AlphaFold数据库里已有超过2亿名架构预测，AlphaFold 3进一步扩展到蛋白-配体、蛋白-核酸等复合物之相互作用预测。
AlphaFold打造之命格致之「超级显微镜」，于计算环节「单点爆破」，处置之一名诺奖级之疑难；而Rosalind试图成为调度此一切之「大脑」，从横向之「工流」包抄，想重塑整名实验室之制造力。
说到命格致AI，甚多者第一名想到之名字为Google DeepMind之AlphaFold。
OpenAI拉之一名硬核外部协作方来验证：Dyno Therapeutics，一家做AI因子治疗之公司。
GPT-Rosalind不为GPT-5.4之晋级版。
想象一下一名药物研发格致家之日常： 于RNA序列功能预测差事上，模型提交10次取最佳，成绩逾越之95%之苍生领域专家；于序列生成差事上，约于84%之苍生专家之上。
OpenAI用自己首名命格致专用推演模型，直接冲进之生物学、药物发觉与转变医学之腹地。
因此，两者之关系不为谁取代谁，更像为一种互补关系，也代表之两家公司于「AI+格致」上不同之路线： GPT-Rosalind不为GPT-5.4之晋级版。
一天下来，真正用于「思考」之光阴或不到三分之一。
GPT-Rosalind到底有多强。
Rosalind Franklin（1920-1958），英国物理化学家，其X射线晶体学研讨为揭示DNA双螺旋架构奠定之枢纽根基。
可认可之为，当此两种力量于命格致领域交汇时，彼名苍生格致发觉之奇点离吾等就更近之。
从跑分到真正缩短10到15年之新药周期，中间还有一条巨大之鸿沟。
就于昨日，OpenAI扔出之一名跟以往画风完全不同之模型：GPT-Rosalind。
OpenAI以她命名首款命格致模型。
https://x.com/OpenAI/status/2044861690911850863?s=20 此恰好为当前AI于命格致领域之确凿边界：体谅剖析强于缔造设计。
于BixBench此名围绕确凿生物讯息学差事设计之基准上，Rosalind于已公开成绩之模型中处于居先。
此说明，通用模型于专业领域确实有天花板，或不如一些专门改良之垂直模型好使。
尊师重道。从图示结局看，GPT-Rosalind于五项生物与化学基准上均取得最高分，其中实验设计与剖析之提升幅度最大。
当然，需注意之为，此只为一名特定之RNA预测差事，不等于「AI已全面逾越生物学家」。
【新智元导读】OpenAI直接杀进万亿美元之制药赛道，最新发布之首款命格致模型系列GPT-Rosalind，RNA预测差事碾压95%苍生专家，不卷AlphaFold，要做格致家之AI搭挡。
https://github.com/openai/plugins/tree/main/plugins/life-science-research 此为一名绕不开之疑难，熟悉此一领域之者甚易拿两者比。
不止如此，OpenAI还拉之麦肯锡、BCG、贝恩三大咨询公司做落地伙伴，帮药企识别场景、集结模型。
它为OpenAI「命格致模型系列」之首款货品，专门针对科研工流做之改良，核心本领覆盖五名方位： 所有此些成绩皆来自特定基准测试，并非来自确凿之临床管线。
OpenAI想用AI把此名流程之早期阶段大幅压缩。
从图示结局看，GPT-Rosalind于五项生物与化学基准上均取得最高分，其中实验设计与剖析之提升幅度最大。
即便如此，此名成绩于AI+命格致领域仍然为最亮眼之数据之一。
谁能够跑得更远，今下断语还太早。
双方用一批未公开、未被操练数据污秽之RNA序列做之两项测试，对比基准为57位AI生物领域苍生专家之史册成绩，结局显示： 于与因子治疗公司Dyno Therapeutics之协作测试中，此名模型于RNA序列功能预测差事上，超过之95%之苍生领域专家。
化学反应机理推演、蛋白质架构与突变效应体谅、因子组学解读、实验筹划，以及海量文献之统合剖析。
OpenAI还齐步推出之一名Life Sciences Research插件。
若把AlphaFold比作一台超级显微镜，Rosalind为坐于显微镜旁边帮你剖析数据、查文献、设计下一步实验之研讨助手。
95%苍生专家排于它后面 它只把一件事做到极致：输入氨基酸序列，输出蛋白质3D架构，它处置之为困扰架构生物学几十年之「蛋白质折叠疑难」。
AlphaFold为一名计算引擎。
靶点发觉、设想生成、实验筹划、文献合成，此些旧俗上格致家需于海量论文、数据库与实验数据之间反复横跳之工，Rosalind想通过AI一手串起来。
https://alphafold.ebi.ac.uk/?pStoreID=techsoup%2F1000&utm_source=chatgpt.com 此名名字取自Rosalind Franklin，就为彼位用X射线晶体学揭示之DNA双螺旋架构之格致家。
此架势，已不为于卖模型之，为于卖整套处置预案。
首批协作方皆为清一色之业内巨头：Amgen、Moderna、Allen Institute、Thermo Fisher Scientific。
此样一来，查PubMed、跑BLAST序列比对、调AlphaFold看蛋白架构、搜临床试验数据，皆或于一名对话窗口里成。
GPT-Rosalind则更像为一名研讨伙伴。
它不替你做实验，但它能帮你于动手之前，把方位想得更清楚。
给一段RNA序列让它裁决功能，它或比绝大多数苍生专家皆要准；但让它自己设计一段新序列，表现就稍逊一档。
GPT-Rosalind要做之事，为把此些散落于十几名平台上之工流，压缩到一名界面里成。
于美国，一款新药从靶点发觉到拿到监管批准，平均要10到15年。
清晨打开PubMed查文献，切到UniProt看蛋白质数据，再跳到NCBI比对因子序列，中间还要于Excel里整理实验数据，下午开组会汇报设想进展。
注意对比对象：GPT-5.4，于此些专业差事上被自家垂直模型反超。
此一次，OpenAI瞄准之一名10到15年之生意。
两者完全不同层级之器物。
https://openai.com/index/introducing-gpt-rosalind/ 它可帮你做文献统合、设想生成、实验筹划、序列功能解读、器物调用。
于LABBench2之11项差事中，有6项优于GPT-5.4，其中提升最大之为CloningQA，要求模型从零设计一名完整之分子克隆预案。
彼Rosalind与AlphaFold什么关系。
插件代码/包已于GitHub公开，能连接50多名公共多组学数据库与格致器物，覆盖者体传代学、功能因子组学、蛋白质架构、生物化学、临床证据等领域。