新智元报道
最近，OpenAI进军制药领域，并发布了首个专门的生命科学模型系列GPT-Rosalind，在RNA预测任务中超越了95%的人类专家。
OpenAI这次的目标是一个需要长期投入的市场。
前不久，该公司推出了名为GPT-Rosalind的新款模型。
这个名字是为了纪念对DNA结构有重大贡献的科学家Rosalind Franklin。
Rosalind Franklin（1920-1958），一位英国物理化学家，在X射线晶体学方面的工作为发现DNA双螺旋结构奠定了基础。OpenAI以此命名其首个生命科学模型。
通过这款专门设计的推理模型，OpenAI直接进入了生物医学、药物开发和转化研究的核心领域。
在与Dyno Therapeutics的合作测试中，GPT-Rosalind在RNA序列功能预测方面展现出了超越95%人类专家的能力。
开发一种新药在美国通常需要10到15年的时间。
OpenAI希望通过人工智能技术大幅缩短这一过程的早期阶段。
GPT-Rosalind旨在将靶点发现、假设生成、实验规划和文献综合等工作流统一起来，减轻科研人员的工作负担。
不是聊天机器人
是实验室搭档
这个模型并不是GPT-5.4的升级版。
它是OpenAI「生命科学模型系列」中的首款产品，专为科学研究流程进行了优化。它的核心能力包括化学反应机理推理、蛋白质结构与突变效应理解、基因组学解读等五个方面。
此外，OpenAI还推出了一个名为Life Sciences Research的插件，旨在连接多个公共数据库和科学工具。
但模型本身只是一半。
插件代码已在GitHub上公开发布，可以访问50多个数据源和科学资源库。
有了这个插件，科学家可以在同一窗口内查询PubMed、运行BLAST序列比对、调用AlphaFold查看蛋白质结构，并搜索临床试验数据等操作。
想象一下一位药物研发人员的日常：
上午查阅文献，下午切换到UniProt和NCBI进行基因序列对比，同时在Excel中整理实验结果。一天下来真正用于“思考”的时间可能只有三分之一。
GPT-Rosalind的目标就是将这些分散的操作整合在一个界面内完成。它不会替代实际的实验室工作，但可以帮助科学家更好地规划下一步的研究方向。
目前，GPT-Rosalind的合作方包括Amgen、Moderna等业内领军企业。
除了提供技术支持外，OpenAI还与麦肯锡、BCG和贝恩三家咨询公司合作，帮助制药行业集成这些模型并应用于实际场景中。
OpenAI的策略不仅仅是出售模型本身，更是在推动整个解决方案体系的发展。
这个新工具在RNA序列功能预测任务上击败了95%的人类专家。
GPT-Rosalind的能力如何？
RNA预测
为了验证这一点，OpenAI与一家专门从事AI基因治疗的公司Dyno Therapeutics进行了合作测试。
经过一系列未公开和未经训练数据污染的RNA序列任务评估后发现，GPT-Rosalind在RNA序列功能预测上超越了95%的人类专家；而在生成新序列的任务中则略逊一筹。
这反映了当前AI技术在生命科学领域的一个真实局限：分析能力超过创造设计能力。
尽管如此，这一成绩仍然代表了AI与生物医学结合领域的顶尖水平之一。
GPT-Rosalind在五项生物和化学基准测试中均取得了最高分，在实验设计和分析方面进步尤为显著。
在专注于真实生物信息学任务的BixBench基准上，Rosalind的表现领先于已公开成绩的所有模型。
而与广义AI模型GPT-5.4相比，Rosalind在LABBench2的六项任务中表现出色，在要求设计完整分子克隆方案的任务上尤其突出。
这些测试结果表明，专用垂直模型在专业领域可能比通用模型更有效率。
不过需要注意的是，这些成绩都基于特定基准测试，并不代表能够直接应用于临床管线的效率提升。
当谈及生命科学领域的AI工具时，人们往往会想到Google DeepMind开发的AlphaFold。
基准测试也同样出色。
两者之间存在本质区别。AlphaFold是一个专注于蛋白质折叠问题的强大计算引擎，而GPT-Rosalind更像是一个研究助手，能够辅助文献综合、假设生成和实验规划等工作流程。
如果把AlphaFold比作一台超级显微镜的话，那么Rosalind就像是坐在显微镜旁帮助科学家分析数据、查阅文献并设计下一步实验的伙伴。
因此，两者之间不是竞争关系，而是互补。这也反映了两家公司在“AI+科学”领域采取的不同策略：AlphaFold致力于解决一个核心问题，而GPT-Rosalind则着眼于优化整个实验室的工作流程效率。
未来哪个方向能够走得更远还有待观察，但可以确定的是，当这两种技术在生命科学研究中交汇时，将极大地推动人类对科学的认知边界。
所有这些成绩都来自特定基准测试，并非来自真实的临床管线。从跑分到真正缩短10到15年的新药周期，中间还有一条巨大的鸿沟。
显微镜和研究助手
说到生命科学AI，很多人第一个想到的名字是Google DeepMind的AlphaFold。
这是一个绕不开的问题，熟悉这一领域的人很容易拿两者比。
那Rosalind和AlphaFold什么关系？两者完全不同层级的工具。
AlphaFold是一个计算引擎。
它只把一件事做到极致：输入氨基酸序列，输出蛋白质3D结构，它解决的是困扰结构生物学几十年的「蛋白质折叠问题」。
AlphaFold数据库里已经有超过2亿个结构预测，AlphaFold 3进一步扩展到蛋白-配体、蛋白-核酸等复合物的相互作用预测。
https://alphafold.ebi.ac.uk/?pStoreID=techsoup%2F1000&utm_source=chatgpt.com
GPT-Rosalind则更像是一个研究伙伴。
它可以帮你做文献综合、假设生成、实验规划、序列功能解读、工具调用。
如果把AlphaFold比作一台超级显微镜，Rosalind是坐在显微镜旁边帮你分析数据、查文献、设计下一步实验的研究助手。
因此，两者的关系不是谁取代谁，更像是一种互补关系，也代表了两家公司在「AI+科学」上不同的路线：
AlphaFold打造了生命科学的「超级显微镜」，在计算环节「单点爆破」，解决了一个诺奖级的问题；而Rosalind试图成为调度这一切的「大脑」，从横向的「工作流」包抄，想重塑整个实验室的生产力。
谁能够跑得更远，现在下结论还太早。
可以肯定的是，当这两种力量在生命科学领域交汇时，那个人类科学发现的奇点离我们就更近了。
参考资料：
https://openai.com/index/introducing-gpt-rosalind/
https://x.com/OpenAI/status/2044861690911850863?s=20