全新基準測試：LifeSciBench 與三大領域專用測試

為了衡量真實的科學影響力，OpenAI 設計了 LifeSciBench——這是一個由外部專家評分的基準測試，從六個工作流程面向評估模型：證據處理、分析、設計與優化、科學推理、驗證與操作，以及翻譯與溝通 。與過去僅測試單一能力的基準不同，LifeSciBench 評估從文獻整合到實驗設計的完整研究流程。GPT-Rosalind 在 LifeSciBench 上總體領先，表現優於 GPT-5.5、Grok 4.3 以及 Gemini 3.1 Pro 。

OpenAI 也公布了 三項領域特定子基準測試 的結果，直接比較 GPT-Rosalind 與 GPT-5.5。所有分數皆為 OpenAI 自行報告，尚未經獨立第三方驗證 。

數據來源：OpenAI 公布的評測結果

LabWorkBench 上的表現差距最大，GPT-Rosalind 比 GPT-5.5 高出 7.4 個百分點 。這項基準涵蓋實際的濕式實驗室操作——包括實驗流程除錯、試劑工作流程設計，以及實驗結果解讀——在這些領域中，代理工具的使用能力與領域專業知識直接轉化為更高的成功率。

值得注意的是，在藥物化學與基因體學方面的絕對分數（27.5% 與 21.6%）仍然偏低，這意味著即使在改進後，模型在這些領域的大部分任務上仍會失敗 。這些是困難的、真實世界的科學問題，而非一般知識測驗，因此低分反映的是任務本身的難度，而非模型能力不足。但這些數字也凸顯了 AI 驅動的藥物發現仍處於早期階段。

Codex 外掛：從推理到執行工作流程

本次更新還為 Codex——OpenAI 的代理 AI 編程平台——帶來了生命科學專用的外掛程式與檢視器 。這些外掛讓 GPT-Rosalind 代理能直接連接科學工具——文獻資料庫、序列分析工具、實驗流程設計軟體——並執行多步驟的研究工作流程，而不僅僅是提出建議 。這標誌著從「能推理科學」的模型，轉變為「能主動執行科學計算任務」的模型。

OpenAI 將本次更新定位為「從推理邁向執行工作流程」，顯示其意圖是將 GPT-Rosalind 更深地嵌入藥物發現實驗室的營運流程中，而不僅停留在腦力激盪階段。

全球使用與可信存取架構

GPT-Rosalind 最初於 2026 年 4 月以美國限定企業研究預覽的形式，透過限制性的可信存取計畫推出 。本次更新將範圍擴大為全球研究預覽，符合資格的組織仍須透過相同的可信存取部署架構提出申請並接受審查 。尚未簽署 Enterprise 協議的組織，現在可以透過新設立的 OpenAI managed workspace 提出申請。

就在主要更新前幾天的 2026 年 5 月 29 日，OpenAI 也推出了 Rosalind 生物防禦計畫，針對生物防禦應用擴大了可信存取範圍 。這顯示 OpenAI 不僅將此模型定位於商業藥物發現，也期望在受控存取下，將其應用於國家安全相關的生物研究。

早期合作夥伴：製藥巨頭與研究機構

OpenAI 公開了數個正在使用更新版 GPT-Rosalind 的高知名度組織 ：

• 諾和諾德（Novo Nordisk） —— 被明確列為在藥物研發工作流程中使用 GPT-Rosalind 的客戶。
• 安進（Amgen）、莫德納（Moderna）、艾倫研究所（Allen Institute） 以及 賽默飛世爾科技（Thermo Fisher Scientific） —— 被列為將此模型應用於藥物發現、基因體學與研究工具整合的合作夥伴或早期採用者。

值得注意的是，各組織的具體應用案例尚未公開詳細說明，這份名單可能同時包含付費企業客戶與研究合作夥伴。賽默飛世爾科技——一家主要的生命科學設備與試劑公司——的加入，暗示了除了 Codex 外掛生態系統之外，可能存在工具整合的應用場景。

這對藥物發現意味著什麼

更新後的 GPT-Rosalind 明確展現了 OpenAI 的策略演進：領域專用的垂直模型，加上代理工具使用能力與受控存取。結合專業的科學推理、更低的 Token 消耗以及基於 Codex 的執行能力，此模型定位為加速早期藥物發現的實用工具——包括文獻綜合、假說生成、實驗設計與流程執行。

然而，偏低的絕對基準分數也提供了一記現實的警鐘。即使內建 GPT-5.5 核心，該模型在大多數藥物化學與基因體學任務上仍然力有未逮。技術正在快速進步，但它目前仍只是專家研究人員的輔助工具，而非科學判斷的替代品。

所有性能宣稱目前仍為 OpenAI 自行報告，在獨立第三方評測或使用此模型的同儕審查研究發表之前，這些基準測試結果應視為方向性參考，而非最終定論 。

（本文資訊來源：OpenAI 官方部落格、TechTimes、The Circuitry、DrugPatentWatch 等報導）

全新基準測試：LifeSciBench 與三大領域專用測試

為了衡量真實的科學影響力，OpenAI 設計了 LifeSciBench——這是一個由外部專家評分的基準測試，從六個工作流程面向評估模型：證據處理、分析、設計與優化、科學推理、驗證與操作，以及翻譯與溝通 。與過去僅測試單一能力的基準不同，LifeSciBench 評估從文獻整合到實驗設計的完整研究流程。GPT-Rosalind 在 LifeSciBench 上總體領先，表現優於 GPT-5.5、Grok 4.3 以及 Gemini 3.1 Pro 。

OpenAI 也公布了 三項領域特定子基準測試 的結果，直接比較 GPT-Rosalind 與 GPT-5.5。所有分數皆為 OpenAI 自行報告，尚未經獨立第三方驗證 。

數據來源：OpenAI 公布的評測結果

LabWorkBench 上的表現差距最大，GPT-Rosalind 比 GPT-5.5 高出 7.4 個百分點 。這項基準涵蓋實際的濕式實驗室操作——包括實驗流程除錯、試劑工作流程設計，以及實驗結果解讀——在這些領域中，代理工具的使用能力與領域專業知識直接轉化為更高的成功率。

值得注意的是，在藥物化學與基因體學方面的絕對分數（27.5% 與 21.6%）仍然偏低，這意味著即使在改進後，模型在這些領域的大部分任務上仍會失敗 。這些是困難的、真實世界的科學問題，而非一般知識測驗，因此低分反映的是任務本身的難度，而非模型能力不足。但這些數字也凸顯了 AI 驅動的藥物發現仍處於早期階段。

Codex 外掛：從推理到執行工作流程

本次更新還為 Codex——OpenAI 的代理 AI 編程平台——帶來了生命科學專用的外掛程式與檢視器 。這些外掛讓 GPT-Rosalind 代理能直接連接科學工具——文獻資料庫、序列分析工具、實驗流程設計軟體——並執行多步驟的研究工作流程，而不僅僅是提出建議 。這標誌著從「能推理科學」的模型，轉變為「能主動執行科學計算任務」的模型。

OpenAI 將本次更新定位為「從推理邁向執行工作流程」，顯示其意圖是將 GPT-Rosalind 更深地嵌入藥物發現實驗室的營運流程中，而不僅停留在腦力激盪階段。

全球使用與可信存取架構

GPT-Rosalind 最初於 2026 年 4 月以美國限定企業研究預覽的形式，透過限制性的可信存取計畫推出 。本次更新將範圍擴大為全球研究預覽，符合資格的組織仍須透過相同的可信存取部署架構提出申請並接受審查 。尚未簽署 Enterprise 協議的組織，現在可以透過新設立的 OpenAI managed workspace 提出申請。

就在主要更新前幾天的 2026 年 5 月 29 日，OpenAI 也推出了 Rosalind 生物防禦計畫，針對生物防禦應用擴大了可信存取範圍 。這顯示 OpenAI 不僅將此模型定位於商業藥物發現，也期望在受控存取下，將其應用於國家安全相關的生物研究。

早期合作夥伴：製藥巨頭與研究機構

OpenAI 公開了數個正在使用更新版 GPT-Rosalind 的高知名度組織 ：

• 諾和諾德（Novo Nordisk） —— 被明確列為在藥物研發工作流程中使用 GPT-Rosalind 的客戶。
• 安進（Amgen）、莫德納（Moderna）、艾倫研究所（Allen Institute） 以及 賽默飛世爾科技（Thermo Fisher Scientific） —— 被列為將此模型應用於藥物發現、基因體學與研究工具整合的合作夥伴或早期採用者。

值得注意的是，各組織的具體應用案例尚未公開詳細說明，這份名單可能同時包含付費企業客戶與研究合作夥伴。賽默飛世爾科技——一家主要的生命科學設備與試劑公司——的加入，暗示了除了 Codex 外掛生態系統之外，可能存在工具整合的應用場景。

這對藥物發現意味著什麼

更新後的 GPT-Rosalind 明確展現了 OpenAI 的策略演進：領域專用的垂直模型，加上代理工具使用能力與受控存取。結合專業的科學推理、更低的 Token 消耗以及基於 Codex 的執行能力，此模型定位為加速早期藥物發現的實用工具——包括文獻綜合、假說生成、實驗設計與流程執行。

然而，偏低的絕對基準分數也提供了一記現實的警鐘。即使內建 GPT-5.5 核心，該模型在大多數藥物化學與基因體學任務上仍然力有未逮。技術正在快速進步，但它目前仍只是專家研究人員的輔助工具，而非科學判斷的替代品。

所有性能宣稱目前仍為 OpenAI 自行報告，在獨立第三方評測或使用此模型的同儕審查研究發表之前，這些基準測試結果應視為方向性參考，而非最終定論 。

（本文資訊來源：OpenAI 官方部落格、TechTimes、The Circuitry、DrugPatentWatch 等報導）