OpenAI lanza GPT-Rosalind para biología: capacidades y limitaciones del nuevo modelo

OpenAI intenta posicionarse no simplemente como proveedora de LLMs generales, sino como una capa de infraestructura para la investigación biológica. GPT-Rosalind no aparece como un botón mágico para descubrir nuevos fármacos, sino como una herramienta diseñada para reducir el aspecto más costoso en la etapa inicial: el tiempo dedicado a la recopilación de datos, la formulación de hipótesis y la planificación de experimentos posteriores. La motivación es clara.

En la biología aplicada, y especialmente en el desarrollo de ARNm terapéutico, sigue habiendo demasiado montaje manual del proceso. Los investigadores deben considerar simultáneamente qué tan bien se traducirá la secuencia, cuánto tiempo persistirá en la célula y si desencadenará una respuesta inmunológica no deseada. Ya existen bloques de construcción individuales para tal trabajo—por ejemplo, DNA Chisel o mRNAid—pero el mercado aún carece de un entorno abierto integral que reúna consistentemente restricciones estructurales, secuenciales e inmunogénicas.

Sobre este fondo, GPT-Rosalind parece un intento de añadir una capa común de razonamiento y coordinación sobre herramientas fragmentadas. Según la descripción oficial de OpenAI, el modelo está orientado a tareas de ciencias de la vida: síntesis de literatura científica, generación de hipótesis, planificación experimental y escenarios de investigación multipasos en genómica, bioquímica e ingeniería de proteínas. Junto con el modelo, la empresa lanzó un módulo de investigación gratuito para Codex que conecta más de 50 bases de datos públicas y herramientas especializadas.

El beneficio práctico aquí es sencillo: menos cambios manuales entre servicios diferentes, menor pérdida de contexto y mayores oportunidades de armar una larga cadena analítica alrededor de una sola cuestión biológica. GPT-Rosalind está inicialmente disponible solo en modo de vista previa de investigación para clientes corporativos calificados a través de acceso de confianza, mientras que OpenAI distribuye el paquete de habilidades Codex mucho más ampliamente. La parte más interesante del lanzamiento son los benchmarks específicos del dominio, pero precisamente aquí se necesita una mirada fría.

Según OpenAI, en BixBench el modelo logró un Pass@1 de 0,751 y superó varios sistemas universales, incluidos GPT-5.4, Grok 4.2 y Gemini 3.

1 Pro. En LABBench2 la empresa reporta una ventaja sobre GPT-5.4 en seis de once tareas, con la mejora más notable en CloningQA.

OpenAI presenta por separado resultados de pruebas colaborativas con Dyno Therapeutics en secuencias de ARN no publicadas: los diez mejores resultados de GPT-Rosalind cayeron en el percentil 95 en relación con expertos humanos, y en la tarea de generación de secuencias el modelo llegó al percentil 84. Todo esto suena serio, pero la comparación tiene una limitación importante: no había verificación externa independiente de la tabla completa de modelos en el momento de la publicación. Es decir, todavía hablamos no de un veredicto final del mercado, sino de una afirmación fuerte, aunque interna, de la empresa.

La razón por la que se hizo el acceso cerrado también es comprensible. En biología, la cuestión de doble uso es demasiado práctica para ignorarla en un lanzamiento. Las herramientas que ayudan a encontrar candidatos terapéuticos más rápidamente podrían teóricamente acelerar también escenarios no deseados, por lo que OpenAI comenzó con un lanzamiento de acceso de confianza para clientes Enterprise calificados en Estados Unidos, con requisitos separados para gestión de acceso, controles internos y seguridad organizacional.

Durante la vista previa de investigación la empresa ni siquiera deduce créditos y tokens regulares si los participantes cumplen con las restricciones anti-abuso. Entre los primeros participantes OpenAI nombra a Amgen, Moderna, Novo Nordisk, Thermo Fisher Scientific, Oracle Health and Life Sciences, NVIDIA, Allen Institute, Benchling y la Escuela de Farmacia de UCSF, así como una asociación con el Laboratorio Nacional de Los Alamos. Mientras tanto, el panorama competitivo se intensifica rápidamente: el 14 de abril de 2026, AWS anunció Amazon Bio Discovery, y apenas dos días después el 16 de abril de 2026, OpenAI presentó GPT-Rosalind.

En tal mercado, las apuestas son altas: según las estimaciones de Precedence Research, la IA en farmacéutica podría crecer de $2.51 mil millones en 2026 a $16.49 mil millones para 2034.

La conclusión principal por ahora no es que el nuevo modelo reemplace a los biólogos o elimine instantáneamente herramientas de código abierto especializadas. Más bien lo contrario: GPT-Rosalind opera a nivel de lógica de investigación y coordinación, mientras que soluciones especializadas como mRNAid siguen siendo útiles para tareas específicas de optimización computacional. Si el producto de OpenAI realmente acorta el camino desde la hipótesis hasta un candidato para pruebas en laboratorio húmedo, esto será un cambio tangible para la industria.

Pero el valor real del modelo se determinará no por un lanzamiento bonito, sino por qué tan reproducibles resulten los resultados fuera de la demostración y qué tan bien se integre en la pila científica existente.