GPT-Rosalind debutta il 16 aprile 2026 con un obiettivo dichiarato: comprimere le fasi iniziali di un processo che richiede in media 2,3 miliardi di dollari e tra i 10 e i 15 anni. OpenAI ha scelto di verticalizzare su un dominio ad alta complessità, lanciando il suo primo modello frontier dedicato alle scienze biologiche e alla scoperta di nuovi farmaci.
Cosa fa GPT-Rosalind e come funziona
Il modello è stato addestrato su 50 workflow biologici comuni, dalla progettazione di protocolli di cloning all'analisi di sequenze genomiche, ed è integrato con i principali database scientifici pubblici. GPT-Rosalind è costruito per ragionare su catene di lavoro multi-step che collegano letteratura, dati sperimentali e risultati di sequenziamento in un'unica ipotesi verificabile, invece di limitarsi a rispondere a domande singole.
Un elemento tecnico specifico lo distingue dai modelli generalisti: lo skepticism tuning. Il sistema è calibrato per ridurre sycophancy e overconfidence, due problemi critici quando si applicano LLM a domini ad alto rischio. Se il target molecolare proposto ha scarso valore scientifico, il modello rifiuta la proposta invece di assecondare il ricercatore.
Sui benchmark, OpenAI riporta risultati ai primi posti su BixBench e prestazioni superiori a GPT-5.4 su 6 degli 11 task di LABBench2. In una valutazione condotta con Dyno Therapeutics, le migliori submission si sono collocate sopra il 95° percentile degli esperti umani su un compito di previsione RNA, e all'84° percentile nella generazione di sequenze geniche.
I 2,3 miliardi per farmaco: perché OpenAI ha scelto la biologia
La scelta di verticalizzare non è arbitraria. Sviluppare un farmaco dal target discovery all'approvazione regolatoria costa in media 2,3 miliardi di dollari e richiede tra i 10 e i 15 anni. La fase di early discovery, dove GPT-Rosalind è progettato per operare, è uno dei colli di bottiglia più costosi: collegare molecole, proteine, geni e risultati di laboratorio in un'ipotesi coerente richiede anni di lavoro specialistico e revisione sistematica della letteratura.
Con il round da 110 miliardi chiuso nel 2026, supportato da Amazon, Nvidia e SoftBank, OpenAI ha la liquidità per costruire verticali specializzati che richiedono training e competenze di dominio specifiche. La mossa contrasta con l'approccio di Google e Microsoft, che continuano a puntare su modelli generici adattati a più settori. OpenAI ha scelto di costruire per un'industria precisa, affrontando i vincoli operativi reali dei laboratori di ricerca.
I partner di accesso anticipato confermano la serietà dell'approccio: Amgen, Moderna e l'Allen Institute figurano tra i primi clienti enterprise qualificati. Non si tratta di esperimenti accademici, ma di organizzazioni con pipeline farmaceutiche attive e budget R&D miliardari. Per loro, ogni anno risparmiato nella fase di discovery vale centinaia di milioni di dollari.
Accesso a GPT-Rosalind: chi può usarlo oggi
Il modello è disponibile come research preview in accesso chiuso per clienti Enterprise qualificati tramite ChatGPT Enterprise, Codex e API. L'infrastruttura include conformità SOC 2 Type 2 e standard HIPAA-aligned, con Regulated Workspaces e Business Associate Agreement. OpenAI ha dichiarato esplicitamente di non usare i dati dei clienti per addestrare i propri modelli.
Per chi non rientra nel programma enterprise, OpenAI ha reso disponibile in accesso generale un Life Sciences Research Plugin, punto di ingresso per team che vogliono testare le capacità del modello su workflow standard. L'approccio segue la logica degli AI agent che agiscono autonomamente su sequenze di azioni, come Copilot Tasks di Microsoft: delegare fasi ripetitive di analisi a sistemi capaci di ragionare su catene di passaggi, non su domande singole.
GPT-Rosalind porta la specializzazione verticale dove il valore di ogni settimana guadagnata si misura in milioni di dollari bruciati o risparmiati. Se il modello mantiene le sue performance in produzione, per OpenAI il prossimo traguardo non sarà una classifica di benchmark, ma un composto molecolare entrato in fase clinica con mesi di anticipo rispetto ai tempi standard.
