OpenAI 未发公告上架 gpt-rosalind-discovery，生命科学模型家族迎来新成员

10 月 10 日，OpenAI API 官方价格页的生命科学模型分组中，出现了此前从未公开的 gpt-rosalind-discovery，与已经正式计费的 gpt-rosalind-research 并排陈列。这一变动最先被 X 上的 AI Tracker Bot 捕捉，随后 TestingCatalog、Pasquale Pillitteri 等第三方观察源相继核实，但截至发稿，OpenAI 既没有发布官方博客文章，也没有配套的帮助说明或系统卡。

能从页面直接确认的信息有限：新模型定价与 gpt-rosalind-research 完全一致，每百万 token 输入 5 美元、缓存输入 0.5 美元、输出 25 美元；缓存写入定价不适用于这一档位。价格页脚注依旧指向同一份 GPT-Rosalind 帮助文档，其中写明所有合资格组织将持续获得最新发布的 GPT-Rosalind 模型，这意味着 OpenAI 打从一开始就按模型家族的路线在滚动上新，而不是单点投放。

不必把它渲染成突发奇迹。OpenAI 过去多次在正式公告前先把模型挂上价格表，这次大概率也是同一套节奏。真正值得关心的是两个问题：discovery 到底负责什么任务，以及这个家族的开放边界还会不会继续松动。这两个问题目前都没有官方答案，本文把已核实的事实和待确认的疑点分开陈列，方便读者自行跟踪。

官方目前没有给任何定位说明，所有判断都只能基于命名和先前发布节奏推断。名字里的 discovery 指向药物发现与早期研究方向，而 OpenAI 在 4 月首次发布 GPT-Rosalind 时，媒体整理的表述就包括生物学、药物发现与转化医学这些关键词，早期合作方据 TestingCatalog 梳理包括 Amgen、Moderna、Allen Institute 与 Thermo Fisher。

同价是一个重要暗示。两个模型的输入与输出单价完全一致，通常意味着二者在经济上被看作同一能力层，discovery 更可能是 research 在特定工作流上的调优版本，而不是成本结构完全不同的独立旗舰。但反向也可能成立：OpenAI 有意让同一接口下的不同专业模型共享价格，方便企业按任务挑选而不需要重新做预算。官方帮助文档明确说这套能力最适合生信分析师、计算生物学家与早期发现团队的假设生成阶段，覆盖靶点生物学、文献合成、组学解读这类工作。

对读者最实际的判断标准是：如果它只是 research 的场景化调优，普通企业基本感知不到差别；如果它是一个独立训练、面向靶点识别或分子设计的模型，医药企业内部的自动化流程价值会明显提高。这个分岔只能等官方说明来揭晓，目前没有任何一方给出确凿证据。

把时间线摆清楚，有助于理解今天这条上新的位置。2026 年 4 月，OpenAI 发布了面向生命科学研究的专用模型 GPT-Rosalind，成为其首批领域纵深产品之一。按照 TestingCatalog 的回溯，GPT-Rosalind 在 9 月中旬被移出研究预览，同一时期官方开发者更新日志显示，9 月 8 日起 gpt-rosalind-research 通过 trusted-access 可信访问计划正式开放，面向通过审批的机构内部研究。

紧接着是商业化落地：官方价格页明确标注 gpt-rosalind-research 的计费从 10 月 5 日开始，合资格组织会持续获得最新版本。帮助文档同时说明该模型通过 ChatGPT Enterprise、Codex 与 API 三条路径交付，Codex 端还提供 Life Sciences Research 插件，接入科学工具与数据库；发布说明强调企业级治理，包括支持带 BAA 的受监管工作区、SOC 2 Type 2 与 HIPAA 对齐标准，且默认不使用企业客户数据训练。

8 月底的开发者博客还应提一句：OpenAI 为科研场景推出了 Rosalind Workbench 工作台，在 ChatGPT 内提供蛋白结构查看、序列探索与下一代测序引导流程，首发工作流包括 FASTQ 质控、bulk RNA 测序与单细胞 RNA 测序，并且明确说使用 Workbench 不需要持有模型访问权。也就是说，OpenAI 正在把模型、插件、工作台和数据连接凑成一整套科研环境，今天上线的 discovery 是这套拼图的最新一块。

只有通过可信访问计划审批的组织，才能在内部研究场景使用 GPT-Rosalind 模型，且目前明确限制为内部研究用途。机构可以提交负责任访问申请，或者联系 OpenAI 销售团队走企业通道。企业内部的第一步是把用户加进启用了 GPT-Rosalind 的 ChatGPT 工作区，再由管理员通过群组和自定义角色开通 Life Sciences 相关权限；API 侧则是给组织成员添加访问，配好内部研究工具与工作流。

怎么自查能不能用上：先切换到启用了 GPT-Rosalind 的工作区，在 ChatGPT 模型选择器的 Legacy models 分组里看是否出现 GPT-Rosalind；Codex 用户则检查左侧 Plugins 面板里有没有 Life Sciences Research 插件。有一点值得注意，该模型必须每次手动选择才能启用，而且藏在 Legacy models 下，管理员授权没有生效时普通成员完全看不到入口。

风险与边界同样写得很明：模型禁止用于面向客户的产品或外部商业应用，数据驻留端点要额外加收 10% 的费用，且仅覆盖 2026 年 3 月 5 日之后发布的可驻留模型。组织在排期前先确认自己属于哪类部署，否则协议与计费都可能对不上。

对生信、计算生物与早期发现团队来说，这套能力的价值在多步工作流而不是单轮问答：文献合成、组学解释、湿实验室排错、实验规划。官方帮助文档建议不要把原始大规模数据直接塞进上下文，而是指向本地目录、数据库或合规存储，让模型按需调取并产出可复用技能，这比全量投喂更快也更省。合资格团队完全可以直接动手验证：挑两三个真实任务，比如文献综述或序列分析，在已支持的 research 模型上做小批量对照，记录准确率、延迟与实际消耗 token 数。

成本账要算细。每百万 token 输入 5 美元、输出 25 美元的定价不算便宜，适合放在结论优先级高、人工复核成本更高的环节；缓存输入只要 0.5 美元，重复性任务里复用缓存能显著摊薄成本，企业排程时应优先考虑可缓存的批处理结构。数据驻留需求会带来 10% 加价，欧洲或医疗合规场景必须提前计入预算。

第二笔账是合规账。生命科学模型的访问边界由可信访问计划、安全与合规要求定义，发布说明特别提醒这套安排对容易被滥用的专业模型是刻意设计：OpenAI 同类 Cyber 系列模型也采取同样的收敛式开放策略。团队在使用前应把内部留存记录与出入数据的合规要求写进流程，而不是等事故后补救。第三笔账是机会成本：如果 discovery 后续被证实确实是药物发现专用模型，它可能替代企业内部一部分自建小模型，届时提前熟悉接口和插件体系才来得及迁移。

OpenAI 不是唯一挤进这个领域的玩家。按 TestingCatalog 等媒体的观察，Anthropic 正在测试面向桌面端的 Claude Operon 生物学模式，另有面向研究人员的 Claude Science 产品处于 beta 阶段；谷歌云此前也在 Gemini at Work 大会上把 Financial Services 与 Legal 两个行业专精列为预览方向，行业纵深已成为头部厂商的共同路线。

对普通用户与开发者，这个变化眼下没有直接的行动项，不需要急着换工具或订阅。对企业与科研机构，建议按真实任务做平行测试，而不是按发布会演示选边。值得注意的是，这些领域模型都把安全和合规作为卖点而不是附带项，行业的竞争重心正在从通用智力转向可控的专业成效，采购时断面比拼的将是治理与验证能力，而不仅仅是跑分。

按 OpenAI 一贯节奏，价格表通常是公告的前奏。接下来几天值得盯三样东西：官方博客或帮助文档什么时候明确 discovery 的定位；系统卡里它是否被训练为在受控环境下不拒绝高阶生物学问题，也就是和 GPT-Rosalind 系列一致的安全策略；可信访问计划的门槛是否随新模型而调整。

已经合资格的机构没有必要等官方洗牌。价格页脚注明确说所有合资格组织将持续获得最新 GPT-Rosalind 模型，意味着新模型到位后原有审批路径大概率直接生效，企业可以现在就把流程搭好，模型上线即插即测。使用前再次确认部署类型、数据驻留选择与内部合规约束，避免盲目接入带来不必要的费用。

编辑判断：在官方说明落地之前，把 gpt-rosalind-discovery 当作家族继续扩张的信号更稳妥，把它解读成某种突破性产品的预期容易走偏。真正能改变判断的是系统卡与开放范围的变化，等这两份文件出来，再决定要不要把研究流程往这条家族线上迁移。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://developers.openai.com/api/docs/pricing

如发现事实、价格或链接有误，可通过 联系我们 提交更正。