要聞列表OpenAI 的新 AI 模型 Rosalind 可能會讓藥物研發縮短數年。你大概無法使用它
Decrypt2026-04-18 12:01:03

OpenAI 的新 AI 模型 Rosalind 可能會讓藥物研發縮短數年。你大概無法使用它

ORIGINALOpenAI's New AI Model Rosalind Could Shave Years Off Drug Discovery. You Probably Can't Use It
AI 影響分析Grok 分析中...
📄完整原文· 由 trafilatura 自動擷取Gemini 翻譯4594 字
簡要摘要 - OpenAI 發表 GPT-Rosalind 以加速藥物研發工作流程。 - 基準測試顯示其效能顯著提升,但實際應用影響仍受限。 - 鑑於生物安全疑慮日益增加,該模型的存取權限受到嚴格限制。 OpenAI 剛以 Rosalind Franklin 之名命名其首款特定領域 AI 模型——這位英國化學家透過 X 光晶體繞射研究協助揭示了 DNA 雙螺旋結構,卻在生前因性別因素而未獲得應有的認可。 週四發表的 GPT-Rosalind 是一款專為生物學、藥物研發及轉譯醫學打造的推理模型。這是 OpenAI 所謂「生命科學」模型系列中的首款產品,直接切入了一個包括大學實驗室到 Google DeepMind 等眾多專業機構皆爭相角逐的市場。 據專家指出,在美國,將藥物從標靶發現推向監管核准平均需要 10 到 15 年。這段時間大部分並非耗費在靈光乍現的時刻,而是消耗在繁瑣的日常工作中:解析數千篇論文、查詢資料庫、設計試劑以及解讀模糊的實驗結果。這正是 GPT-Rosalind 試圖解決的問題。 OpenAI 主張該模型能壓縮這些早期階段的工作。正如該公司所述,GPT-Rosalind 旨在協助科學家「探索更多可能性、找出原本可能被忽略的關聯,並更快提出更好的假設」。 基準測試至少證實了部分雄心。在圍繞真實生物資訊任務構建的基準測試 BixBench 上,GPT-Rosalind 取得了 0.751 的通過率,在已公佈結果的模型中名列前茅。在 LABBench2 上,它在 11 項任務中的 6 項表現優於其前身 GPT-5.4。 GPT-Rosalind 在所有涉及生命科學的案例中皆勝過 GPT-5.4,但它是一個高度專業化的模型,在該領域之外的表現將會遜色。 OpenAI 同時宣佈 Dyno Therapeutics 將協助測試並評估該模型,利用未公開的 RNA 序列來排除記憶效應。在序列預測任務中,GPT-Rosalind 的前十名提交結果排名高於 95% 的人類專家,在生成任務中則約在 84% 的分位數。 儘管如此,OpenAI 自身的生命科學研究負責人 Joy Jiao 對該模型的實際能力持審慎態度。她解釋說,公司並不認為 Rosalind 是一個能自主創造新療法的模型,但她向記者表示,它在加速研究方面能提供極大幫助。據《LA Times》報導,Jiao 在新聞簡報中表示:「我們確實認為,這是一個能協助研究人員在科學流程中最複雜且耗時的部分加快進度的真正機會。」 圍繞該模型的生態系統可能與模型本身同樣重要。OpenAI 同時發佈了一款免費的 Codex 生命科學研究外掛程式,可連接超過 50 個科學資料庫與工具,包括蛋白質結構查詢、序列搜尋、文獻回顧及基因組學流程。擁有 GPT-Rosalind 存取權限的企業用戶可在其之上獲得推理層功能,其他用戶則可使用標準模型的插件。 OpenAI 已為此次發佈準備了一系列製藥與生物技術客戶名單,包括 Amgen、Moderna 和 Thermo Fisher Scientific。此外,它正與 Los Alamos National Laboratory 進行一項關於 AI 輔助蛋白質與催化劑設計的研究合作。 Amgen AI 與數據資深副總裁 Sean Bruich 在官方公告中表示:「生命科學領域在每一步都要求精確。問題極其複雜,數據非常獨特,且風險極高。」 Rosalind 的存取權限經過刻意限制。該模型僅限美國企業使用,並設有資格與安全審查門檻。這並非抽象的擔憂:一個由超過 100 位科學家組成的國際聯盟已呼籲對用於訓練 AI 的生物數據實施更嚴格的控管,理由是存在病原體設計風險。OpenAI 的限制性發佈正是對此的直接回應。在研究預覽期間,使用量將不會消耗現有的 API 額度。 這也不是 OpenAI 首次涉足科學工作流程。一月推出的 Prism 科學寫作工作空間是第一步。GPT-Rosalind 是更精銳、更專業的後續產品,也釋出了一個訊號:特定領域模型正成為一個嚴肅的競爭前線
資料狀態✓ 已擷取全文閱讀原文(Decrypt)
🔍歷史類似事件· 關鍵字 + 標的比對6 則
💡 目前用關鍵字 + 標的比對(MVP)· 之後會升級為 embedding 語意搜尋
原始資訊
ID:1f54251967
來源:Decrypt
發佈:2026-04-18 12:01:03
分類:一般 · 導出分類 neutral
標的:未指定
社群投票:+0 /0 · ⭐ 0 重要 · 💬 0 留言