OpenAI ogłosiło 17 kwietnia 2026 roku wprowadzenie GPT-Rosalind — pierwszego modelu z nowej serii przeznaczonej wyłącznie dla nauk przyrodniczych. Model ma wspomagać badaczy w odkrywaniu nowych leków, analizie sekwencji genetycznych i planowaniu eksperymentów. Dostęp jest ściśle kontrolowany: w fazie testów badawczych mogą z niego korzystać wyłącznie wybrane organizacje z USA, które przeszły proces weryfikacji.
Najważniejsze w skrócie
- GPT-Rosalind to pierwszy wyspecjalizowany model OpenAI poza obszarem ogólnego przeznaczenia — dedykowany biochemii, genomice i inżynierii białek
- Model działa jako podgląd badawczy dostępny przez ChatGPT, Codex i API, wyłącznie dla klientów z programu zaufanego dostępu
- Na teście BixBench osiągnął wynik 0,751 Pass@1 — najwyższy wśród modeli z opublikowanymi wynikami
- OpenAI udostępniło bezpłatną wtyczkę do Codexa łączącą modele z ponad 50 naukowymi bazami danych i narzędziami
- Wśród pierwszych partnerów figurują Amgen, Moderna, Allen Institute i Thermo Fisher Scientific
Nazwany na cześć naukowczyni, której wkład długo pomijano
Nazwa modelu nie jest przypadkowa. GPT-Rosalind nawiązuje do Rosalind Franklin — brytyjskiej chemiczki i krystalografki rentgenowskiej, której zdjęcia dyfrakcyjne DNA były kluczowe dla odkrycia podwójnej helisy, a której wkład przez dekady pozostawał w cieniu nagrodzonych Noblem mężczyzn. Jak podaje oficjalny blog OpenAI, model ma przedłużać jej dziedzictwo: rygorystyczności i empirycznej precyzji w podejściu do nauk biologicznych.
Co potrafi model
GPT-Rosalind należy do rodziny modeli wnioskujących, zoptymalizowanych pod kątem wieloetapowych zadań naukowych. Oznacza to, że zamiast dostarczać odpowiedzi na pojedyncze pytania, może prowadzić badacza przez złożone ścieżki analityczne — od przeglądu literatury, przez syntezę danych eksperymentalnych, po projektowanie protokołów laboratoryjnych.
W praktyce model obsługuje pięć kategorii zadań: chemia organiczna, analiza struktury białek, genomika, projektowanie eksperymentów i używanie specjalistycznych narzędzi obliczeniowych. Każda z tych kategorii wymaga nie tylko znajomości faktów, ale umiejętności łączenia informacji z różnych baz danych i oceny ich wiarygodności w kontekście konkretnego problemu badawczego.
Równolegle z modelem OpenAI udostępniło bezpłatną wtyczkę do swojego środowiska programistycznego Codex. Wtyczka łączy modele z ponad 50 publicznymi bazami danych nauk przyrodniczych — m.in. obejmującymi genetykę funkcjonalną, strukturę białek, biochemię, farmakologię i dowody kliniczne. Działa jako warstwa zarządzająca, która pomaga naukowcom obsłużyć szerokie, wieloetapowe pytania badawcze bez konieczności ręcznego przeszukiwania dziesiątek źródeł.
Wyniki testów — co mówią liczby
Na teście BixBench, opracowanym przez Edison Scientific i mierzącym zdolności w realnych zadaniach bioinformatycznych, GPT-Rosalind osiągnął wynik Pass@1 równy 0,751 — najwyższy spośród modeli z opublikowanymi wynikami. Dla porównania: GPT-5.4 uzyskał 0,732, Grok 4.2 — 0,728, a Gemini 2.1 Pro — 0,550.
Na teście LABBench2, obejmującym 11 zadań badawczych takich jak wyszukiwanie literatury, dostęp do baz danych i projektowanie protokołów, GPT-Rosalind wyprzedził GPT-5.4 w sześciu z jedenastu kategorii, przy czym największy skok zanotował w zadaniu CloningQA, wymagającym kompleksowego zaprojektowania odczynników do klonowania molekularnego.
Najbardziej wymowny sygnał płynął z badania przeprowadzonego wspólnie z firmą Dyno Therapeutics, zajmującą się terapią genową. W ocenie z użyciem niepublikowanych, wcześniej nieznanych sekwencji RNA dziesięć najlepszych odpowiedzi modelu osiągnęło wyniki powyżej 95. percentyla ekspertów ludzkich w zadaniu przewidywania sekwencji, i ok. 84. percentyla w zadaniu ich generowania.
OpenAI zastrzega, że wyniki własne wymagają ostrożnej interpretacji. Testy z Dyno Therapeutics były jednak zaprojektowane z myślą o odporności na tzw. zanieczyszczenie danych — sekwencje nie były wcześniej publicznie dostępne.
Ograniczony dostęp jako zasada, nie wyjątek
GPT-Rosalind nie jest dostępny publicznie. Model jest uruchamiany w formie podglądu badawczego wyłącznie dla wybranych klientów korporacyjnych w USA, w ramach programu zaufanego dostępu, zarezerwowanego dla organizacji prowadzących uzasadnione badania dla dobra publicznego i utrzymujących wysokie standardy bezpieczeństwa i zarządzania.
Wśród wymagań dla uczestników programu OpenAI wymienia trzy zasady: działanie dla dobra publicznego, silne mechanizmy nadzoru i kontrolowany dostęp z zabezpieczeniami klasy korporacyjnej. Organizacje muszą też zgodzić się na specjalne warunki korzystania z podglądu dla nauk przyrodniczych i poddać się procesowi oceny kwalifikacyjnej.
W fazie podglądu korzystanie z modelu nie pomniejsza istniejących limitów tokenów ani środków na koncie.
Ograniczone wdrożenie to nieprzypadkowa decyzja. Jak podkreśla The Next Web, GPT-Rosalind ma wbudowane mechanizmy wykrywające potencjalnie niebezpieczne zastosowania — model jest zaprojektowany ze świadomością, że dostęp do zaawansowanego wnioskowania biologicznego rodzi też ryzyko nadużycia w kontekście projektowania szkodliwych substancji biologicznych.
Dlaczego to ważne?
Precedence Research szacuje, że nakłady branży farmaceutycznej na systemy AI osiągną 2,51 mld dol. (ok. 10 mld zł) w 2026 roku i 16,49 mld dol. (ok. 66 mld zł) do 2034 roku. OpenAI wchodzi na ten rynek z modelem specjalistycznym — i tym samym otwiera nowy rozdział w historii dużych modeli językowych: epokę systemów dziedzinowych.
Do tej pory dominujące podejście polegało na tworzeniu coraz bardziej ogólnych modeli, które miały być wystarczająco dobre we wszystkim. GPT-Rosalind odwraca ten kierunek: zamiast jednego modelu do wszystkiego, powstaje model zoptymalizowany do konkretnej dziedziny wiedzy, z własnymi zestawami testów, danymi treningowymi i partnerami branżowymi.
Bezpośrednią konkurencją jest AlphaFold Google DeepMind — system przewidywania struktury białek, który w 2024 roku zapewnił swoim twórcom Nagrodę Nobla z chemii. To jednak inne narzędzie: AlphaFold rozwiązuje jeden wyspecjalizowany problem strukturalny, GPT-Rosalind aspiruje do roli wielozadaniowego asystenta badawczego działającego przez cały cykl odkrycia naukowego.
Kluczowe pytanie brzmi: czy model rzeczywiście przyspieszy procesy odkrywania leków, czy tylko uczyni bardziej wydajną pracę analityczną? Sama Joy Jiao, szefowa działu badań nad naukami przyrodniczymi w OpenAI, powiedziała wprost: firma nie uważa, że AI może samodzielnie tworzyć nowe terapie. Realistyczna wizja to skrócenie etapów pośrednich — nie zastąpienie naukowców, ale odciążenie ich od najbardziej czasochłonnych elementów pracy.
Co dalej?
- OpenAI zapowiedziało GPT-Rosalind jako pierwszy model z całej serii przeznaczonej dla nauk przyrodniczych — kolejne wersje mają rozszerzać możliwości wnioskowania biochemicznego w złożonych, wielogodzinnych zadaniach
- Firma planuje współpracę z Los Alamos National Laboratory w zakresie projektowania białek i katalizatorów z pomocą AI
- Decyzje dotyczące cen i szerszej dostępności modelu mają zostać ogłoszone po zakończeniu fazy podglądu badawczego
Źródła
- OpenAI — ogłoszenie produktowe GPT-Rosalind — https://openai.com/index/introducing-gpt-rosalind/
- VentureBeat — analiza modelu i programu Trusted Access — https://venturebeat.com/technology/openai-debuts-gpt-rosalind-a-new-limited-access-model-for-life-sciences-and-broader-codex-plugin-on-github
- The Next Web — szczegóły techniczne i ocena bezpieczeństwa — https://thenextweb.com/news/openai-gpt-rosalind-life-sciences-drug-discovery-ai-model
- Axios — kontekst strategiczny i komentarze OpenAI — https://www.axios.com/2026/04/16/openai-models-life-sciences-drugs
- Yahoo Tech / Quartz — wyniki benchmarków i kontekst rynkowy — https://tech.yahoo.com/ai/articles/openai-launches-gpt-rosalind-ai-115350794.html
- Fierce Biotech — komentarz branżowy — https://www.fiercebiotech.com/biotech/openai-launches-biotech-specific-ai-model-gpt-rosalind
