OpenAI lleva GPT-Rosalind a la biología: qué sabe hacer el nuevo modelo y dónde están sus límites

OpenAI intenta ocupar un lugar que va más allá del de proveedor de un LLM general: quiere ser una capa de infraestructura para la investigación biológica. GPT-Rosalind no parece un botón mágico para descubrir un nuevo fármaco, sino una herramienta pensada para recortar lo más caro de la fase temprana: el tiempo dedicado a reunir datos, formular hipótesis y planificar los siguientes experimentos.

El interés es comprensible. En la biología aplicada, y sobre todo en el desarrollo de ARNm terapéutico, todavía hay demasiado ensamblaje manual del proceso. Los investigadores tienen que considerar a la vez lo bien que se traducirá una secuencia, cuánto tiempo persistirá en la célula y si provocará una respuesta inmune innecesaria. Ya existen piezas sueltas para este trabajo, como DNA Chisel o mRNAid, pero el mercado sigue sin un entorno abierto y unificado que reúna de forma coherente las restricciones estructurales, de secuencia e inmunogénicas. En ese contexto, GPT-Rosalind se presenta como un intento de añadir, sobre herramientas dispersas, una capa común de razonamiento y coordinación.

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 de experimentos y flujos de investigación de varios pasos en genómica, bioquímica e ingeniería de proteínas. Junto con el modelo, la compañía lanzó un módulo de investigación gratuito para Codex que conecta más de 50 bases de datos públicas y herramientas especializadas. El sentido práctico es sencillo: menos saltos manuales entre servicios, menos pérdida de contexto y más posibilidades de construir una larga cadena analítica en torno a una sola pregunta biológica.

En su lanzamiento, GPT-Rosalind solo está disponible como vista previa de investigación para clientes corporativos cualificados mediante acceso de confianza (trusted access), mientras que OpenAI distribuye el paquete de habilidades para Codex de forma bastante más amplia.

Lo más interesante de la presentación son los benchmarks sectoriales, pero aquí hace falta una mirada fría. Según OpenAI, el modelo logró un Pass@1 de 0,751 en BixBench y superó a varios sistemas generalistas, entre ellos GPT-5.4, Grok 4.2 y Gemini 3.1 Pro. En LABBench2, la compañía afirma tener ventaja sobre GPT-5.4 en seis de once tareas, y el mayor avance se produjo en CloningQA. Aparte, OpenAI cita resultados de pruebas con su socio Dyno Therapeutics sobre secuencias de ARN no publicadas: las diez mejores respuestas de GPT-Rosalind se situaron en el percentil 95 respecto a expertos humanos, y en la tarea de generación de secuencias el modelo alcanzó el percentil 84.

Todo suena serio, pero la comparación tiene una limitación importante: en el momento de la publicación no existía verificación externa independiente de la tabla completa de modelos. Es decir, aún no se trata del veredicto definitivo del mercado, sino de una afirmación sólida, pero todavía interna, de la compañía.

También se entiende por qué el acceso es cerrado. En biología, el problema del doble uso es demasiado práctico para ignorarlo en un lanzamiento. Las herramientas que ayudan a encontrar candidatos terapéuticos más rápido podrían, en teoría, acelerar también escenarios indeseables, por lo que OpenAI empezó con un lanzamiento de acceso de confianza para clientes Enterprise cualificados en EE.

UU., con requisitos específicos de gestión de accesos, control interno y seguridad organizativa. Durante la vista previa de investigación, la compañía ni siquiera descuenta los créditos y tokens habituales, siempre que los participantes cumplan las restricciones contra el abuso.

Entre los primeros participantes, OpenAI menciona a Amgen, Moderna, Novo Nordisk, Thermo Fisher Scientific, Oracle Health and Life Sciences, NVIDIA, el Allen Institute, Benchling y la Facultad de Farmacia de UCSF, además de una alianza con el Laboratorio Nacional de Los Álamos.

El panorama competitivo se densifica rápido: el 14 de abril de 2026, AWS anunció Amazon Bio Discovery, y el 16 de abril de 2026 OpenAI presentó GPT-Rosalind. En este mercado hay mucho en juego: según Precedence Research, la IA en el sector farmacéutico podría crecer de 2510 millones de dólares en 2026 a 16 490 millones en 2034.

La conclusión principal, por ahora, no es que el nuevo modelo vaya a sustituir a los biólogos ni a acabar al instante con las herramientas open source especializadas. Más bien al contrario: GPT-Rosalind opera en el plano de la lógica de investigación y la coordinación, mientras que soluciones especializadas como mRNAid siguen siendo útiles para tareas concretas de optimización computacional. Si el producto de OpenAI de verdad acorta el camino de la hipótesis al candidato para validar en el laboratorio húmedo, supondrá un cambio tangible para el sector. Pero su valor real no lo determinará un lanzamiento vistoso, sino cuán reproducibles resulten los resultados fuera de la demo y lo bien que se integre en la pila científica existente.