OpenAI悄悄上架了一個生命科學新模型，想當藥企的工具供應商

當地時間 10 月 10 日，科技媒體 TestingCatalog 注意到，OpenAI 的 API 價格頁上悄然出現了一個並未正式發佈的型號：gpt-rosalind-discovery。

它被歸為「生命科學模型」一欄，緊挨着已經公開的 gpt-rosalind-research。兩者定價完全相同：每百萬 Token 輸入 5 美元、緩存輸入 0.5 美元、輸出 25 美元，與通用旗艦模型大體持平。外界根據「discovery」一詞猜測，它或將主要面向藥物發現。

據第三方覈查，gpt-rosalind-discovery 及 Rosalind 的模型文檔頁均返回 404 錯誤。除了價格，OpenAI 沒再給出任何其他信息。

相較於一個只有名字和定價的「空殼模型」，OpenAI 單開「生命科學模型」價目表的舉動顯然更值得關注：在通用大模型公司中，這可能是首個為具體研究領域配上獨立品牌、獨立准入審覈和持續迭代型號的項目。

為生命科學專門成立一個品牌

經常關注大模型動向的人或許會對「Rosalind」感到熟悉，它已在實質上成為 OpenAI 的生命科學品牌。

今年 4 月，公司正式發佈生命科學模型 GPT-Rosalind，命名源於英國化學家羅莎琳德·富蘭克林（Rosalind Franklin），她拍攝的 X 射線衍射圖像為揭示 DNA 雙螺旋結構提供了關鍵證據。

首發時，模型只以研究預覽形式向美國符合條件的企業客户開放，首批合作方包括安進（Amgen）、莫德納（Moderna）、艾倫研究所（Allen Institute）和賽默飛世爾科技（Thermo Fisher Scientific）。

OpenAI 后續發佈了基於 GPT-5.5 訓練的新版本，強化藥物化學和基因組學能力，並把研究預覽擴展到全球符合條件的組織。模型於 10 月 5 日開始計費，僅向通過可信訪問計劃審覈的機構開放，且只能用於內部研究，不得接入面向客户的產品。

目前，Rosalind 平臺的能力已經形成了三類交付途徑：GPT-Rosalind、研究工作空間 Rosalind Workbench，以及編程智能體 Codex 中連接 50 多個科學工具和數據源的生命科學插件。

對於這條產品線，OpenAI 的設想是將文獻檢索、數據分析、序列處理、實驗規劃等分散在不同軟件里的環節，收攏進能由模型統一調度的環境。

這項增長業務在 OpenAI 內部早有鋪墊。產品正式亮相前，OpenAI 已相繼與禮來（Eli Lilly）、賽諾菲（Sanofi）、諾和諾德（Novo）等藥企合作探索 AI 驅動藥物研發；2025 年，公司內部成立 OpenAI for Science 團隊。

今年年初，OpenAI 公佈了迄今最具體的濕實驗成果：與 Ginkgo Bioworks 合作將 GPT-5 接入后者的雲端自動化實驗室。AI 參與設計、機器人負責執行實驗，最終將一種標準測試蛋白的反應原料成本從每克 698 美元降到 422 美元。Ginkgo Bioworks 隨后把經過改進的反應配方上架銷售，由此形成模型推動產品研發的完整閉環。

Rosalind 的佈局並不限於商業客户。5 月底，OpenAI 還推出 Rosalind 生物防禦計劃（Rosalind Biodefense），向生物安全領域的開發者和部分美國政府機構開放模型。

第一個被標價出售的生命科學模型

AI4Bio 的話題早已不新鮮。但從公開信息看，OpenAI 是頭部通用大模型廠商中第一家把生命科學推理能力做成獨立模型條目的公司。

谷歌 DeepMind 在這一領域公認積累最深。不過，其最知名的蛋白質結構預測工具 AlphaFold 主要以科研工具形式向學術界開放；此前發佈的藥物開發模型 TxGemma 同樣開源，「AI 合作科學家」（AI co-scientist）則僅通過受邀測試計劃小範圍開放。至於商業化的 AI 藥物發現，則由 2021 年分拆出的 Isomorphic Labs 獨立負責。

還有一些公司主推平臺，如微軟（Microsoft）發佈跨行業科研智能體平臺 Microsoft Discovery，允許用户接入其他廠商的模型和自有工具，但並不提供專用模型；Anthropic 今年夏季發佈與編程產品 Claude Code 同級別的獨立產品 Claude Science，底層仍是通用的 Claude 模型。

Anthropic 生命科學負責人埃里克·考德爾-艾布拉姆斯（Eric Kauderer-Abrams）曾表示，公司會親自用 Claude Science 開展藥物發現，在真實場景中檢驗模型產品的表現。

橫向對比后，OpenAI 的定位正在變得清晰。與一邊賣工具，一邊自己下場做藥物研究的 Anthropic 等公司不同，它作為工具供應商，僅把專用模型賣給藥企，基本不插手管線，模型改進主要依賴客户的使用反饋。

一個願意為效率付費的行業

OpenAI 為什麼選擇生命科學作為切入點？原因在於，在通用模型價格競爭日益激烈的當下，廠商紛紛尋求附加值更高的垂直場景。

藥物發現正是痛點明確且付費能力強的行業，其早期階段的工作高度依賴人工，如果模型能讓靶點選擇更準、實驗設計更好，收益會在后續環節層層放大，藥企有充分理由為此付費。

資本也在持續看好這一賽道。市場研究公司 PitchBook 統計，2019 年以來，AI 藥物發現領域累計獲得超過 170 億美元投資。

作為對照，網絡安全是 OpenAI 同時看好的另一個高增長場景。目前，OpenAI 的價格頁已經出現了名為「網絡安全模型」的獨立條目，列表中的 gpt-5.6-cyber 輸出價格為每百萬 Token 75 美元，是 Rosalind 的 3 倍。

這又是一重「小巧思」：對於生命科學業務，OpenAI 目前似乎更看重把頭部藥企和研究機構拉進來、積累真實使用場景，並不急於靠單價獲取利潤。

各大模型廠商都在為 AI4Bio 鋪路，但現狀是，行業內依然缺乏大規模臨牀驗證。

參照此前代碼成為智能體最先落地的市場，部分原因正是結果可以立刻運行、立刻檢驗。但生物學要靠濕實驗，甚至為期數年的臨牀試驗來檢驗，模型很難快速學習迭代。

除了研發周期的限制，原因還在於，當前模型可以負責具體實驗設計，但方向必須由人來確定。這讓 AI 的作用侷限在減輕繁重人工勞動的階段，無法延伸至更具價值的場景。

用 Ginkgo Bioworks 聯合創始人雷什瑪·謝蒂（Reshma Shetty）的説法：選擇值得解決的科學問題仍然是人類擅長的事。

拆分任務是垂類模型商業化的好生意嗎？

事實上，幾家通用模型公司的商業化路徑各有難點：OpenAI 要證明藥企可以花錢換來更好的研發決策，Anthropic 則面臨與藥企同等的研發風險，谷歌的商業模式在標準化收入上起步較慢。

模型能力要變現，終究繞不開藥企的數據和實驗室。模型公司能否在生命科學里建立壁壘，關鍵在於反饋速度，即誰能更快、更便宜地把模型的建議送進實驗室並拿回結果。

自動化實驗室是壓縮驗證周期的關鍵環節，但目前，這一層的基礎設施並不專屬於任何一家模型公司，除非后者花費大量資金和精力自建。

在這一背景下，gpt-rosalind-discovery 提示了 OpenAI 可能邁出的下一步：在生命科學領域內按照不同模型型號繼續細分任務，分別面向廣泛研究或專注於候選分子篩選。

如此拆分的好處在於，不同研究環節對模型的要求差異很大，OpenAI 可以針對單一環節集中優化和評測，客户也能按任務選用，在其中某一環節證明能力后就可以迅速變現，還可能據此拉開定價。

但與之並存的難點是，藥物發現的不同流程環環相扣、聯繫密切，型號切得越細，越需要在它們之間做好銜接。兩款型號目前定價完全相同，也説明 OpenAI 或許還沒有想好如何體現不同模型的差異定位。

截至目前，discovery 模型的具體用途、其與 research 模型的關係以及實際增益都尚未公開。這條路能不能走通，還要看 OpenAI 后續能否拿出具體型號的評測結果和實驗證據。

參考內容：

https://www.testingcatalog.com/openai-lists-new-gpt-rosalind-discovery-model-in-docs/

https://developers.openai.com/api/docs/pricing

https://openai.com/index/introducing-gpt-rosalind

https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind

https://openai.com/index/gpt-5-lowers-protein-synthesis-cost

https://openai.com/index/strengthening-societal-resilience-with-rosalind-biodefense

https://www.technologyreview.com/2026/06/30/1139987/claude-science-is-anthropics-newest-flagship-product

https://www.orcarouter.ai/blog/gpt-rosalind-discovery-pricing-page-leak 

注：封面/首圖由 AI 輔助生成