OpenAI apresenta GPT-Rosalind, modelo de IA para biologia, genômica e desenvolvimento de medicamentos

Em 16 de abril, a OpenAI apresentou o GPT-Rosalind, o primeiro modelo especializado da empresa para ciências da vida, ou seja, tarefas na fronteira entre biologia, indústria farmacêutica e medicina aplicada. O modelo leva o nome de Rosalind Franklin e foi concebido não para substituir cientistas, mas para acelerar a parte mais pesada do trabalho científico: ler literatura, conferir dados, formular hipóteses e planejar os próximos passos. Para dar contexto, o caminho entre a busca de um novo alvo e a aprovação de um medicamento nos EUA costuma levar de 10 a 15 anos.

A OpenAI aposta que a IA pode encurtar ao menos as etapas iniciais desse ciclo, nas quais os pesquisadores gastam enorme quantidade de tempo analisando, comparando fatos e lidando com fontes dispersas. Segundo a empresa, o GPT-Rosalind é otimizado para processos científicos que exigem raciocinar sobre química, proteínas, genes, vias biológicas e protocolos experimentais. Ao contrário dos chatbots generalistas, que fazem um pouco de tudo, o foco aqui são cadeias longas de pesquisa: reunir e comparar dezenas de artigos, buscar dados em bases especializadas, interpretar resultados, propor uma hipótese de trabalho e ajudar a planejar o próximo experimento.

A OpenAI ressalta que não se trata apenas de gerar texto. O modelo deve ajudar a resumir a base de evidências, gerar hipóteses, planejar experimentos e analisar dados, isto é, atuar dentro da rotina real de pesquisa, e não só responder perguntas numa janela de chat. Para isso, a empresa também lançou o Life Sciences research plugin para o Codex.

O plugin dá acesso a mais de 50 ferramentas científicas, fontes de literatura, bases de dados multiômicos e serviços biológicos. Na prática, o pesquisador pode, numa única interface, buscar sequências, visualizar estruturas de proteínas, reunir publicações, encontrar conjuntos de dados abertos e ligar tudo ao raciocínio do modelo. Para laboratórios e farmacêuticas, isso importa mais do que mais um LLM: o valor surge quando o modelo não apenas formula uma resposta, mas consegue chegar aos dados necessários e se encaixar na infraestrutura computacional existente.

Pelas avaliações públicas da OpenAI, o GPT-Rosalind tem o melhor resultado no BixBench entre os modelos com métricas publicadas. No LABBench2, o modelo superou o GPT-5.4 em seis de onze tarefas; o maior ganho, segundo a empresa, foi no CloningQA, em que é preciso projetar reagentes e um plano completo de clonagem molecular.

A OpenAI também testou o modelo com a Dyno Therapeutics na previsão e geração de sequências de RNA a partir da função, usando dados não publicados que não poderiam estar no conjunto de treinamento. No ambiente do Codex, as melhores de dez tentativas do modelo ficaram acima do percentil 95 dos especialistas humanos na tarefa de previsão e em cerca do percentil 84 na de geração de sequências. Isso não prova que a IA esteja pronta para fazer descobertas sozinha, mas mostra que, em cenários bioinformáticos restritos, ela já começa a competir com bons especialistas.

O lançamento é cauteloso. Hoje o GPT-Rosalind está disponível em formato de research preview via ChatGPT, Codex e API, mas apenas para clientes corporativos qualificados nos EUA, dentro de um programa de acesso confiável (trusted access program). A OpenAI fala em medidas de segurança reforçadas, controle de acesso e requisitos de governança e controle interno: a organização deve conduzir pesquisas legítimas com benefício claro para a saúde humana, restringir o acesso ao modelo e seguir regras de prevenção ao uso indevido.

Entre parceiros e primeiros usuários, a empresa cita Amgen, Moderna, Thermo Fisher Scientific, Allen Institute e outras organizações do ecossistema de ciências da vida. Em paralelo, a OpenAI trabalha com o Los Alamos National Laboratory em suporte de IA para o projeto de proteínas e catalisadores. Para o mercado, é uma mudança importante.

A OpenAI mostra que a próxima grande aposta não são apenas modelos mais gerais e maiores, mas sistemas altamente especializados, voltados a processos profissionais específicos. Em ciências da vida, o custo do erro é alto, os dados são complexos e o ganho se mede não pelo número de respostas bonitas, e sim pela qualidade das hipóteses e pela velocidade dos experimentos. Se o GPT-Rosalind realmente se firmar nos processos de laboratório, vai reforçar a tendência de modelos de IA verticais para setores em que o valor nasce de profundo conhecimento do domínio, acesso a ferramentas e operação em ambiente rigorosamente controlado.