OpenAI 3 июня 2026 года представила обновление GPT-Rosalind — специализированной серии моделей для исследований в области биологии, медицины и разработки лекарств. Это не массовый релиз для обычных пользователей ChatGPT, а research preview для проверенных организаций: фармкомпаний, исследовательских лабораторий, университетов и команд, которые работают с жизненными науками и проходят требования OpenAI по безопасности, управлению доступом и общественной пользе исследований.
Если объяснять коротко: GPT-Rosalind стала умнее в биологии, медицинской химии, геномике и лабораторных рабочих процессах. OpenAI позиционирует обновление не просто как «чат-бота для ученых», а как модель, которая умеет рассуждать по научным данным, работать с инструментами, анализировать биоинформатические файлы, проверять гипотезы и помогать планировать следующие шаги в исследовании.
Что такое GPT-Rosalind
GPT-Rosalind — это специализированная линейка OpenAI для life sciences, то есть для наук о жизни: биологии, биомедицины, геномики, фармакологии, разработки лекарств, трансляционной медицины и смежных областей.
Название отсылает к Розалинд Франклин, ученой, чьи работы по рентгеноструктурному анализу сыграли ключевую роль в понимании структуры ДНК. Сам выбор имени довольно точно показывает, куда OpenAI целится: не в бытовые сценарии вроде «напиши письмо» или «сделай презентацию», а в работу с молекулами, генами, белками, экспериментальными протоколами и научными публикациями.
Главная идея GPT-Rosalind — дать исследователям модель, которая понимает контекст биологических систем лучше, чем универсальные модели общего назначения. В обычном ChatGPT можно попросить объяснить статью, построить гипотезу или помочь с кодом для анализа данных. Но в реальных лабораторных и фармацевтических задачах этого мало: нужно учитывать доменную специфику, качество доказательств, ограничения эксперимента, регуляторные требования, статистику, биоинформатические пайплайны и риски неправильной интерпретации.
Новая версия GPT-Rosalind как раз усиливает эти направления. OpenAI пишет, что обновление объединяет возможности GPT-5.5 в агентном программировании и работе с инструментами с более сильной модельной экспертизой в drug discovery — прежде всего в медицинской химии и геномике.
Что произошло простыми словами
OpenAI обновила GPT-Rosalind так, чтобы модель лучше помогала в реальной научной работе, а не только отвечала на теоретические вопросы.
Речь идет о нескольких изменениях.
Во-первых, модель стала сильнее в биологическом рассуждении. Это важно, потому что биология редко сводится к одному факту из учебника. Исследователь постоянно соединяет данные разных уровней: молекулы, гены, белки, клеточные пути, ткани, клинические проявления, экспериментальные артефакты. Хороший ответ в такой области должен не просто «знать термин», а понимать, где доказательства сильные, где есть смешивающие факторы, какие выводы преждевременны и какие дополнительные данные нужны.
Во-вторых, GPT-Rosalind улучшили для задач медицинской химии. Это область, где ученые превращают молекулы-кандидаты в потенциальные лекарства: оценивают активность, токсичность, метаболизм, растворимость, селективность, структуру, связи между химической формой и биологическим эффектом. Здесь ошибка может стоить месяцев работы, поэтому важны не красивые общие фразы, а точные рассуждения по структуре вещества и его свойствам.
В-третьих, модель стала эффективнее в геномике и количественной биологии. Это задачи, где нужно анализировать большие наборы данных: транскриптомику, протеомику, эпигеномику, пространственную транскриптомику, прикладную генетику. Модель должна не только писать код, но и планировать корректный анализ: проверить качество данных, выбрать метод, учесть поправки, не перепутать статистический сигнал с шумом.
В-четвертых, OpenAI добавила более практический слой: плагины и рабочие процессы для Codex, через которые можно запускать научные пайплайны, сохранять артефакты, открывать биологические файлы во встроенных просмотрщиках и возвращаться к результатам анализа.
То есть GPT-Rosalind движется от режима «модель ответила текстом» к режиму «модель участвует в рабочем процессе исследователя».
Что нового по сравнению с предыдущей версией
OpenAI называет релиз «model update», то есть это обновление существующей серии GPT-Rosalind, а не полностью новая публичная модель для всех пользователей. Главные изменения связаны с качеством рассуждения, эффективностью и интеграцией с инструментами.
Самое заметное сравнение OpenAI дает с GPT-5.5. Это важно: GPT-Rosalind не просто «еще одна версия GPT-5.5», а специализированная модель, которая в ряде научных задач показывает лучшие результаты при меньшем расходе токенов.
В медицинской химии OpenAI использовала собственный бенчмарк MedChemBench. Он проверяет не одну абстрактную способность, а набор реалистичных задач: понимание химических структур, анализ SAR, прогнозирование активности и токсичности, ADME-свойства, оптимизацию лид-соединений и ретросинтез. На этом наборе GPT-Rosalind показала 27,5% против 25,1% у GPT-5.5 и при этом использовала на 7,2% меньше токенов.
Цифры сами по себе выглядят скромно, но для такого класса задач это не обязательно минус. В научных и биомедицинских бенчмарках даже небольшой прирост может быть существенным, если он получен на сложных реалистичных задачах, где нельзя угадать ответ по шаблону. Особенно важно, что модель стала экономнее: меньше токенов означает меньше длинных рассуждений без пользы, ниже стоимость выполнения задач и потенциально более быстрые рабочие циклы.
В геномике и количественной биологии OpenAI использовала GeneBench — агентную оценку длинных end-to-end задач. Там GPT-Rosalind показала 21,6% точности против 20,4% у GPT-5.5 и использовала на 31% меньше токенов. Это уже интереснее с практической стороны: длинные биоинформатические задачи часто разваливаются не из-за одного неверного факта, а из-за цепочки мелких ошибок — неправильный QC, не тот метод нормализации, неучтенная поправка, неверно выбранный порог, слабая интерпретация результата. Если модель проходит такие цепочки чуть точнее и заметно компактнее, это может дать реальную пользу в ежедневной работе.
Отдельно OpenAI ввела LabWorkBench — оценку помощи в реальных лабораторных протоколах. Там GPT-Rosalind набрала 63,2% против 55,8% у GPT-5.5 и использовала на 5,3% меньше токенов. Это, пожалуй, самый понятный показатель для людей вне индустрии: модель лучше справляется с вопросами вроде «почему эксперимент пошел не так», «какие параметры могли повлиять на результат», «как оптимизировать протокол» и «что проверить перед повторным запуском».
Почему это важно для фармы и биотеха
Разработка лекарств — один из самых дорогих и медленных процессов в современной науке. Между идеей и терапией, которая реально доходит до пациента, обычно проходят годы, а часто и десятилетия. Большинство кандидатов отсеивается: из-за токсичности, слабой эффективности, плохой фармакокинетики, проблем с производством, неудачных клинических испытаний или недостаточной доказательной базы.
AI-модели здесь ценны не потому, что «изобретут лекарство по кнопке». Это популярный, но опасно упрощенный образ. Реальная ценность скорее в другом: быстрее собрать и проверить доказательства, найти слабые места в гипотезе, сопоставить данные из разных источников, автоматизировать часть анализа, помочь с дизайном эксперимента, подсветить риски и предложить более разумные следующие шаги.
OpenAI приводит пример с критикой пакета данных для генной терапии мышечной дистрофии Дюшенна. В таком сценарии модель должна не просто пересказать биологию заболевания, а оценить, выдерживает ли набор данных скептический взгляд регулятора: корректны ли антитела в анализе, не перепутан ли сигнал трансгена с остаточным или revertant-дистрофином, достаточно ли надежен внешний контроль, не искажает ли возраст динамику функциональных тестов, есть ли данные по долговременности экспрессии и безопасности AAV-вектора.
Это хороший пример того, что OpenAI пытается развивать: не «AI как энциклопедия», а «AI как научный рецензент и рабочий партнер», который умеет давить на слабые места аргументации.
Для фармкомпаний это может быть полезно в нескольких местах:
- ранний поиск и проверка мишеней;
- анализ научной литературы и внутренних данных;
- оптимизация молекул-кандидатов;
- разбор omics-данных;
- планирование и отладка лабораторных экспериментов;
- подготовка материалов для внутренних научных и регуляторных обсуждений;
- ускорение повторяемых биоинформатических пайплайнов.
Но важно понимать ограничение: модель не заменяет ученого, регуляторного специалиста или лабораторию. Она может помочь быстрее прийти к хорошим вопросам и предварительным выводам, но финальные решения в медицине требуют валидации, экспериментов, клинических данных и экспертной ответственности.
LifeSciBench: зачем OpenAI сделала новый бенчмарк
В релизе OpenAI много внимания уделяет LifeSciBench — новому бенчмарку для оценки моделей на научно ценных задачах в life sciences. Компания подчеркивает, что многие существующие тесты оценивают один узкий аспект: например, знание биологических фактов, отдельную задачу по химии или способность ответить на вопрос из статьи.
Проблема в том, что реальная научная работа так не устроена. Исследовательская задача часто включает несколько этапов: найти источники, проверить качество доказательств, связать данные, построить анализ, предложить дизайн эксперимента, оценить альтернативные объяснения, подготовить выводы для коллег или руководства.
LifeSciBench пытается оценивать именно такие «сквозные» задачи. OpenAI выделяет шесть областей:
- работа с доказательствами;
- анализ;
- дизайн, оптимизация и прогнозирование;
- научное рассуждение;
- валидация и операционные процессы;
- перевод результатов в научную коммуникацию.
Это правильное направление. У моделей общего назначения давно есть проблема: они могут хорошо выглядеть на коротких тестах, но ошибаться в длинных задачах, где требуется дисциплина мышления и учет ограничений. Для биомедицины это особенно критично, потому что уверенно написанный, но неверный вывод может привести к неправильной гипотезе, потере времени или рискованному эксперименту.
Плагины для Codex: модель становится рабочей средой
Одна из самых практичных частей анонса — интеграция GPT-Rosalind с плагинами Life Sciences Research и Life Sciences NGS Analysis для Codex.
Life Sciences Research нужен для работы с научными источниками и биологической интерпретации. Он помогает искать доказательства, привязывать выводы к источникам и поддерживать научный контекст.
Life Sciences NGS Analysis ориентирован на биоинформатику и анализ NGS-данных. NGS — это next-generation sequencing, то есть современные методы секвенирования ДНК и РНК. Такие данные требуют целых пайплайнов: загрузка файлов, контроль качества, фильтрация, выравнивание или квази-выравнивание, подсчет, аннотация, визуализация, проверка выбросов, интерпретация результатов.
OpenAI пишет, что все пользователи могут получить доступ к обоим плагинам через Codex, а квалифицированные enterprise-пользователи GPT-Rosalind смогут использовать саму GPT-Rosalind как модель, которая управляет этими плагинами.
Это важный сдвиг. В обычном режиме AI часто заканчивает работу на уровне текста: «вот что можно сделать». В инструментальном режиме модель может перейти к действию: запустить пайплайн, сформировать отчет, открыть интерактивный просмотрщик, сохранить артефакты, объяснить, что получилось, и дать исследователю возможность проверить каждый шаг.
OpenAI также добавила интерактивные просмотрщики для биологических типов файлов: последовательностей, выравниваний и структур. Для ученого это принципиально: нельзя полностью доверять текстовому пересказу модели, если речь идет о мутации, участке белка или результате выравнивания. Нужно видеть исходные данные и иметь возможность спросить модель о конкретном открытом объекте.
Пример: анализ жидкостной биопсии
В анонсе OpenAI показывает сценарий с исследователем, который изучает данные жидкостной биопсии опухоли. Задача — найти мутации и молекулярные изменения, которые могут повлиять на выбор лечения.
Плагин Life Sciences NGS Analysis превращает обработанные ctDNA-записи в интерактивный notebook: показывает повторяющиеся изменения, низкочастотные варианты, траектории образцов и помогает сфокусироваться на KRAS G12C.
KRAS G12C — хорошо известная онкогенная мутация, важная для таргетной терапии некоторых видов рака. В таком сценарии модель может помочь не только найти мутацию в данных, но и подтянуть контекст: что известно о мишени, какие есть ингибиторы, какие механизмы резистентности описаны, насколько консервативен участок в семействе RAS, как выглядит карман связывания ингибитора.
Это не означает, что модель ставит диагноз или назначает лечение. Корректнее сказать так: она помогает исследовательской команде быстрее связать молекулярные данные с научным и терапевтическим контекстом, сохранив цепочку артефактов для экспертной проверки.
Кому это важно
В первую очередь обновление GPT-Rosalind важно для крупных организаций, которые уже работают с биомедицинскими данными и имеют процессы безопасности.
Это фармацевтические компании, биотех-стартапы, университетские лаборатории, исследовательские больницы, команды в области public health, биоинформатики, трансляционной медицины и биозащиты.
OpenAI отдельно говорит о «trusted-access deployment structure». Это означает, что доступ дают не всем подряд. Организация должна заниматься легитимными научными исследованиями с понятной общественной пользой, иметь сильное управление, контроль доступа и enterprise-grade безопасность.
Такой подход ожидаем. Модели, способные глубоко работать с биологией, несут двойной риск. С одной стороны, они могут ускорять разработку лекарств, диагностику и биозащиту. С другой — биологические знания и инструменты требуют аккуратного ограничения доступа, потому что часть возможностей потенциально может быть использована во вред. Поэтому OpenAI развивает GPT-Rosalind не как публичную игрушку, а как контролируемый инструмент для проверенных участников.
В анонсе также упоминается Novo Nordisk. Компания использует frontier AI для анализа сложных наборов данных, поиска закономерностей и более быстрой проверки гипотез. Для индустрии это заметный сигнал: крупная фарма уже не просто экспериментирует с AI на уровне презентаций, а начинает встраивать специализированные модели в R&D-процессы.
Чего не стоит ждать
Важно не переоценивать релиз. GPT-Rosalind не означает, что OpenAI «решила биологию» или что теперь новые лекарства будут появляться автоматически.
Даже лучшие модели все еще могут ошибаться, особенно в узких научных деталях, методологии, статистике и интерпретации неполных данных. В биомедицине многие вопросы не имеют однозначного ответа без эксперимента. Модель может предложить гипотезу, но не заменит wet lab, клиническое испытание, независимую репликацию и регуляторную экспертизу.
Еще один момент: проценты в бенчмарках показывают прогресс, но сами значения остаются невысокими. Например, 27,5% на MedChemBench или 21,6% на GeneBench — это не уровень «модель все умеет». Это скорее показатель того, насколько сложные задачи выбраны для оценки. GPT-Rosalind может быть полезной, но ее нужно использовать как помощника под контролем эксперта, а не как автономного научного директора.
Также это не релиз для широкой аудитории ChatGPT. Если вы обычный пользователь Plus, Pro или Team, не стоит ожидать, что в списке моделей появится кнопка GPT-Rosalind. Доступ идет через research preview и trusted access для организаций.
Как попробовать
Попробовать GPT-Rosalind напрямую можно только через заявку на доступ у OpenAI. На странице анонса есть кнопка Request access. Доступ предназначен для eligible organizations globally — то есть для подходящих организаций по всему миру, которые занимаются научными исследованиями и соответствуют требованиям OpenAI по безопасности и управлению.
Практический путь такой:
- Перейти на страницу анонса OpenAI.
- Нажать Request access.
- Описать организацию, область исследований, предполагаемые сценарии использования и меры контроля.
- Дождаться рассмотрения заявки.
- При одобрении использовать GPT-Rosalind в research preview в рамках доверенной инфраструктуры OpenAI.
Если вам нужны не именно GPT-Rosalind, а обычные модели OpenAI для повседневной работы, разработки, анализа текстов, кода или документов, можно использовать ChatGPT, ChatGPT Business, ChatGPT Enterprise или OpenAI API. Но это другой уровень доступа и другие модели.
Через plati.market уместно покупать только обычные подписки или доступы к массовым AI-сервисам, если вы понимаете условия продавца и риски сторонних аккаунтов. GPT-Rosalind как enterprise research preview через такую площадку купить нельзя: доступ выдается OpenAI организациям напрямую, а не перепродается как обычная подписка.
Что это значит для рынка AI
Обновление GPT-Rosalind показывает, куда движется рынок: от универсальных чат-ботов к специализированным моделям и рабочим средам для конкретных отраслей.
В 2023-2024 годах основной вопрос был: «Может ли модель ответить на вопрос лучше человека среднего уровня?» Сейчас вопрос меняется: «Может ли модель встроиться в реальный рабочий процесс эксперта, использовать инструменты, сохранять доказательства, работать с файлами, соблюдать ограничения и помогать принимать более качественные решения?»
Для life sciences это особенно важно. Там огромный объем данных, дорогие ошибки и высокая цена времени. Если модель помогает быстрее отсеять слабую гипотезу, найти проблему в протоколе, проверить регуляторную логику или собрать воспроизводимый пайплайн анализа, польза может быть значительной даже без фантастических обещаний.
GPT-Rosalind интересна именно этим: OpenAI не ограничивается улучшением «знаний о биологии», а связывает модель с Codex, плагинами, интерактивными просмотрщиками и проверяемыми артефактами. Это делает AI ближе к рабочему столу исследователя, а не к справочнику.
Итог
OpenAI выпустила важное обновление GPT-Rosalind для life sciences. Модель стала сильнее в биологическом рассуждении, медицинской химии, геномике, количественной биологии и помощи с лабораторными задачами. По данным OpenAI, она обходит GPT-5.5 на нескольких специализированных бенчмарках и при этом в ряде сценариев использует меньше токенов.
Главное изменение — не только в качестве ответов, но и в переходе к исполняемым научным рабочим процессам. Через плагины для Codex GPT-Rosalind может помогать с анализом NGS-данных, научными источниками, интерактивными биологическими файлами и сохранением артефактов для проверки.
Для обычных пользователей это не новая кнопка в ChatGPT. Для фармы, биотеха и исследовательских организаций — потенциально сильный инструмент, если он встроен в процессы с экспертным контролем, безопасностью и валидацией результатов.