当地时间10月10日，科技媒体TestingCatalog发现OpenAI API价格页新增未正式发布型号“gpt-rosalind-discovery”。该模型被归入“生命科学模型”类别，定价与已公开的gpt-rosalind-research一致：每百万Token输入5美元、缓存输入0.5美元、输出25美元。外界推测其或将聚焦药物发现领域。目前该模型及Rosalind文档页均返回404错误，除价格外暂无其他官方信息。
相较于单一模型的出现，OpenAI为生命科学设立独立价目表更具标志性意义。这可能是通用大模型厂商中首个针对具体研究领域建立独立品牌、准入审核及持续迭代体系的项目。
OpenAI构建生命科学专属品牌Rosalind
Rosalind已成为OpenAI在生命科学领域的实质品牌，命名致敬DNA双螺旋结构关键发现者罗莎琳德·富兰克林（Rosalind Franklin）。今年4月，GPT-Rosalind以研究预览形式向美国合规企业开放，首批合作伙伴包括安进、莫德纳、艾伦研究所和赛默飞世尔科技。
随后，基于GPT-5.5训练的新版本强化了药物化学和基因组学能力，并将预览范围扩展至全球合规组织。自10月5日起，该模型开始计费，仅对通过可信访问计划审核的机构开放，且限定用于内部研究，禁止接入面向客户的产品。
目前，Rosalind平台形成三类交付路径：GPT-Rosalind模型、研究工作空间Rosalind Workbench，以及Codex编程智能体中连接50多个科学工具和数据源的生命科学插件。OpenAI旨在将文献检索、数据分析、序列处理、实验规划等分散环节整合至统一调度环境。
（来源：OpenAI）
该业务布局早有铺垫。正式亮相前，OpenAI已与礼来、赛诺菲、诺和诺德等药企探索AI驱动研发，并于2025年成立OpenAI for Science团队。今年初，OpenAI公布重要湿实验成果：与Ginkgo Bioworks合作将GPT-5接入云端自动化实验室，由AI设计、机器人执行，成功将标准测试蛋白反应原料成本从每克698美元降至422美元，并形成产品研发闭环。
此外，Rosalind还推出生物防御计划，向生物安全领域开发者及部分美国政府机构开放模型。
头部厂商差异化布局生命科学赛道
尽管AI+生物（AI4Bio）并非新话题，但OpenAI是首家将生命科学推理能力作为独立模型条目销售的头部通用大模型厂商。相比之下，谷歌DeepMind虽积累深厚，但其AlphaFold主要面向学术界开源，TxGemma亦为开源项目，“AI合作科学家”仅限受邀测试；商业化药物发现由其分拆公司Isomorphic Labs负责。
微软推出跨行业科研智能体平台Microsoft Discovery，支持接入第三方模型和自有工具，但未提供专用模型；Anthropic发布的Claude Science底层仍为通用Claude模型，其生命科学负责人埃里克·考德尔-艾布拉姆斯表示，公司将亲自使用该工具开展药物发现以验证产品表现。
横向对比可见，OpenAI定位清晰：作为纯工具供应商，仅向药企出售专用模型，不介入研发管线，模型优化依赖客户反馈。这种模式区别于既卖工具又下场研发的竞争对手。
垂直场景成高附加值突破口
在通用模型价格战加剧背景下，厂商纷纷转向高附加值垂直场景。药物发现痛点明确、付费能力强，早期高度依赖人工，若模型能提升靶点选择精度和实验设计质量，收益将在后续环节放大。
资本持续看好该赛道。PitchBook数据显示，2019年以来AI药物发现领域累计获超170亿美元投资。作为对照，网络安全成为另一高增长场景，OpenAI价格页已出现“网络安全模型”独立条目，gpt-5.6-cyber输出价格为每百万Token 75美元，是Rosalind的3倍。
（来源：OpenAI）
Rosalind定价相对较低，显示OpenAI当前更看重吸引头部药企和研究机构积累真实使用场景，而非急于通过单价获利。
垂类模型商业化面临验证周期挑战
各大厂商虽积极布局AI4Bio，但行业仍缺乏大规模临床验证。不同于代码可即时运行检验，生物学需依赖湿实验乃至数年临床试验，模型难以快速迭代。此外，当前模型仅能承担具体实验设计，研究方向仍需人类确定，作用局限于减轻人工劳动，尚未延伸至更高价值场景。
Ginkgo Bioworks联合创始人雷什玛·谢蒂指出，选择值得解决的科学问题仍是人类专长。
各厂商商业化路径各有难点：OpenAI需证明药企愿为更好研发决策付费；Anthropic面临与药企同等的研发风险；谷歌标准化收入起步较慢。模型变现绕不开药企数据和实验室，建立壁垒的关键在于反馈速度——谁能更快、更低成本地将模型建议送入实验室并获取结果。
自动化实验室是压缩验证周期的核心环节，但目前基础设施不专属于任何模型公司，自建成本高昂。
任务细分或成下一步策略
gpt-rosalind-discovery的出现暗示OpenAI可能在生命科学领域进一步按型号细分任务，分别面向广泛研究或候选分子筛选。此举优势在于：不同环节对模型要求差异大，可集中优化评测；客户按需选用，单点突破后易变现，且便于拉开定价梯度。
然而，药物发现流程环环相扣，型号过细需做好衔接。两款模型目前定价相同，表明OpenAI尚未明确差异化定位。discovery模型的具体用途、与research模型的关系及实际增益均未公开。该策略能否成功，取决于后续能否提供具体型号的评测结果和实验证据。