OpenAI lance GPT-Rosalind pour la biologie : capacités et limites du nouveau modèle

OpenAI пытается занять место не просто поставщика общей LLM, а инфраструктурного слоя для биологических исследований. GPT-Rosalind выглядит не как волшебная кнопка для открытия нового лекарства, а как инструмент, который должен сократить самое дорогое на раннем этапе: время на сбор данных, формулировку гипотез и планирование следующих экспериментов. Повод для интереса понятен.

В прикладной биологии и особенно в разработке терапевтических мРНК до сих пор слишком много ручной сборки процесса. Исследователям приходится одновременно учитывать, насколько хорошо будет транслироваться последовательность, как долго она сохранится в клетке и не вызовет ли лишний иммунный ответ. Отдельные строительные блоки для такой работы уже есть — например, DNA Chisel или mRNAid, — но цельной открытой среды, которая последовательно сводит вместе структурные, последовательностные и иммуногенные ограничения, рынку по-прежнему не хватает.

На этом фоне GPT-Rosalind выглядит как попытка добавить поверх разрозненных инструментов общий слой рассуждения и координации. По официальному описанию OpenAI, модель ориентирована на задачи наук о жизни: синтез научной литературы, генерацию гипотез, планирование экспериментов и многошаговые исследовательские сценарии в геномике, биохимии и белковой инженерии. Вместе с моделью компания выпустила бесплатный исследовательский модуль для Codex, который подключает более 50 публичных баз и специализированных инструментов.

Практический смысл здесь простой: меньше ручного переключения между разными сервисами, меньше потерь контекста и больше шансов собрать длинную аналитическую цепочку вокруг одного биологического вопроса. GPT-Rosalind на старте доступна только в режиме research preview для квалифицированных корпоративных клиентов через trusted access, тогда как сам пакет навыков для Codex OpenAI распространяет заметно шире. Самая интересная часть релиза — профильные бенчмарки, но именно здесь нужен холодный взгляд.

По данным OpenAI, в BixBench модель набрала Pass@1 на уровне 0,751 и обошла несколько универсальных систем, включая GPT-5.4, Grok 4.2 и Gemini 3.

1 Pro. В LABBench2 компания сообщает преимущество над GPT-5.4 в шести из одиннадцати задач, а самый заметный прирост пришелся на CloningQA.

Отдельно OpenAI приводит результаты партнерского тестирования с Dyno Therapeutics на неопубликованных РНК-последовательностях: лучшие десять ответов GPT-Rosalind попали в 95-й перцентиль относительно экспертов-людей, а в задаче генерации последовательностей модель дошла до 84-го перцентиля. Все это звучит серьезно, но у сравнения есть важное ограничение: независимой внешней верификации полной таблицы моделей на момент публикации не было. То есть речь пока идет не о финальном вердикте рынка, а о сильной, но все же внутренней заявке компании.

Почему доступ сделали закрытым, тоже понятно. В биологии вопрос двойного назначения слишком практичный, чтобы игнорировать его в релизе. Инструменты, которые помогают быстрее искать терапевтические кандидаты, теоретически могут ускорять и нежелательные сценарии, поэтому OpenAI начала с trusted-access запуска для квалифицированных Enterprise-клиентов в США, с отдельными требованиями к управлению доступом, внутреннему контролю и организационной безопасности.

Во время research preview компания даже не списывает обычные кредиты и токены, если участники соблюдают антиабьюз-ограничения. Среди первых участников OpenAI называет Amgen, Moderna, Novo Nordisk, Thermo Fisher Scientific, Oracle Health and Life Sciences, NVIDIA, Allen Institute, Benchling и Школу фармации UCSF, а также партнерство с Лос-Аламосской национальной лабораторией. Конкурентный фон при этом быстро сгущается: 14 апреля 2026 года AWS анонсировала Amazon Bio Discovery, а уже 16 апреля 2026 года OpenAI представила GPT-Rosalind.

На таком рынке ставки велики: по оценке Precedence Research, ИИ в фарме может вырасти с 2,51 млрд долларов в 2026 году до 16,49 млрд к 2034-му. Главный вывод пока не в том, что новая модель заменит биологов или моментально убьет узкие open-source инструменты. Скорее наоборот: GPT-Rosalind работает на уровне исследовательской логики и координации, тогда как специализированные решения вроде mRNAid остаются полезными для конкретных вычислительных задач оптимизации.

Если продукт OpenAI действительно сократит путь от гипотезы до кандидата для проверки в мокрой лаборатории, это будет ощутимый сдвиг для отрасли. Но реальная ценность модели определится не по красивому релизу, а по тому, насколько воспроизводимыми окажутся результаты за пределами демо и насколько хорошо она встроится в существующий научный стек.