30 października 2026 r. OpenAI opublikowało GPT-Rosalind-6 Research, model przeznaczony do badań biologicznych, odkrywania leków i medycyny translacyjnej, czyli przenoszenia wyników badań do praktyki medycznej. Według karty systemowej OpenAI model wykorzystuje te same wagi co GPT-6 Astra, ale działa w odrębnym wdrożeniu badawczym z innymi zasadami dostępu i odmów.
To ważne dla naukowców, którzy potrzebują odpowiedzi na niektóre pytania biologiczne o podwójnym zastosowaniu, a zarazem muszą pracować w ramach kontroli dostępu i nadzoru człowieka.
Czym GPT-Rosalind-6 różni się od GPT-6 Astra
OpenAI podaje, że na potrzeby GPT-Rosalind-6 nie dodano danych treningowych ani nie przeprowadzono dodatkowego post-trainingu, czyli dalszego dostrajania modelu po treningu. Zmienił się sposób wdrożenia: Rosalind ma odmawiać rzadziej przy niektórych pytaniach z zaawansowanej biologii, na które model ogólnego przeznaczenia mógłby nie odpowiedzieć, a nadal odmawiać próśb, które mogłyby istotnie ułatwić tworzenie broni biologicznej.
Co mierzą testy biologiczne OpenAI
OpenAI opublikowało wyniki trzech ewaluacji przy najwyższym testowanym budżecie rozumowania. Każdy test obejmował inny zestaw zadań, więc wyniki porównują modele w ramach konkretnej ewaluacji, a nie w jednej wspólnej skali.
| Ewaluacja i miara | GPT-Rosalind-6 | GPT-Rosalind-5.5 | Zakres i ograniczenie |
| MedChemBench v7, średni wynik według kryteriów oceny | 49,6% | 28,9% | Te same 99 zadań; do dziewięciu ocenianych odpowiedzi na zadanie przy każdym budżecie rozumowania. |
| GeneBench Pro v13, szacowana skuteczność pojedynczej próby | 37,7% | 16,7% | 129 zadań i siedem odpowiedzi każdego modelu na zadanie przy każdym budżecie; konfiguracja testu różni się od produkcyjnej. |
| LifeSciBench Gold, średni wynik | 61,3% | 44,0% | 94 zadania; sześć ze 100 wykluczono z powodu możliwych problemów z zadaniem lub środowiskiem oceny. |
Są to wyniki ewaluacji OpenAI dotyczących określonych zadań. Same wyniki nie mierzą skuteczności klinicznej ani rezultatów odkrywania leków.
Jak rozumieć wyniki testu ryzyka biologicznego
W teście wiedzy o ryzyku biologicznym OpenAI podaje trzy różne miary. cons@32 to raportowany wynik konsensusu przy 32 odpowiedziach; odsetek odmów opisuje, jak często model odmawiał, a wynik skorygowany o odmowy zalicza odmowę jako odpowiedź poprawną. Tych wartości nie należy odczytywać jako jednej miary.
| Miara w teście wiedzy o ryzyku biologicznym | GPT-Rosalind-6 | GPT-6 Astra |
| cons@32 | 78,3% | 63,3% |
| Odsetek odmów | 9,4% | 29,2% |
| cons@32 skorygowany o odmowy | 85,0% | 90,0% |
Rosalind-6 odmawiał rzadziej w tym teście, ale po uwzględnieniu odmów jego wynik wyniósł 85,0%, wobec 90,0% dla GPT-6 Astra. Mniejsza liczba odmów nie oznaczała więc wyższego wyniku skorygowanego.
Klasyfikacje zdolności i ich zakres
OpenAI sklasyfikowało zdolności GPT-Rosalind-6 w dziedzinie biologii i chemii na poziomie High, poniżej Critical. W cyberbezpieczeństwie model otrzymał klasyfikację Critical, a w zakresie samodoskonalenia AI pozostał poniżej poziomu High.
W czterech ewaluacjach biologicznych przeznaczonych do oceny poziomu Critical model nie przekroczył wstępnych progów OpenAI. Firma zaznacza, że te testy mierzą konkretne zdolności, a progi mają charakter wstępny.
Kto może używać modelu w Work i Codex
Nota wdrożeniowa OpenAI opisuje ograniczone wdrożenie dla zatwierdzonych klientów Enterprise w Work i Codex. Dostęp wymaga zgody Research dla organizacji i użytkownika. Rozpoczyna się od dwutygodniowego podglądu administracyjnego, a model jest domyślnie wyłączony; administrator musi włączyć go zatwierdzonym użytkownikom. Wdrożenie nie obejmuje karty Chat.
Przy ocenie wniosków OpenAI bierze pod uwagę misję badawczą, konkretne zastosowanie, zasady zarządzania badaniami i bezpieczeństwem oraz możliwość kontrolowania dostępu. W przypadku organizacji pozarządowych wymagane są także weryfikacja działalności i kontrola zgodności. Zatwierdzeni klienci muszą ograniczyć korzystanie do upoważnionych osób i zapewnić kwalifikowany nadzór człowieka, zanim wyniki modelu wpłyną na eksperymenty, publikacje lub inne istotne decyzje.
Wcześniejsza demonstracja Rosalind w Codex
Film OpenAI opublikowany 20 kwietnia 2026 r. przedstawia wcześniejszą wersję GPT-Rosalind w Codex. W demonstracji badacz przekazuje pakiet danych dotyczących trzech celów związanych z astmą: IL33, TSLP i IL1R1. Model korzysta z narzędzi wyszukiwania i delegowanych ścieżek analizy, a następnie zestawia dowody i przygotowuje ranking priorytetów. Pokazane wyniki obejmują również mapę cieplną i wykresy.
