深度 · AI4Bio · OpenAI

GPT-Rosalind 升级背后：
OpenAI 正在把 AI 塞进大药企的研发管线

这次更新，模型层的进步是普通的。但围绕模型展开的工作台、企业合作、监管能力、access 模式四件事拼到一起，讲的是一个比 benchmark 大得多的故事。

BioTender 编辑部 · 2026 年 6 月 5 日 · 本文约 2400 字

OpenAI 于 2026 年 6 月 3 日发布 GPT-Rosalind 系列更新，定位"为生命科学研究而生"。

6 月 3 日，OpenAI 更新了 GPT-Rosalind。如果你只看摘要，你会觉得这就是又一次"模型变强了"——MedChemBench 涨了 2.4 个点，GeneBench 涨了 1.2 个点，token 用得更少。一次再常规不过的迭代。

但 OpenAI 这次真正想说的话，从来不在博客的前半段。

01数字本身很普通

OpenAI 这次公布了四个自建基准：LifeSciBench（端到端的生命科学工作流评测，六个维度——证据处理、分析、设计与优化、推理、验证与运营、翻译沟通），以及三个子领域基准——MedChemBench、GeneBench、LabWorkBench。

LifeSciBench 总分：GPT-Rosalind 63.40%，领先 GPT-5.5（约 59%）、Gemini 3.1 Pro（约 52%），Grok 4.3 垫底（约 34%）。

MedChemBench：27.5% vs GPT-5.5 25.1%，少 7.2% tokens

GeneBench：21.6% vs 20.4%，少 31% tokens

LabWorkBench：63.2% vs 55.8%，少 5.3% tokens

只有 LabWorkBench（真实湿实验协议）的提升像样——7.4 个点。其他两个核心基准的提升都在 1-2.5 个点之间。

更刺眼的是绝对值。MedChemBench 27.5%——这是一个"针对真实医药化学工作流"的基准，及格线都没摸到。GeneBench 21.6%——基因组学连四分之一都没拿满。

这不是"AI 攻克了药物发现"，这是"AI 在药物发现上比上一代多对了几道题"。

而且，全部基准都是 OpenAI 自己出题、自己打分。Biomni 至少把 benchmark 开出来给社区跑，Rosalind 这套数据完全锁在闭门里。

02真正变天的不是模型，是工作台

如果你只盯分数，你会完全错过这次更新真正的炸点。

OpenAI 同时发布了两个 plugin——Life Sciences Research（文献证据 + 生物学解释）、Life Sciences NGS Analysis（scRNA-seq QC、bulk RNA-seq 流程）。加上 Codex 里原生集成的 sequence viewer、alignment viewer、structure viewer。

Life Science Research Plugin：作为 Codex 的"生命科学研究层"，封装跨领域的模块化 skill，从基因学到化学、临床证据。

NGS Analysis plugin 演示：用户上传 ctDNA 突变数据，模型自动生成 Marimo notebook，输出队列分析、突变频谱、可疑信号——研究员只需审查。

scRNA-seq QC & Annotation：将 10x 标准 matrix bundle 转化为 QC 过滤后的单细胞 artifact、UMAP 与细胞类型注释，全程在 Codex 中可审查、可修订。

这意味着，生物学家可以在同一个 workspace 里：调文献、跑 bioinformatics、看比对、看结构、做实验设计、写监管报告——全程由 GPT-Rosalind 在背后驱动，每一步 artifact 和 provenance 都留档。

这是一个完整的科研环境，不是一个聊天框。

谁会被挤？Biomni Lab 等所有靠 agent 路线、靠工具集成做差异化的公司。今天起，他们必须解释一件事：你做的事情，OpenAI 用 Codex + plugin 也能做，差在哪？

Biomni Lab 于近期宣布"generally available"——免费可用、ISO 27001 认证、Pro 5 倍用量。一边是开源普及，一边是 trusted-access 闭门，路线分野日益清晰。

答案如果只是"开源"、"便宜"、"中国研究者能用"，那不够。要回答得有力，需要在工作台层、生态层、垂直数据层做出 OpenAI 无法跟随的差异。

03Novo Nordisk 不是来打广告的

文章中段，OpenAI 官宣了 Novo Nordisk 作为合作伙伴。这个时点选得非常精。

OpenAI 官宣与 Novo Nordisk 合作：用 GPT-Rosalind 帮助 R&D 团队跨文献、基因组、转录组、序列、结构、实验结果做证据整合。

过去 18 个月，AI 制药的 narrative 在大药企那边其实是受伤的：Sarepta 的 Elevidys 出事、Recursion 砍管线、Isomorphic 进展低于预期、AI 一线公司估值集体回调。Big pharma 对"AI 提速研发"的耐心，从来没像现在这么薄。

OpenAI 这时候把 Novo Nordisk（GLP-1 时代最大赢家、研发预算雄厚、自带 AI 战略）的 logo 摆出来，传达的信号不是"我们有客户"，而是——

"big pharma 没有放弃 AI，他们只是放弃了某些 AI。"

淘汰的是中小 AI biotech 和单点工具公司。hyperscaler 级别的 AI 平台、配合大药企内部数据闭环跑——这条路被 validated 了。至于哪些公司不在这条路上，市场会自己算。

04最该读的不是 benchmark 表，是那个 FDA 示例

整篇博客最值得反复读的，不是 benchmark 表，而是 LifeSciBench Evidence Handling 维度下那个示例任务。

示例任务：AAV9-microDys-X，DMD 适应症的 AAV9 微抗肌萎缩蛋白基因疗法，准备 Type B FDA meeting，要求模型对 accelerated approval 数据包做"硬核批判"。

任务背景：一个 AAV9-microdystrophin 基因疗法（DMD 适应症），准备开 Type B FDA meeting，问 GPT-Rosalind——这个数据包，到底能不能撑起 accelerated approval 用 micro-dystrophin 表达量作为 surrogate endpoint？

模型的回答是一张完整的表格，逐条拆掉这个数据包的每一处弱点：

模型回应：从 Western blot 标准品错位、MANEX1A 抗体 epitope 共享、IF 用 C-terminal 抗体而构建体缺 C-terminal，到 NSAA external natural-history 对照的统计偏差、4-7 岁年龄窗发育混杂、AAV9 持久性、心肌炎、anti-AAV9 排除标准的 generalizability 缺口——每一项都对应 rubric 分值。

每一刀都切在 FDA reviewer 真正会切的地方。

这不是"AI 总结文献"。这是 AI 进入了药企 regulatory affairs 的核心房间。

放到 Sarepta Elevidys 刚刚集体翻车的语境里看，这个 demo 选题精准到让人不寒而栗——OpenAI 在告诉每一家在做基因治疗、做 BLA 答辩、做 advisory committee 准备的公司：你们最贵的咨询服务、你们最资深的 regulatory consultant，AI 现在能做。

05Trusted-access：闭源化是产业事实

GPT-Rosalind 的访问方式延续 trusted-access deployment。要拿到模型权限，组织必须满足三条：在做"具有清晰公共利益的合法科研"，有"强治理和安全监督"，有"企业级安全的受控访问"。

听起来很标准。实际意思是：前沿生物 AI 正在系统性闭源化。

OpenAI 走 trusted-access。Anthropic 走 Project Glasswing。Google DeepMind 的 AlphaFold 3 在 web server 上限制商用调用。这一波 frontier bio AI，几乎集体放弃了模型公开权重的路线。

理由是 biosecurity——这个理由本身没错。但它的产业后果是清晰的：未来五年，谁掌握"被信任的资格"，谁就掌握下一代药物发现的入口。

"全球合格机构"这个口径，在过去 12 个月里，事实上把中国大陆几乎全部排除在外。这是一个不能假装看不见的事实。

06收个尾

GPT-Rosalind 这次升级，模型层的进步是普通的。但围绕模型展开的工作台 + 企业合作 + 监管能力 + access 模式这四件事拼到一起，它讲的是一个比 benchmark 数字大得多的故事：

OpenAI 不打算只做生命科学的模型供应商。它要做的是——

生命科学研究的操作系统。

谁的工作流跑在它上面，谁的研发管线就被它锚定。

这场仗，benchmark 分数从头到尾都只是开胃菜。

· · ·

GPT-Rosalind 升级背后：OpenAI 正在把 AI 塞进大药企的研发管线