування експерименту. За даними OpenAI, GPT-Rosalind посіла перше місце в загальному результаті, випередивши GPT-5.5, Grok 4.3 і Gemini 3.1 Pro .

Три нові профільні бенчмарки

OpenAI також опублікувала результати трьох спеціалізованих тестів, у яких GPT-Rosalind безпосередньо порівнювали з GPT-5.5. Важливе застереження: усі наведені показники є самооцінюванням OpenAI, а незалежне відтворення результатів сторонніми дослідниками наразі не підтверджене .

Дані з опублікованих OpenAI оцінювань .

Найбільший розрив за абсолютним результатом зафіксували в LabWorkBench: перевага GPT-Rosalind становить 7,4 відсоткового пункта . Тест охоплює практичні лабораторні операції — пошук помилок у протоколах, розробку послідовностей роботи з реагентами та інтерпретацію результатів експериментів.

Водночас цифри у фармацевтичній хімії та геноміці залишаються доволі низькими: відповідно 27,5% і 21,6%. Це означає, що навіть оновлена модель не справляється з більшістю завдань у цих категоріях . Такі тести описують складні реальні наукові проблеми, а не перевірку загальних знань. Проте результати чітко показують: автоматизована розробка ліків поки що перебуває на ранньому етапі.

Codex переводить модель від міркування до виконання

Оновлення також додає до Codex — платформи OpenAI для агентного програмування — спеціалізовані плагіни та переглядачі для наук про життя . Вони дають агентам GPT-Rosalind змогу підключатися до наукових інструментів: баз літератури, засобів аналізу послідовностей і програм для проєктування лабораторних протоколів.

Завдяки цьому модель може не лише запропонувати план дослідження, а й виконувати багатокрокові обчислювальні робочі процеси . Саме це OpenAI описує як перехід «від міркування до виконаних робочих процесів» . Для фармацевтичних лабораторій це означає потенційно глибшу інтеграцію ШІ в операційну частину досліджень, а не тільки в етап пошуку ідей.

Глобальний доступ, але не для всіх

Початковий запуск GPT-Rosalind у квітні 2026 року був обмеженим: модель пропонували як дослідницький preview лише корпоративним клієнтам у США через програму trusted access — контрольований доступ після подання заявки та перевірки .

Після червневого оновлення глобальний research preview став доступним організаціям, які відповідають критеріям OpenAI. Доступ і надалі надається через ту саму структуру trusted access із попереднім розглядом заявки . Організації, які не мають угоди Enterprise, можуть подати заявку через новий керований робочий простір OpenAI.

29 травня 2026 року компанія також запустила Rosalind Biodefense — програму, що розширює контрольований доступ до GPT-Rosalind для завдань біологічного захисту . Це свідчить про намір OpenAI застосовувати модель не лише в комерційній розробці ліків, а й у чутливих біологічних дослідженнях із обмеженим доступом.

Хто вже працює з оновленою моделлю

OpenAI назвала кілька великих фармацевтичних і дослідницьких організацій, які працюють із GPT-Rosalind :

• Novo Nordisk — компанія, яку OpenAI прямо назвала клієнтом, що використовує GPT-Rosalind у фармацевтичних дослідницько-розробницьких процесах;
• Amgen і Moderna — фармацевтичні партнери або ранні користувачі моделі;
• Allen Institute — дослідницька організація, згадана серед партнерів;
• Thermo Fisher Scientific — компанія, що спеціалізується на науковому обладнанні та реагентах.

Публічно не розкрито, які саме сценарії використання припадають на кожну з цих організацій. Також із доступних матеріалів не завжди зрозуміло, де йдеться про платного корпоративного клієнта, а де — про спільного дослідницького партнера. Участь Thermo Fisher Scientific може вказувати на інтерес до інтеграції ШІ з науковими інструментами, однак конкретних деталей OpenAI не навела.

Що це означає для розробки ліків

Оновлення GPT-Rosalind демонструє чітку стратегію OpenAI: поєднувати вертикальні моделі для конкретних галузей із можливістю користуватися інструментами та контрольованою системою доступу.

Спеціалізоване наукове міркування, менше споживання токенів і виконання завдань через Codex можуть зробити модель корисною для ранніх етапів розробки ліків — пошуку й узагальнення літератури, формування гіпотез, планування експериментів та підготовки протоколів.

Однак помірні абсолютні результати в MedChemBench і GeneBench залишаються важливим сигналом для тверезої оцінки технології. GPT-Rosalind стає сильнішою, але поки що радше допомагає фахівцям, ніж замінює наукове судження.

Усі заяви про продуктивність наразі ґрунтуються на даних, опублікованих самою OpenAI. До появи незалежних оцінювань або рецензованих досліджень із використанням моделі ці результати варто сприймати як орієнтовні, а не остаточні .