GPT-Rosalind от OpenAI: где заканчивается хайп и начинается рабочий инструмент для биологии

Когда я писала про mRNAid ^[1], меня не отпускала одна мысль: в разработке терапевтических мРНК все еще слишком много ручной работы.

Транскрипт должен и хорошо транслироваться, и достаточно долго жить, и при этом не запускать лишний иммунный ответ ^[2]. На бумаге звучит красиво, а в лабораторной реальности это горы правок, локальные скрипты и “знание из головы”, которое трудно передать между командами.

Да, у нас есть полезные строительные блоки вроде DNA Chisel. Но открытой платформы полного цикла, где последовательно учитываются структурные, последовательностные и иммуногенные ограничения, по-прежнему не хватает.

Поэтому новость про GPT-Rosalind я читала без восторженных криков и без привычного скептического “ну опять”. Скорее как аккуратную заявку на новый связующий слой над существующим инструментарием.

Что именно запустила OpenAI

В официальном анонсе ^[3] GPT-Rosalind описана как модель рассуждений для задач наук о жизни: синтез доказательной базы, генерация гипотез, планирование экспериментов, многошаговые исследовательские сценарии в геномике, биохимии и белковой инженерии.

Модель названа в честь Розалинд Франклин – британского химика и пионера рентгеновской кристаллографии, чьи снимки сыграли ключевую роль в расшифровке структуры ДНК. Axios ^[4] делает правильный акцент: это запуск не “еще одного универсального помощника”, а первой профильной линии.

Зачем здесь плагин для Codex

Вместе с моделью OpenAI выложила бесплатный исследовательский модуль для Codex. По релизу, он дает доступ к более чем 50 публичным базам и инструментам – от генетики человека и функциональной геномики до задач по структуре белков и биохимии.

В том же анонсе OpenAI отдельно указывает, что GPT-Rosalind доступна для квалифицированных пользователей через ChatGPT Enterprise и API в режиме trusted access.

Публичный репозиторий модуля: Life Sciences Research Plugin ^[5].

Отдельный важный нюанс: сам модуль используется шире, а ограничения trusted access относятся именно к GPT-Rosalind.

В бытовом переводе это значит одно: меньше ручного переключения между десятком разрозненных сервисов, больше целостных цепочек работы вокруг одного вопроса.

Бенчмарки: что известно и где надо быть осторожной

С цифрами всегда лучше держать холодную голову.

В BixBench ^[6] (его сделали FutureHouse и ScienceMachine) OpenAI заявляет результат GPT-Rosalind на уровне Pass@1 = 0,751.

По данным OpenAI, сравнение с другими моделями в диаграмме релиза выглядит так: GPT-5.4 (0,732), Grok 4.2 (0,728), GPT-5.2 (0,698), GPT-5 (0,611), Gemini 3.1 Pro (0,550).

В разных публикациях встречаются небольшие расхождения в порядке и округлении отдельных значений, но общий вывод не меняется: по релизным данным OpenAI лидирует GPT-Rosalind.

Здесь важная граница честности: это цифры из материалов OpenAI. Полноценной независимой публикации с внешней верификацией этих сравнений пока нет.

В том же релизе указано, что в LABBench2 модель обходит GPT-5.4 в 6 из 11 задач, а самый заметный прирост приходится на CloningQA.

Отдельная часть – партнерское тестирование с Dyno Therapeutics: использовались неопубликованные РНК-последовательности, а лучшие десять ответов GPT-Rosalind попали в топ 95-го перцентиля среди экспертов-людей; в генерации последовательностей результат дошел до 84-го перцентиля.

VentureBeat ^[7] называет это уровнем, где ИИ уже может быть рабочим соавтором: быстрее перебирает гипотезы и помогает не пропустить важные закономерности.

Почему доступ закрыт

В биологии проблема двойного назначения не академическая, а очень практическая. Инструменты, которые ускоряют поиск лекарств, в плохом сценарии могут ускорять и обратные вещи.

Поэтому OpenAI не делает широкий публичный запуск: сейчас это режим исследовательского доступа для корпоративных клиентов и только в США на старте. В релизе отдельно зафиксированы требования к участникам и оговорка, что в этот период использование не расходует существующие кредиты и токены при соблюдении ограничений против злоупотреблений.

В числе участников OpenAI перечисляет 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 и другие организации раннего доступа.

Конкурентный фон и деньги

Контекст здесь очень плотный.

AlphaFold от Google DeepMind действительно перевернул структурную биологию, а в 2024 году это направление получило Нобелевскую премию по химии ^[8].

14 апреля 2026 года AWS анонсировала Amazon Bio Discovery: Introducing Amazon Bio Discovery ^[9]. Через два дня, 16 апреля, OpenAI опубликовала релиз GPT-Rosalind.

По Precedence Research ^[10], объем рынка ИИ в фармацевтике оценивается в 2,51 млрд долларов в 2026 году и 16,49 млрд к 2034 году, со среднегодовым темпом роста около 27%.

Что это значит для открытых инструментов

Самый частый вопрос звучит резко: “убьет ли GPT-Rosalind узкие инструменты с открытым исходным кодом вроде mRNAid”.

Мой ответ пока спокойный. Прямой конкуренции меньше, чем кажется.

mRNAid решает конкретную вычислительную задачу оптимизации последовательностей под набор ограничений. GPT-Rosalind работает на другом уровне: помогает собирать доказательную базу, формулировать гипотезы и быстрее проходить длинные аналитические цепочки.

И да, проверка в “мокрой” лаборатории остается обязательной. Это пока не обходит никакая модель.

Вывод

OpenAI называет GPT-Rosalind первым релизом в линейке для наук о жизни и напоминает, что путь от гипотезы до одобрения препарата часто занимает 10-15 лет.

Если эта ставка сработает, эффект будет не в “одном правильном ответе”, а в ускорении ранних этапов – от формулировки идеи до кандидата, которого уже можно проверять экспериментально.

При этом закрытый доступ меняет правила игры. Открытым инструментам придется доказывать ценность рядом с крупными платформами: прозрачностью, воспроизводимостью и честными границами применимости.

Примечание об источниках: данные по BixBench, LABBench2 и Dyno Therapeutics взяты из официального релиза OpenAI ^[3] и связанных материалов; по плагину – из репозитория GitHub ^[5]; по Amazon Bio Discovery – из блога AWS; по рынку – из отчета Precedence Research. Независимая верификация сравнительной таблицы моделей на момент публикации отсутствует.