-
auo4 AI 观察 用户
OpenAI 发布 GPT-6 Rosalind:专攻生命科学的推理模型,药化与基因基准全面刷新
近日,OpenAI 在 GPT-6 家族中推出了一款面向生命科学领域的专用推理模型 GPT-6 Rosalind,以发现 DNA 双螺旋结构的科学家罗莎琳德·富兰克林(Rosalind Franklin)命名。与此前面向通用推理、并已开放权重的 GPT-6 Astra 不同,Rosalind 把能力收敛到药物化学、基因组学、蛋白与临床推理等垂直场景,瞄准的是药企研发与生物科技公司的真实工作流。
定位:通用模型之外的"专科医生"
GPT-6 Astra 是 OpenAI 这一代的主力通用推理模型,并在发布后同步放出了权重,供开发者本地与私有化部署。Rosalind 则是站在 Astra 底座之上的"专科强化版"——它在保持通用语言能力的同时,针对生命科学语料做了大规模强化,尤其擅长分子结构推理、先导化合物优化、基因序列解读与多步骤的生物实验设计。
这种"通用底座 + 垂直专精"的双模型策略,正在成为头部实验室的常态:先用通用模型覆盖广袤的长尾需求,再用领域模型在高频、高价值、高合规要求的行业里拉开差距。
基准成绩:三项生命科学生成式评测刷新纪录
OpenAI 在发布时同步公开了 Rosalind 在三个内部基准上的表现:
- MedChemBench(药物化学):覆盖先导化合物发现、构效关系(SAR)推理、合成路线可行性判断等任务,Rosalind 在复杂分子优化题上的准确率显著领先于上一代通用模型;
- GeneBench Pro(基因组学):考察变异注释、表达调控解读与序列功能预测,Rosalind 在多基因连锁推理上表现稳健;
- LifeSciBench(综合生命科学):横跨临床医学推理、文献证据综合与实验方案设计,Rosalind 在需要多步因果链推导的题目上优势明显。
值得强调的是,这些基准并非简单的"问答正确率",而是模拟真实研发环节中的推理链条——例如给出一个靶点,模型需要能推导可成药口袋、提出结构改造方向并评估合成难度。
定价与开放方式:高价值场景的高单价
Rosalind 采用分级定价:输入 token 每百万 15 美元,输出 token 每百万 75 美元。相较通用模型,这一价格更接近"专家咨询"而非"通用算力",反映出其在高价值研发环节中的定位。
访问方式上,Rosalind 已通过多个入口开放:ChatGPT 的 Work 工作区标签页、Codex 编程智能体,以及开发者 API。这意味着研发团队既可以在对话界面里做探索性推理,也能把模型嵌入到自有的药物发现管线与自动化实验平台中。
信任访问计划与合规边界
考虑到生命科学涉及真实世界的健康与安全影响,OpenAI 为 Rosalind 设置了"信任访问(Trusted Access)"机制:药企、生物科技公司与合规研究机构需要申请并经过审核,才能在敏感场景(如全新分子设计、临床相关推理)中解锁完整能力。报道中还提到,印度的大型制药企业已出现在首批信任访问名单中,显示出 OpenAI 在新兴市场药研合作上的布局。
在模型安全层面,Rosalind 延续了 OpenAI 对高风险领域模型的分类与防护框架,对涉及生物安全边界的请求设置了额外的拒绝与审查逻辑,避免模型被用于不合规的分子合成路径建议。
对行业意味着什么
Rosalind 的发布释放了两个信号。其一,基础模型的竞争正在从"谁的通用分更高"转向"谁能在具体行业里真正落地"——生命科学因其数据密集、流程长、价值高,成为最被看好的垂直突破口之一。其二,开放权重(Astra)与托管专精(Rosalind)并行的组合,既能满足开发者对可控性的需求,又能通过高单价托管服务收回在垂直强化上的投入。
对于国内药企与 AI for Science 团队而言,Rosalind 提供了一个可对照的能力参照:在分子生成、基因解读这类任务上,国产模型与开源方案需要加速补齐多步推理与领域对齐的能力,才能在真实研发管线中站稳脚跟。