2026年4月17日，OpenAI正式推出专为生物学研究场景深度训练的垂直领域大语言模型GPT-Rosalind，该项目由OpenAI生命科学产品负责人王昀昀主导，针对当前生物学研究中基因组数据过载、专业术语壁垒两大核心痛点，整合50种常见生物工作流及主流公共数据库访问能力，可有效降低跨领域研究门槛，推动生命科学研发效率提升。
在本周四的OpenAI生命科学专项发布会上，王昀昀没有像以往的产品发布会一样先秀参数，而是先抛出了一个所有生命科学研究者都深有共鸣的场景：一名专注于特定致病基因研究的遗传学家，想要参考神经生物学领域的相关研究结论时，往往要花上几周时间梳理海量文献，还可能因为细分领域的术语壁垒错过关键信息。
此前谷歌、微软等科技巨头均将科研类大模型的研发重心放在通用科学大模型上，试图覆盖物理、化学、生物等多学科的研究需求，而OpenAI此次选择了更聚焦的垂直赛道。
王昀昀在发布会上表示，生命科学是当前研发投入最高、数据增长最快的科研领域之一，通用模型泛化能力强但针对性不足的问题，在生物学研究场景中尤为突出，因此团队选择从垂直领域切入，打造专门适配生物学研究需求的大模型，与通用科学模型形成差异化竞争。
为了破解数据过载和术语壁垒两大核心问题，GPT-Rosalind在GPT通用大模型底座的基础上做了大量专项训练。
首先是整合了50种常见生物研究工作流、以及全球主流公共生物学数据库的实时访问权限，可以帮助研究者快速筛选跨领域文献、处理海量基因组测序数据，完成基因型与表型关联分析、蛋白质结构与功能推断、潜在药物靶点筛选等专业工作。其次团队还专项强化了模型的批判性思维能力，刻意降低模型对用户提问的迎合度，减少专业场景下的幻觉问题，确保输出内容的严谨性。
据OpenAI披露的内部测试数据，在药物靶点筛选、跨领域文献综述等典型生物学研究场景中，GPT-Rosalind的效率比通用大模型高出70%以上，原本需要数周完成的文献梳理工作，使用该模型仅需要1-2天即可完成，且结论的专业准确率提升了45%。
目前已有多家药企、高校科研团队开始测试该模型的落地效果，后续OpenAI还将开放定制接口，允许研究团队上传自有私有数据训练专属版本的模型，进一步覆盖更细分的生物学研究场景。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号