OpenAI apresentou GPT-Rosalind — um modelo de IA para biologia, genômica e desenvolvimento de medicamentos

No dia 16 de abril, a OpenAI apresentou o GPT-Rosalind—o primeiro modelo especializado da empresa para life sciences, cobrindo tarefas na intersecção de biologia, farmacêutica e medicina aplicada. O modelo é nomeado em homenagem a Rosalind Franklin e é concebido não como substituto dos cientistas, mas como uma ferramenta para acelerar o aspecto mais exigente do trabalho científico: revisão de literatura, verificação de dados, formulação de hipóteses e planejamento dos próximos passos. Para contextualizar, o caminho de identificar um novo alvo de medicamento até a aprovação do FDA normalmente leva de 10 a 15 anos.

A OpenAI está apostando que a IA pode encurtar pelo menos os estágios iniciais deste ciclo, onde pesquisadores gastam enormes quantidades de tempo em análise, verificação de fatos e trabalho com fontes fragmentadas. De acordo com a descrição da empresa, o GPT-Rosalind é otimizado para processos científicos que exigem raciocínio sobre química, proteínas, genes, vias biológicas e protocolos experimentais. Ao contrário dos chatbots universais que conseguem fazer um pouco de tudo, o foco aqui está em cadeias de pesquisa longas: reunir e comparar dezenas de artigos, recuperar dados de bancos de dados especializados, interpretar resultados, propor uma hipótese de trabalho e ajudar a planejar o próximo experimento.

A OpenAI enfatiza separadamente que isto não é simplesmente sobre geração de texto. O modelo deve ajudar a resumir a base de evidências, gerar hipóteses, planejar experimentos e analisar dados—em outras palavras, operar dentro do fluxo de trabalho científico real, não apenas responder perguntas em uma janela de chat. Ao lado disso, lançaram o plugin Life Sciences research para Codex.

O plugin fornece acesso a mais de 50 ferramentas científicas, fontes de literatura, bancos de dados multi-ômicas e serviços biológicos. Na prática, isso significa que um pesquisador pode executar buscas de sequências, visualizar estruturas de proteínas, reunir publicações, encontrar conjuntos de dados abertos e vincular tudo isso ao raciocínio do modelo—tudo em uma interface. Para laboratórios e empresas farmacêuticas, isso importa mais do que apenas outro LLM: o valor emerge onde o modelo não apenas formula uma resposta, mas consegue acessar os dados necessários e integrar-se aos fluxos computacionais existentes.

De acordo com os benchmarks públicos da OpenAI, o GPT-Rosalind mostra o melhor resultado no BixBench entre modelos com métricas publicadas. No LABBench2, o modelo superou o GPT-5.4 em seis de onze tarefas; a empresa viu a melhoria mais significativa em CloningQA, onde é necessário projetar reagentes e um plano completo para clonagem molecular.

A OpenAI testou separadamente o modelo com a Dyno Therapeutics na tarefa de prever e gerar sequências de RNA por função, usando dados não publicados que não poderiam ter entrado no conjunto de treinamento. No ambiente Codex, os melhores resultados do modelo dentre dez tentativas excederam o 95º percentil de especialistas humanos na tarefa de previsão e estavam aproximadamente no 84º percentil na tarefa de geração de sequências. Isto não prova que a IA está pronta para fazer descobertas por conta própria, mas mostra que em cenários bioinformáticos estreitos, ela está começando a competir com especialistas fortes.

O lançamento foi cauteloso. O GPT-Rosalind está atualmente disponível como uma visualização de pesquisa através de ChatGPT, Codex e API, mas apenas para clientes corporativos qualificados nos Estados Unidos sob um programa de acesso confiável. A OpenAI cita medidas de segurança aprimoradas, controle de acesso e requisitos de governança e controle interno: uma organização deve conduzir pesquisa legítima com benefícios claros para a saúde humana, restringir o acesso ao modelo e seguir regras para prevenir abuso.

Entre parceiros e usuários iniciais, a empresa menciona Amgen, Moderna, Thermo Fisher Scientific, Allen Institute e outras organizações do ecossistema de life sciences. Em paralelo, a OpenAI está trabalhando com o Los Alamos National Laboratory em suporte de IA para design de proteínas e catalisadores. Para o mercado, este é um shift importante.

A OpenAI demonstra que a próxima grande aposta não é apenas modelos mais gerais e maiores, mas sistemas estreitamente especializados adaptados a processos profissionais específicos. Em life sciences, o custo do erro é alto, os dados são complexos, e o sucesso é medido não pelo número de respostas polidas, mas pela qualidade das hipóteses e velocidade dos experimentos. Se o GPT-Rosalind realmente se enraizar nos processos de laboratório, reforçará a tendência de modelos de IA verticais para indústrias onde o valor nasce da compreensão profunda do domínio, acesso a ferramentas e trabalho em um ambiente rigidamente controlado.