2026年10月30日，OpenAI发布了面向生物、新药研发与转化医学的前沿推理模型GPT-Rosalind-6。在最高推理预算下，它的药物化学跑分比上一代GPT-Rosalind-5.5暴涨20.7个百分点，基因组学单次成功率更是翻了一倍多。但翻开同日公布的《GPT-Rosalind-6 System Card Addendum》，最反常识的一行字藏在第二章：它与通用旗舰模型GPT-6 Astra使用完全相同的权重，既没有补充生物训练数据，也没有做额外的后训练。
这就揭开了这起发布的真实底牌。GPT-Rosalind-6并非靠垂直语料喂出来的医学专精模型，而是一套面向合格科研机构、药企和政府合作伙伴的B端白名单封装。OpenAI把GPT-6 Astra原本被安全护栏死死按住的双重用途生物学能力解开了一道口子，再挂上Rosalind的牌子定向售卖。至于横向身位，OpenAI此次并未放出与竞品在同版本基准上的正面对齐；参考过往数据，早期GPT-Rosalind在LifeSciBench上（均分0.576）优于Gemini 3.1 Pro（0.515），但在onepot ChemAbacus分子属性基准上，未标明版本的GPT-Rosalind（高算力下宏准确率88%）仍落后于Claude Opus 5（96%）。
零微调暴涨20个百分点，红利全靠基座硬推
既然一行生物代码都没多训，GPT-Rosalind-6的能力跃升从哪来？答案是底层GPT-6 Astra基座的进化，加上高推理预算的暴力穷举。
| 评估基准 | 考察维度 | GPT-Rosalind-5.5 | GPT-Rosalind-6 | 增幅 |
|---|---|---|---|---|
| MedChemBench v7（99题） | 化学结构解析、构效关系、药效与毒性预测 | 28.9% | 49.6% | +20.7个百分点 |
| GeneBench Pro v13（129题） | 基因组与定量生物数据分析规划（非生产配置） | 16.7% | 37.7% | +21.0个百分点 |
| LifeSciBench Gold（94题） | 一线生命科学家贡献的实际科研任务（剔除6道问题任务） | 44.0% | 61.3% | +17.3个百分点 |
这组对照直接打破了垂直行业大模型的一个流行叙事。过去两年，生物医药AI创业公司最爱讲的故事是独家湿实验数据和专有领域微调。但OpenAI用同一套权重证明，当通用推理基座的逻辑规划和长链条推演跨过某个临界点，哪怕不喂专有料，它在药物毒性预测和定量生物分析上的表现也能把半年前的同系版本甩开近20个百分点。
- 结论.通用推理基座加高算力预算，正在直接碾压浅层的垂直领域微调。
不过看跑分也得留个心眼。GeneBench Pro v13的37.7%单次成功率是在特定基准配置下跑出来的，与实际生产环境不同；LifeSciBench Gold也手动剔除了6个被标记为任务或环境存疑的题目。
越过三道高危红线，白名单成了合规减压阀
通用基座变强了，为什么不直接在GPT-6 Astra里开放这些能力，非要单独切出一个GPT-Rosalind-6 Research？因为底座的能力已经撞上了生物安全的红线。
在生命科学里，帮研究员排查PCR实验失败原因或设计病毒载体的能力，稍微换个方向，就能用来指导危险病原体培养。OpenAI在安全准备度（Preparedness）评估中，特意做了一项拒绝调整测试：把模型因为安全护栏而拒绝回答的题目全部算作答对，以此摸清权重里到底藏着多高的真实危险能力。
测试结果很扎眼。4项高风险（High）湿实验与排错评估里，模型一口气冲破了3项红线，其中病毒学多选排错跑到了59.9%，几乎是31%阈值的两倍。好在更往上一层的4项严重级别（Critical）生物设计评估——包括AAV衣壳包装预测、SHP2蛋白功能预测、冠状病毒-ACE2细胞进入筛选以及噬菌体-质粒共进化——它都没触及红线。OpenAI据此把它的生物与化学风险定为High（低于Critical）；同时因为它直接套用GPT-6 Astra的权重，网络安全风险也原样继承了母模型的Critical（严重）最高警戒评级，AI自我改进风险则低于High。
所谓行业专精模型，不过是一张给高危基座松绑的特许经营牌照。
把这样一个带Critical网安风险和High生物风险的底座直接向公众敞开，安全团队绝对不敢签字；可如果把拒绝阈值拉得太紧，药企研究员连正常的病毒载体排错都问不出来，商业变现就成了空谈。
于是OpenAI祭出了基于信任的访问（Trust-based access）。这就像早期铁路与剧毒化学品行业的特许经营制：技术本身不改，改的是买票人的审查门槛。药企和研究所要想用上少拦截、高智商的Rosalind-6，必须先交出自己的预期用途、内部安全控制和治理规范接受OpenAI审查，进场后还得承诺限制内部访问权限，并且在把模型输出用于真实实验或重大决策前，必须由合格的人类专家签字复核。用B端客户的合规成本，去对冲模型底座失控的法律与伦理风险，这算盘打得极精。
先上车后补票，自己当发牌员的监管盲区
古人讲，器利则害生，制疏则祸起。当AI实验室开始用企业自建的白名单代替硬性的模型底层拦截，这套特许准入机制本身的成色，就成了最大的风险敞口。
细读这份系统卡附录，能看到两处让人捏把汗的留白：
- 监控与执法红队测试还在吃老本系统卡承认，针对监控和执法机制的红队测试此前是在GPT-Rosalind-5.5上做的，针对Rosalind-6的复测直到模型正式部署后仍在进行中。底座跑分涨了20个百分点，看门狗的升级测试却在先上车后补票。
- 缺乏公开的第三方独立审计虽然Gryphon Scientific和SecureBio等机构贡献了部分评估材料，但截至2026年11月2日，外界看不到任何独立的第三方审计报告，去验证这套生物风险护栏和白名单访问控制到底管不管用，关键细节仅对OpenAI内部的安全咨询小组（Safety Advisory Group）等治理机构公开。
- 风险.OpenAI既当高危算力的卖家，又当准入资质的发牌员，还在没有外部独立审计的情况下边部署边补做监控测试。
对于跨国药企和生物技术实验室来说，GPT-Rosalind-6确实是一把趁手的利器，近50%的MedChemBench得分足以把早期分子筛选和实验排错的效率抬高一个身位。但天下没有白吃的午餐，接过这把利器的代价，是把自家的研发管线装进OpenAI的合规审查笼子里。接下来真正决定这套特许模式能否站稳的，不是下一个版本的跑分还能涨多少，而是那份迟到的监控红队复测结果，以及监管机构到底能容忍AI公司自己给自己发牌照多久。