OpenAI stellt GPT-Rosalind vor: KI-Modell speziell für Biologie-Forschung
OpenAI hat ein neues specialized model für die Lebenswissenschaften vorgestellt: GPT-Rosalind, benannt nach der bahnbrechenden DNA-Forscherin Rosalind Franklin, zielt auf Biologie, Wirkstoffentdeckung und translational medicine ab – also die Brücke zwischen Laborforschung und klinischer Anwendung. Das frontier reasoning soll Forschern helfen, Evidenz schneller zu synthetisieren, Hypothesen zu generieren und Experimente zu planen – Schritte, die oft Jahre in der frühen drug development kosten.
Das Modell versteht komplexe Zusammenhänge in Chemie, Protein-Engineering und Genomik. Durch ein neues Life-Sciences-Plug-in für Codex kann GPT-Rosalind auf über 50 wissenschaftliche Tools und Datenquellen zugreifen – ein klarer Schritt in OpenAI’s Strategie, neben GPT-5.4-Cyber für IT-Sicherheit auch andere Fachbereiche mit maßgeschneiderten AI models zu versorgen. Diese targeted approach soll die Effizienz in Forschungslaboren deutlich steigern.
In internen Benchmarks schneidet GPT-Rosalind besser ab als GPT-5 und seine Zwischenversionen, besonders in Chemie, Protein-Biochemie und Tool-Nutzung. Beim Bioinformatik-Test BixBench erreicht es eine Pass-Rate von 0,751 – der bisher höchste Wert. Bei LABBench2, einem Maßstab für Literaturrecherche und Protokolldesign, ist es in sechs von elf Aufgaben führend. In Kooperation mit Dyno Therapeutics lagen seine Top-10-Vorhersagen zur RNA-Sequenz-Prädiktion im 95. Perzentil gegenüber menschlichen Experten – ein strong signal für seine Leistungsfähigkeit.
OpenAI betont, das Modell bewusst skeptical zu halten, um Halluzinationen zu vermeiden. Die Ergebnisse sind als preliminary gedacht und müssen unabhängig validiert werden. Der Zugang erfolgt über ein „Trusted Access Program“ und ist zunächst auf qualifizierte US-Enterprise-Kunden beschränkt. Ob die messbaren Fortschritte tatsächlich zu shorter timelines führen, wird die Praxis zeigen.
GPT-Rosalind tritt in einen wachsenden Markt: Anthropic bietet Claude for Life Sciences, Google DeepMind setzt mit AlphaFold auf Proteinfaltung, und im deutschsprachigen Raum entwickelt das Start-up Puraite erklärbare KI für Evidenzsynthese. Im Gegensatz dazu will OpenAI ein breit einsetzbares Werkzeug für ganze research workflows sein – aber ohne Offenlegung der Modellgewichte. Das bleibt ein closed-access , was bei Wissenschaftlern auf kritische Fragen stößt.
Ein powerful tool mächtiges Werkzeug, aber ohne Zugang zu den internen Schritten ist es schwer, die Ergebnisse wirklich nachzuvollziehen. Wissenschaft braucht Transparenz.
Wenn das wirklich sechs Monate Recherche in Stunden komprimiert, wäre das ein Game-Changer für unsere Arbeitsgruppe. Aber erstmal außen vor – schade, dass Europa nicht dabei ist.
Benannt nach Rosalind Franklin, aber nur für US-Unternehmen zugänglich? Da fehlt ein wenig das scientific spirit wissenschaftliche Ethos, oder?
Die Benchmarks klingen beeindruckend, aber was zählt, ist der Einsatz im echten Labor. Hoffentlich wird es nicht nur ein Hype-Modell.
OpenAI baut gerade eine ganze Modellfamilie für Nischen – interessant, wie sich das auf den Wettbewerb auswirkt.
95. Perzentil in RNA-Prädiktion? Das ist seriously impressive ernsthaft beeindruckend. Aber wer kontrolliert, welche Daten in die Validierung einfließen?