天津
編輯丨coisini
生命科學的進步依賴于跨尺度、跨模態的數據與證據整合：分子、基因、通路乃至整個生命系統。今年 4 月，OpenAI 推出 GPT?Rosalind 系列模型，專為生命科學研究而設計，致力于縮短藥物研發周期，堪稱「生命科學版 GPT」。
今天，OpenAI 宣布更新 GPT?Rosalind，全新集成 GPT?5.5 的智能體編碼和工具使用能力，在藥物化學、基因組學等核心藥物發現領域具備更強的模型智能，同時在更廣泛的生科分析、設計和實驗流程中表現更佳。
LifeSciBench
為了衡量并持續提升 GPT?Rosalind 的實際影響，OpenAI 設計了一個由外部專家評判的、聚焦生命科學研究基礎環節的評測基準 ——LifeSciBench。
與只評估單一性能或孤立生物學領域的現有基準不同，LifeSciBench 從六個核心工作流出發，采用端到端視角來審視有科學價值的工作。六個核心工作流包括：證據處理、分析、設計與優化、科學推理、驗證與運維、轉化與溝通，確保模型進步與生命科學研究的真實場景和需求對齊。
LifeSciBench 綜合得分。
各科學工作流得分。
更強的科學推理能力
藥物化學
GPT?Rosalind 在藥物化學領域達到行業領先水平。OpenAI 設計了 MedChemBench 來模擬真實藥物化學工作流，來評估多模態化學結構理解、構效關系、藥物效力、毒性、ADME 預測、多參數先導物優化決策及逆合成。
GPT?Rosalind 得分 27.5%，優于 GPT?5.5 的 25.1%，同時使用少 7.2% 的 token。
GPT?Rosalind 在更少 token 下取得更高得分。
基因組學與定量生物學
在面向基因組學和定量生物學的長周期、端到端分析評估基準 GeneBench 上，GPT?Rosalind 相比 GPT?5.5 使用少 31% 的 token，準確率達到 21.6%（GPT?5.5 為 20.4%）。任務涵蓋功能基因組學、空間轉錄組學、蛋白質組學、表觀基因組學和應用遺傳學。
GPT?Rosalind 使用更少 token，準確率更高。
輔助真實世界實驗室工作
OpenAI 提出 LabWorkBench 新基準，測試 GPT?Rosalind 幫助科學家解決真實濕實驗問題的能力，包括故障排查和優化，所用數據為專有且未受污染。GPT?Rosalind 得分 63.2%，高于 GPT?5.5 的 55.8%，同時 token 使用量減少 5.3%。
GPT?Rosalind 在濕實驗輔助任務上顯著領先。
除了模型更新和新基準，OpenAI 還構建了 Life Sciences Research 和 Life Sciences NGS Analysis 兩款插件，為 GPT?Rosalind 的增強智能提供面向可重復科學工作流的實踐執行層。
Life Sciences NGS Analysis 插件。
OpenAI 表示將持續改進模型的生物學推理能力，并與生物制藥行業展開合作。例如，OpenAI 宣布將與全球領先生物制藥公司諾和諾德合作，通過 GPT?Rosalind 擴展其醫學研究能力，幫助研究人員更快分析復雜數據集、發現有用模式并驗證假設。
參考鏈接：https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
