问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年4月16日，OpenAI正式推出专为生命科学领域打造的生成式AI模型GPT-Rosalind，该模型以DNA结构发现者Rosalind Franklin命名，经基因组学、化学领域深度微调，可支持科研人员完成证据合成、实验规划等工作，目前已作为研究预览向安进、莫德纳、赛默飞世尔、艾伦研究所等首批合作方开放，旨在大幅提升药物研发效率。
在全球医药行业，10年研发周期、超20亿美元平均成本、不足10%的临床成功率，是悬在所有研发人员头上的“三座大山”。随着生成式AI技术的成熟，用AI压缩研发周期、降低试错成本已经成为产学研的共识，而OpenAI的最新动作，正在把这个共识推到新的落地阶段。
此次发布的GPT-Rosalind，是OpenAI首次推出完全垂直于生命科学领域的大模型产品，而非通用模型的行业插件。其命名致敬DNA双螺旋结构的关键发现者Rosalind Franklin，也直接点明了产品的底层定位：成为基础科研到临床应用的桥梁。
目前该模型仅以“研究预览”的形式向首批合作方开放，名单覆盖了生物制药全产业链的核心参与者：小分子药物巨头安进、mRNA技术龙头莫德纳、科研服务提供商赛默飞世尔，以及深耕基础生命科学研究的非营利机构艾伦研究所，多方将共同测试模型在不同研发场景下的适配性，为后续版本迭代提供反馈。
和此前通用大模型仅能处理表层生命科学问题不同，GPT-Rosalind针对基因组学、化学生物学的专业数据做了专项微调，训练数据涵盖了过去50年的核心学术论文、公开实验数据、已上市药物的分子结构信息等专业内容。
具体落地场景上，模型可实现四大核心功能：对海量同领域研究成果的证据合成、基于现有研究结论的可验证假设生成、匹配实验室条件的最优实验路径规划，以及蛋白质工程改造中的序列优化分析。在LABBench2科学基准测试中，GPT-Rosalind的专业问题回答准确率较通用GPT-4模型提升62%，实验方案的可落地性提升71%，大幅减少了通用模型常见的“专业幻觉”问题。
尽管当前版本仍处于早期测试阶段，但其释放的信号已经足够引发行业震动。此前AI在生命科学领域的应用大多集中在单点场景，比如AlphaFold解决蛋白质结构预测问题，各类分子生成模型负责靶点筛选，而GPT-Rosalind的定位是打通全研发流程的智能助手，可直接承接从文献调研到实验落地的全链路辅助工作。
据OpenAI透露，未来模型正式上线后，将会逐步向高校科研团队、小型Biotech企业开放使用权限，有望进一步降低新药研发的技术门槛。行业测算显示，如果这类垂直大模型得到普及，有望将临床前研发周期压缩40%-60%，研发成本降低至少50%，最终让更多罕见病、难治性疾病的新药研发成为可能。不过目前模型仍面临生成假设的可验证性、实验数据隐私保护、研发成果监管合规等多维度挑战，距离大规模落地仍需1-2年的测试迭代。
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