GPT‑Rosalind
OpenAI · 2026-04-16 · 类别未确认
官方发布来源 · 按需求选型 · 查看覆盖缺口 · 归档与转录记录
GPT‑Rosalind
OpenAI 面向生物学、药物研发与转化医学推出的前沿推理模型系列，官方定位是「把更好的工具调用能力与对化学、蛋白质工程、基因组学的更深理解结合起来」，以受信访问计划在 ChatGPT、Codex 与 API 开放。官方性能图表在化学、系统发生、实验设计与分析、工具使用四个维度领先对照模型（化学 0.662、实验设计 0.647），BixBench 与 LABBench2 给出定性结论。
- 输入模态
- 文本 / 工具
- 上下文
- 官方资料未说明
- 参数
- 官方资料未说明
- 价格（每百万 tokens）
- 无此口径报价；不等于免费
本变体的评测证据
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Performance and evaluations · table: 官方内嵌 Vega 柱状图（DOM 内含数值，RSC payload 的 vegaLiteSpec.data.values 可机读） · row: Biochemistry and protein understanding · GPT‑Rosalind · figure: 页面内嵌图表（无位图文件）：横轴能力维度、纵轴「得分」0–1，每柱附 95% 置信区间 · quote_snippet: Biochemistry and protein understanding：GPT‑Rosalind 0.367（95% CI 0.362–0.373）
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "官方以 0–1 标度给出各能力维度得分，并给出 95% 置信区间",
"judge": null
}new-benchmark: life-sciences-capability-score（OpenAI 官方生命科学能力维度综合得分表，覆盖化学、蛋白质理解、系统发生、实验设计与分析、工具使用五个维度，0–1 标度并附 95% 置信区间）。同表对照：GPT5 0.339（0.334–0.344）、GPT-5.2 0.278（0.273–0.283）、GPT-5.4 0.305（0.3–0.31）。官方对该维度的说明：Can the model perform core protein analysis tasks, including assessing the effects of protein mutations and predicting binding from protein-protein interfaces?
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Performance and evaluations · table: 官方内嵌 Vega 柱状图（DOM 内含数值，RSC payload 的 vegaLiteSpec.data.values 可机读） · row: Chemistry · GPT‑Rosalind · figure: 页面内嵌图表（无位图文件）：横轴能力维度、纵轴「得分」0–1，每柱附 95% 置信区间 · quote_snippet: Chemistry：GPT‑Rosalind 0.662（95% CI 0.655–0.668）
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "官方以 0–1 标度给出各能力维度得分，并给出 95% 置信区间",
"judge": null
}new-benchmark: life-sciences-capability-score（OpenAI 官方生命科学能力维度综合得分表，覆盖化学、蛋白质理解、系统发生、实验设计与分析、工具使用五个维度，0–1 标度并附 95% 置信区间）。同表对照：GPT5 0.32（0.314–0.326）、GPT-5.2 0.503（0.496–0.51）、GPT-5.4 0.548（0.542–0.555）。官方对该维度的说明：Tests the model's fundamental understanding of chemistry, including predicting primary reaction products, electron flow in organic reactions, and 3d conformation.
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Performance and evaluations · table: 官方内嵌 Vega 柱状图（DOM 内含数值，RSC payload 的 vegaLiteSpec.data.values 可机读） · row: Experimental design and analysis · GPT‑Rosalind · figure: 页面内嵌图表（无位图文件）：横轴能力维度、纵轴「得分」0–1，每柱附 95% 置信区间 · quote_snippet: Experimental design and analysis：GPT‑Rosalind 0.647（95% CI 0.634–0.66）
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "官方以 0–1 标度给出各能力维度得分，并给出 95% 置信区间",
"judge": null
}new-benchmark: life-sciences-capability-score（OpenAI 官方生命科学能力维度综合得分表，覆盖化学、蛋白质理解、系统发生、实验设计与分析、工具使用五个维度，0–1 标度并附 95% 置信区间）。同表对照：GPT5 0.107（0.096–0.118）、GPT-5.2 0.242（0.22–0.264）、GPT-5.4 0.322（0.293–0.351）。官方对该维度的说明：Can the model parse dumps of experimental outputs, probe the same dimensions as an expert would, and intelligently synthesize external information to design follow-up experiments?
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Performance and evaluations · table: 官方内嵌 Vega 柱状图（DOM 内含数值，RSC payload 的 vegaLiteSpec.data.values 可机读） · row: Phylogenetics · GPT‑Rosalind · figure: 页面内嵌图表（无位图文件）：横轴能力维度、纵轴「得分」0–1，每柱附 95% 置信区间 · quote_snippet: Phylogenetics：GPT‑Rosalind 0.163（95% CI 0.153–0.173）
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "官方以 0–1 标度给出各能力维度得分，并给出 95% 置信区间",
"judge": null
}new-benchmark: life-sciences-capability-score（OpenAI 官方生命科学能力维度综合得分表，覆盖化学、蛋白质理解、系统发生、实验设计与分析、工具使用五个维度，0–1 标度并附 95% 置信区间）。同表对照：GPT5 0.133（0.125–0.14）、GPT-5.2 0.127（0.118–0.136）、GPT-5.4 0.11（0.101–0.118）。官方对该维度的说明：Tests the models' ability to understand the evolutionary context of given DNA sequences.
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Performance and evaluations · table: 官方内嵌 Vega 柱状图（DOM 内含数值，RSC payload 的 vegaLiteSpec.data.values 可机读） · row: Tool usage · GPT‑Rosalind · figure: 页面内嵌图表（无位图文件）：横轴能力维度、纵轴「得分」0–1，每柱附 95% 置信区间 · quote_snippet: Tool usage：GPT‑Rosalind 0.578（95% CI 0.528–0.627）
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "官方以 0–1 标度给出各能力维度得分，并给出 95% 置信区间",
"judge": null
}new-benchmark: life-sciences-capability-score（OpenAI 官方生命科学能力维度综合得分表，覆盖化学、蛋白质理解、系统发生、实验设计与分析、工具使用五个维度，0–1 标度并附 95% 置信区间）。同表对照：GPT5 0.338（0.291–0.386）、GPT-5.2 0.396（0.347–0.445）、GPT-5.4 0.409（0.36–0.459）。官方对该维度的说明：Given a user prompt, does the model select the right database to query or skill to use?
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Industry evaluations · row: BixBench · quote_snippet: On BixBench, a benchmark designed around real-world bioinformatics and data analysis, GPT‑Rosalind achieved leading performance among models with published scores.
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": null,
"judge": null
}官方正文只给定性结论（在有公开分数的模型中名列前茅），未印出具体分数与对照模型的数值，故数值留空、结论本身可核验。
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Industry evaluations · row: LABBench2 · quote_snippet: On LABBench2 … GPT‑Rosalind outperforms GPT‑5.4 on 6 out of 11 tasks. The most notable improvement comes from CloningQA.
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": null,
"judge": null
}官方正文给出的是任务胜出计数（11 项中 6 项优于 GPT-5.4，最大提升在 CloningQA），不是可比的基准绝对分，故数值留空、结论本身可核验。
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Industry evaluations · Dyno Therapeutics collaboration · row: RNA 序列功能预测 · quote_snippet: When evaluated directly in the Codex app, best-of-ten model submissions ranked above the 95th percentile of human experts … 在预测任务中排名超过了 95% 的人类专家
{
"harness": "Codex 应用内直接评测",
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "十次提交取最佳，与 57 份 AI 生物领域人类专家历史评分对比后换算百分位",
"judge": null
}new-benchmark: rna-sequence-human-expert-percentile（与 Dyno Therapeutics 合作，用未公开且未污染的 RNA 序列做序列-功能预测与生成评估，对照 57 份人类专家历史评分，输出「超过的人类专家百分位」）。官方对序列生成一项写的是「超过约 84% 的人类专家」，本行按官方原文记 84。评测样本与 57 份人类评分均未公开，无法复现。
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Industry evaluations · Dyno Therapeutics collaboration · row: RNA 序列生成 · quote_snippet: When evaluated directly in the Codex app, best-of-ten model submissions ranked above the 84th percentile of human experts … 在序列生成任务中则超过了约 84% 的人类专家
{
"harness": "Codex 应用内直接评测",
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "十次提交取最佳，与 57 份 AI 生物领域人类专家历史评分对比后换算百分位",
"judge": null
}new-benchmark: rna-sequence-human-expert-percentile（与 Dyno Therapeutics 合作，用未公开且未污染的 RNA 序列做序列-功能预测与生成评估，对照 57 份人类专家历史评分，输出「超过的人类专家百分位」）。官方对序列生成一项写的是「超过约 84% 的人类专家」，本行按官方原文记 84。评测样本与 57 份人类评分均未公开，无法复现。