GPT-Rosalind: как OpenAI открыла отдельную линейку моделей для биотеха

Розалинд Франклин — кристаллограф, чьи рентгенограммы ДНК в 1952 году позволили Уотсону и Крику расшифровать двойную спираль. Её имя осталось в науке как символ специалиста, чей вклад долго недооценивали. 16 апреля 2026 года OpenAI назвала в её честь первую модель новой линейки Life Sciences — GPT-Rosalind. И это не только жест уважения: это сигнал, что OpenAI уходит из парадигмы «одна модель для всего» в доменно-специфичный фронтир.

Что это за модель

GPT-Rosalind — первая из серии Life Sciences, которую OpenAI называет отдельной продуктовой линейкой. Это reasoning-модель, дообученная на биохимии, геномике и белковой инженерии. Под капотом — вариант GPT-5.4, но с специализированным пост-тренингом на научных данных и отдельным выравниванием под безопасность в биотехе.

Главное отличие от обычного GPT — модель умеет работать с научной литературой, молекулярными структурами, последовательностями ДНК и белков на уровне, где общая модель путается. Она понимает контекст CRISPR-редактирования, умеет предлагать праймеры для ПЦР, разбирается в протоколах молекулярного клонирования.

Доступ ограничен. GPT-Rosalind доступна через ChatGPT, Codex и API, но только для корпоративных клиентов в США, прошедших программу trusted-access. Это не про технические ограничения — это про dual-use risk management. Тот же технологический стек, который помогает разработать лекарство, теоретически может помочь и в создании биоугроз.

Результаты на бенчмарках

OpenAI сравнивает модель на двух основных бенчмарках биомедицинского ризонинга — BixBench и LABBench2.

BixBench — это задачи на биоинформатику и анализ данных, построенные на реальных сценариях из научных лабораторий. Модель должна понимать контекст эксперимента, предлагать следующий шаг, правильно интерпретировать результаты секвенирования.

Модель	BixBench Pass@1
GPT-Rosalind	0.751
GPT-5.4	0.732
GPT-5	0.728
Grok 4.2	0.698
Gemini 3.1 Pro	0.550

GPT-Rosalind выигрывает у GPT-5.4 на 1.9 процентных пункта. Цифра небольшая — но статистически значимая, и она получена на специально отобранном бенчмарке, где учитывались только публично проверяемые задачи.

LABBench2 — расширенный бенчмарк 2026 года, который включает литературный поиск, работу с базами данных, манипуляции с последовательностями и дизайн лабораторных протоколов. 11 категорий задач.

На LABBench2 GPT-Rosalind обогнала GPT-5.4 в 6 из 11 категорий. Самый заметный отрыв — CloningQA, где модель должна спроектировать реагенты и протокол молекулярного клонирования от начала до конца. Это комплексная задача, которая требует понимания биохимии, вектор-картографии и экспериментальной практики одновременно.

Почему это важно

Биотех-компании давно используют AI, но не для reasoning, а для структурных предсказаний. AlphaFold — прекрасная модель для фолдинга, но она не отвечает на вопросы «какой следующий эксперимент мне поставить» или «как спроектировать контрольную группу». Разрыв между структурным AI и исследовательским ризонингом закрывали в ручную — PhD-исследователи тратили часы на то, что в других областях AI автоматизировал ещё в 2024.

GPT-Rosalind пытается закрыть именно этот слой. Не заменить AlphaFold, а встать рядом: один решает геометрию белка, другой отвечает на вопросы про биохимическую логику, в которой этот белок работает. Для фарма-стартапа — это ускорение цикла от идеи до эксперимента с недель до часов.

Критика: access-стратегия, не прорыв

Implicator в своём обзоре называет вещи своими именами: «GPT-Rosalind sells access, not discovery». Критика в том, что модель не делает ничего, что не могла бы делать GPT-5.4 после нужного пост-тренинга. Но OpenAI упаковывает это в отдельный продукт с отдельным доступом — фактически создавая ещё один платный слой над API.

Часть критики справедлива. Прирост в 1.9 пункта на BixBench — не революция. Главная ценность GPT-Rosalind — не в технологии, а в том, что OpenAI взяла на себя согласование доступа, комплаенс с FDA-гайдлайнами, dual-use-проверку. Для фармы это нетривиальная часть работы, которую теперь можно делегировать.

Вторая часть стратегии — сам факт появления доменной линейки. Если Life Sciences работает, следующими могут быть GPT-Legal, GPT-Materials, GPT-Finance — каждая со своим trusted-access-программами и своей ценой. Это переход от модели «один API для всех» к модели «специализированные вертикали». Anthropic с Claude Opus 4.7 пока идёт другим путём — одна модель, которая пытается быть хороша везде.

Кому это полезно

Практически — трём категориям. Первая — фарма-компании и биотех-стартапы в США, у которых есть reasearch команды и бюджет на корпоративный API. Для них GPT-Rosalind — это замена junior research associate, но быстрее и дешевле.

Вторая — академические лаборатории, которые смогут получить доступ через trusted-partner программы. Здесь важны два фактора: литературный ресёрч на уровне, где модель понимает термины, и автоматизация протоколов.

Третья — регуляторы. FDA и аналоги в Европе получают новый инструмент для первичного скрининга заявок. Модель, которая понимает биохимическую логику, может быстрее находить слабые места в клинических протоколах — до того, как заявка попадёт на стол живого эксперта.

Что это меняет в индустрии

За последний год AI-компании делили рынок по размеру модели. В 2026 границы сдвигаются. Linchpin решения теперь — не «у кого больше параметров», а «у кого есть домен, доступ и доверие». Анонс GPT-Rosalind — первый явный шаг OpenAI в сторону вертикальной специализации.

Для разработчиков общих AI-продуктов это новость нейтральная. Для тех, кто строит на API в биотехе — серьёзный аргумент перемерить стек. Для тех, кто продаёт доменные AI-решения на основе GPT-5.4 с собственным пост-тренингом — это новая конкурентная реальность. OpenAI теперь соревнуется не только с Anthropic и Google, но и со своими же клиентами, которые делают то же самое поверх её моделей.