GPT-Rosalind: OpenAI celuje w odkrycia leków

OpenAI odpalił GPT-Rosalind — frontier model reasoning stworzony specjalnie dla sektora life sciences, z naciskiem na odkrywanie leków, analizę genomiki i rozumowanie o strukturze białek.

Nie kolejny GPT-4. Coś zupełnie innego

Rosalind to pierwszy model OpenAI zbudowany od początku z myślą o konkretnej domenie naukowej, a nie ogólnym zastosowaniu. Nazwa to hołd dla Rosalind Franklin — badaczki, której zdjęcia rentgenowskie DNA były fundamentem odkrycia podwójnej helisy. Symbolika nieprzypadkowa.

Model ma obsługiwać cztery główne obszary: odkrywanie leków (drug discovery), analizę genomiki, reasoning nad strukturami białek oraz ogólne workflow badań naukowych. OpenAI nie podało jeszcze szczegółowych benchmarków porównujących Rosalinda z modelami DeepMind czy Anthropic w zadaniach bioinformatycznych — i to jest pierwsza rzecz, której branża będzie się domagać.

Czy life sciences to nowy battleground dla AI?

DeepMind zaorał tę przestrzeń AlphaFold2 w 2020 roku, przewidując struktury ponad 200 milionów białek. AlphaFold3, wydany w 2024, rozszerzył możliwości na kompleksy biomolekularne. Google ma tu kilkuletni head start.

Rosalind gra jednak w nieco inną grę. AlphaFold to wyspecjalizowane narzędzie do predykcji struktury. Rosalind — sądząc po opisie OpenAI — ma być modelem reasoning, który integruje wiele typów zadań naukowych w jednym miejscu. Coś w stylu “naukowego asystenta badawczego” zamiast pojedynczego, wąskiego narzędzia.

Biotech i farma od lat gonią za skróceniem cyklu R&D. Średni czas od odkrycia cząsteczki do zatwierdzonego leku to 10–15 lat i ponad miliard dolarów kosztów według danych Tufts Center for the Study of Drug Development. Jeśli Rosalind faktycznie skraca nawet fragment tego procesu, OpenAI ma rynek wartości setek miliardów dolarów na wyłączność.

OpenAI buduje moats branżowe

To nieprzypadkowy ruch. Po premierze modeli o1 i o3, które zaprojektowano pod złożone reasoning tasks, OpenAI konsekwentnie wchodzi w verticale — prawo, finanse, medycyna. Rosalind to najagresywniejszy dotąd sygnał, że firma chce być dostawcą infrastruktury AI dla konkretnych branż, nie tylko platformą consumer.

Strategia ma sens. Rynki enterprise i B2B płacą więcej, churnus jest niższy, a bariery wejścia dla konkurencji rosną gdy model jest głęboko zintegrowany z workflow laboratoryjnym. Perplexity czy Mistral nie wejdą tu z dnia na dzień.

Jeden problem: brak danych o tym, jak Rosalind faktycznie radzi sobie na standardowych benchmarkach jak CASP (Critical Assessment of Structure Prediction) czy MolecularNet. OpenAI wypuściło opis produktowy, nie paper naukowy.

Dla kogo to realny tool, a dla kogo tylko marketing?

Laboratoria akademickie i startupy biotech z dostępem do API mogą zacząć testować Rosalinda od razu. Duże firmy farmaceutyczne jak Pfizer, Roche czy Novartis mają własne zespoły AI i będą podchodziły ostrożnie — każda integracja z wewnętrznymi bazami danych molekularnych to wielomiesięczny projekt bezpieczeństwa.

Najszybciej Rosalind trafi do:

• Startupów drug discovery (Recursion Pharmaceuticals, Insilico Medicine i podobnych)
• Grup akademickich robiących genomikę na małą skalę
• CRO (contract research organizations) szukających przewagi operacyjnej

Większe organizacje będą czekać na peer-reviewed wyniki i umowy enterprise z gwarancjami dotyczącymi prywatności danych. W life sciences dane to dosłownie IP warte miliardy.

Co OpenAI milczy

Brak kilku informacji, które robią różnicę: ceny dostępu, czy model działa multimodalnie (dane sekwencji + obrazy mikroskopowe?), jakie formaty danych obsługuje natywnie, i czy istnieje możliwość fine-tuningu na własnych zbiorach.

Bez tych detali Rosalind to na razie zapowiedź, nie produkt gotowy do oceny przez środowisko naukowe. OpenAI ma historię szybkiego iterowania po premierach — o3-mini pojawił się kilka tygodni po o3 pełnym. Rosalind v1.5 może wyglądać zupełnie inaczej niż to, co widać teraz.