GPT-Rosalind-6 Research is OpenAI’s redeneermodel voor onderzoek in biologie, geneesmiddelenontwikkeling en translationele geneeskunde. OpenAI publiceerde het model op 30 oktober 2026 als een toepassing met beperkte toegang.
De scores die OpenAI publiceerde gaan over specifieke onderzoekstaken. Ze geven geen uitsluitsel over klinische werking; voor biorisico maakt het bovendien uit of een score weigeringen meetelt.
Hoe GPT-Rosalind-6 verschilt van GPT-6 Astra
GPT-Rosalind-6 gebruikt dezelfde modelgewichten als GPT-6 Astra. OpenAI zegt dat het voor deze versie geen extra trainingsdata heeft toegevoegd en geen aanvullende post-training heeft uitgevoerd. Het verschil zit in de onderzoeksgerichte inzet, toegangscontrole en aangepaste weigeringsgrenzen, aldus de systeemkaart van OpenAI.
Het model is bedoeld voor legitiem onderzoek naar levenswetenschappen, waaronder sommige biologische vragen met een dubbel gebruik: kennis die zowel voor nuttig onderzoek als voor schadelijke toepassingen kan worden ingezet. OpenAI zegt dat GPT-Rosalind-6 op zulke onderzoeksvragen minder vaak weigert dan modellen voor algemeen gebruik, maar verzoeken blijft afwijzen die biologische wapenontwikkeling betekenisvol zouden ondersteunen.
Wat de drie onderzoekstests meten
OpenAI vergeleek GPT-Rosalind-6 met GPT-Rosalind-5.5 op drie benchmarks voor onderzoek in de levenswetenschappen. Alle scores hieronder zijn gemeten bij het hoogste redeneerbudget dat OpenAI testte.
| Evaluatie en maatstaf | GPT-Rosalind-6 | GPT-Rosalind-5.5 | Testomvang en opzet |
| MedChemBench v7, gemiddelde rubric-score | 49,6% | 28,9% | Dezelfde 99 problemen; per redeneerbudget maximaal negen beoordeelde antwoorden per probleem. |
| GeneBench Pro v13, succes bij één poging | 37,7% | 16,7% | 129 problemen; per redeneerbudget zeven antwoorden per model en probleem. De benchmarkconfiguratie verschilt van productie. |
| LifeSciBench Gold, gemiddelde score | 61,3% | 44,0% | Dezelfde 94 problemen; per redeneerbudget maximaal acht beoordeelde antwoorden per probleem. Zes van de oorspronkelijke 100 problemen waren uitgesloten wegens mogelijke problemen met de taak of de evaluatieomgeving. |
De tests meten verschillende dingen: MedChemBench v7 toetst onder meer het interpreteren van chemische structuren en voorspellingen over geneesmiddelen; GeneBench Pro v13 meet het plannen en uitvoeren van kwantitatieve analyses van biologische gegevens; LifeSciBench Gold bestaat uit onderzoekstaken van werkende levenswetenschappers. De percentages zijn resultaten op die specifieke benchmarks, gerapporteerd door OpenAI. Ze meten geen patiëntuitkomsten of succes bij het ontwikkelen van geneesmiddelen.
Waarom GPT-6 Astra hoger scoort op de aangepaste biorisicomaat
cons@32 is het percentage vragen waarvoor het meest gegeven antwoord uit 32 modelreacties juist is. OpenAI rapporteerde daarnaast het weigeringspercentage en een aangepaste cons@32-score, waarin weigeringen als correct worden meegeteld. Dat zijn drie verschillende maatstaven.
| Maatstaf op de biorisicokennistest | GPT-Rosalind-6 | GPT-6 Astra |
| cons@32 | 78,3% | 63,3% |
| Weigeringspercentage | 9,4% | 29,2% |
| Voor weigeringen aangepaste cons@32 | 85,0% | 90,0% |
GPT-Rosalind-6 weigerde in deze test minder vaak, maar GPT-6 Astra had de hogere aangepaste score: 90,0% tegenover 85,0%. Dat komt doordat de aangepaste maat weigeringen meetelt als correct; Astra’s hogere weigeringspercentage beïnvloedt die score dus anders dan de ruwe cons@32. OpenAI noemt 80% als indicatieve grens voor de categorie High op deze test.
Welke veiligheidsclassificaties OpenAI hanteert
OpenAI classificeert GPT-Rosalind-6 als High voor biologische en chemische capaciteiten, onder de grens voor Critical. Voor cybersecurity noemt OpenAI de classificatie Critical; voor AI-zelfverbetering ligt het model onder High.
Voor biologische capaciteiten gebruikte OpenAI vier tests op High-niveau en vier op Critical-niveau. Na correctie voor weigeringen kwam GPT-Rosalind-6 bij drie van de vier High-tests boven de indicatieve drempel uit. Geen van de vier Critical-tests haalde de bijbehorende indicatieve drempel. OpenAI zegt dat die grenzen voorlopig zijn en dat de tests specifieke capaciteiten meten, geen volledige beoordeling van het vermogen om biologische schade te veroorzaken.
Hoe goedkeuring en toegang via Work en Codex werken
De release notes van OpenAI beschrijven een beperkte uitrol naar goedgekeurde Enterprise-klanten via Work en Codex. De uitrol betreft niet het Chat-tabblad. Zowel de organisatie als de gebruiker heeft Research-goedkeuring nodig. De toegang begint met een beheerderspreview van twee weken en staat standaard uit; beheerders moeten goedgekeurde gebruikers toegang geven.
Bij de beoordeling kijkt OpenAI naar de onderzoeksmissie, het beoogde gebruik, de onderzoeks- en operationele governance en de manier waarop een organisatie toegang beheert. Niet-gouvernementele aanvragers krijgen ook bedrijfs- en nalevingscontroles. Goedgekeurde organisaties moeten de toegang beperken tot bevoegde gebruikers. Een deskundige menselijke controle is vereist voordat modeluitvoer wordt gebruikt voor experimenten, publicaties of besluiten met grote gevolgen.
Wat een eerdere Codex-demo laat zien
In een demonstratie uit april 2026 laat OpenAI GPT-Rosalind in Codex een bewijspakket over drie astmadoelen analyseren. Het systeem verdeelt het onderzoek over afzonderlijke bewijssporen en brengt de bevindingen samen in een prioritering met onder meer een heatmap. De video toont een voorbeeldworkflow van GPT-Rosalind, niet specifiek een demonstratie van GPT-Rosalind-6.
