OpenAI 上架 GPT-6 Rosalind：和 GPT-6 Astra 同一套权重，只换了生物学的「拒答边界」和门禁，价格涨到 3 倍

导语

10 月 30 日，OpenAI 的 API 更新日志里多了一行：gpt-6-rosalind。同日，OpenAI 的部署安全中心挂出了《GPT-Rosalind-6 System Card Addendum》。两处一手信息拼起来，是这么一件事：OpenAI 把生命科学专用模型 Rosalind 换到了 GPT-6 底座，但没有重新训练——它和旗舰模型 GPT-6 Astra 用的是同一套权重。

区别不在模型本身，在模型的"外面"：更少的双用途生物拒答、单独的准入审批、单独的监控，以及每百万 token 输出 75 美元的价格——是上一代 Rosalind 的三倍。（本文基于多家媒体转述整理，核心事实以 OpenAI 官方 changelog、系统卡附录与定价页为准。）

3分钟看懂

• 发布了什么：模型 ID gpt-6-rosalind，对外名称 GPT-Rosalind-6 Research，属 Rosalind 生命科学模型家族第三代底座。
• 是不是新模型：不是"新训的模型"。官方原文：与 GPT-6 Astra 使用同一套权重，"本次发布没有增加训练数据，也没有做额外后训练"。
• 那变了什么：拒答边界（对双用途生物问题更少拒答）、部署形态（可信访问审批制）、监控与执法、价格。
• 多少钱：输入 $15、输出 $75（每百万 token）；上一代 research/discovery 仍是 $5 / $25；GPT-6 Astra 是 $10 / $50。
• 谁能用：已通过 Rosalind Research 审批的机构，内部研究用途；ChatGPT 的 Work 标签页和 Codex 里可用，Chat 标签页不可用；API 要单独审批。
• 成绩：官方自测三项基准全面超过上一代——药物化学 49.6% vs 28.9%，基因组分析 37.7% vs 16.7%，应用生命科学 61.3% vs 44.0%。均为厂商自测，无第三方复现。
• 最该记住的一句：这次发布证明的不是"OpenAI 又训出了更强的生物模型"，而是"同一套通用权重，换个拒答边界和准入制度，就能当受管制能力按 token 卖"。

官方到底说了什么

三处一手来源，时间都在 10 月 30 日：

1. API Changelog（10-30 条目）：发布 GPT-6 Rosalind，"为复杂生命科学研究带来专门的生物学推理与科学工具调用"；访问仅限通过 trusted-access 计划获批 Rosalind Research 的机构，供授权人员做内部研究。
2. System Card Addendum（页面标注 Published October 30, 2026）：把它定义为"面向生物学、药物发现与转化医学的前沿推理模型"，以 GPT-Rosalind-6 Research 形式提供给合格的科学家、研究机构、企业和政府合作方。
3. 定价页 Life sciences models 分区：gpt-6-rosalind 与 gpt-rosalind-research、gpt-rosalind-discovery 并列在架。

值得注意的细节是"静默"两个字。没有发布博客，没有产品发布会，主账号也没有同步宣传——这件事最早被外界注意到的痕迹，就是更新日志里的一行字和一份系统卡附录。有第三方稿据此写成"悄悄上架"，这个描述在"没有营销动作"的意义上成立。

但它也顺手暴露了二手报道的通病：有稿子写"OpenAI 没有为 GPT-6 版本发布基准、模型卡或系统卡"，而实际上系统卡附录当天就挂在部署安全中心，三项基准、Preparedness 评级、准入规则全在里面。看这类新闻，先翻一眼官方 changelog 和 safety hub，比看十篇转述都快。

最重要的技术事实：同一套权重

系统卡第 2 节写得很直白：GPT-Rosalind-6 与 GPT-6 Astra 使用同一套权重，本次发布没有新增训练数据、没有额外后训练，底层模型的数据与训练细节"见 GPT-6 Astra 系统卡"。

这句话的分量比它看起来重。它意味着：

• 能力上限来自 Astra。生物学表现的天花板，是通用旗舰模型在生物题上的天花板，不是某个生物专用语料喂出来的独立模型。
• 差异全在部署层。同一套权重，配上不同的拒答策略、系统提示、工具调用配置、监控与准入，就变成了"另一种产品"。
• "专用"是产品定义，不是训练事实。OpenAI 自己在系统卡里承认：Rosalind 对双用途生物问题的拒答更少，但仍拒绝明显有助于生物武器化的请求。

这也解释了为什么它敢卖三倍价：卖的不是算力，是"被放开的那部分拒答"和"被批准的那部分准入"。对药企来说，通用模型在生物问题上频繁拒答、给不出可操作答案，才是真正的成本；专用版本的价值在于把这类摩擦拿掉。

三项基准：涨得不少，但要看清"跟谁比"

系统卡给的三个数字，都是最高 reasoning budget 下、与 GPT-Rosalind-5.5 在同版本题库、同题集上重跑的结果：

• MedChemBench v7（药物化学：结构解读、构效关系、药效与毒性预测）：49.6% vs 28.9%，99 道题，每题最多 9 次评分取均值。
• GeneBench Pro v13（基因组与定量生物学：规划并执行生物数据分析）：单次成功率 37.7% vs 16.7%，129 道题，每题 7 次响应。
• LifeSciBench Gold（应用生命科学研究，题目由在职生命科学家贡献）：61.3% vs 44.0%，剔除 6 道有问题的题后剩 94 道，每题最多 8 次评分。

三个数字都接近翻倍，这在模型迭代里算相当陡的曲线。但必须把限制讲清楚：

• 全是厂商自测。没有第三方复现，也没有公开的 Astra 或竞品同题成绩——系统卡只对比了两代 Rosalind。
• 三项指标不可平均。官方自己注明 GeneBench 用的是特定配置、与生产环境不同，LifeSciBench 剔了题，量纲不一致，加起来算"平均分"没有意义。
• 不等于临床或湿实验验证。基准考的是答题与分析规划，不是"设计的分子能不能成"。

一句话：这是"同一家族内部代际提升"的强证据，不是"业界最强生物 AI"的证据。

安全评级：生物 High，网络安全 Critical

这是全文最容易被省略、却最该看的部分。

按 OpenAI 的 Preparedness Framework，这次发布被定为生物与化学域 High 能力，低于 Critical 阈值；同时沿用 GPT-6 Astra 的评估，把它当作网络安全域 Critical、AI 自我改进域低于 High。

生物域的评估分两档：

• High 档（湿实验能力与排障）：ProtocolQA Open-Ended（108 道改造过的公开实验方案排障题，指示性阈值 54%）、TroubleshootingBench（专家手写的非公开实验方案排障，阈值 36.4%，本次得分 491/832）、Biorisk knowledge（与 Gryphon Scientific 共建的双用途知识题，阈值 80%）、多选病毒学排障（阈值 31%）。
• Critical 档（可能帮助专家开发高危新威胁的设计能力）：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、噬菌体—质粒共进化。

结果上，官方说法是"拒答调整后在 4 项 High 评估中有 3 项超过指示性阈值"，因此继续按 High 对待。

最值得普通人注意的一个数字是拒答率：Biorisk knowledge 上，GPT-Rosalind-6 的拒答率是 9.4%，上一代 5.5 是 1.8%，而通用版 GPT-6 Astra 是 29.2%。 同一个知识测试，cons@32 原始分 78.3%（5.5 是 79.2%，Astra 是 63.3%），拒答调整后 85.0%（Astra 是 90.0%）。

翻译成人话：Rosalind 比通用版"敢答"得多，但仍比上一代更谨慎一点；它的高分有相当一部分来自"愿意回答"而不是"更懂"。 这个拆解方式，比单纯看一个 78.3% 有用得多。

门禁：两层审批，且不能自动升级

准入规则是这次发布里对实际使用者影响最大的部分：

• 两个层级。Rosalind Discovery 面向文献综述、数据分析、方案解读这类日常工作，仍跑在 5.5 模型上，只是监控更严；Rosalind Research 面向"前沿生物工作"，GPT-6 只出现在这一层。
• 不自动升级。拿到 Discovery 审批，不等于能进 Research；要单独再审一次。
• 入口受限。Research 版在 ChatGPT 的 Work 标签页和 Codex 里可用，Chat 标签页不可用——这是一个很明确的产品信号：它是工作工具，不是聊天玩具。
• API 要单独批。且仅限内部研究工具，明确排除面向客户的产品和外部商业应用。
• 企业版先来两周 Admin Preview，默认关闭，管理员要手动给符合条件的人开；已有的 Research 审批不能跳过这一步。
• 学术计划不含 API。走 Rosalind Academic Plan 的高校实验室，没有 API 访问和额度。
• 资格没有扩大。系统卡明确写了，这次发布不扩大此前 Rosalind 计划已公布的适用范围。

定价页上还有一句容易被忽略但很关键的话："所有符合条件的机构将持续获得最新发布的 GPT-Rosalind 模型。" 也就是说，已获批机构不用重新申请就能拿到新版本——审核只在准入时发生一次，模型能力升级时不再重新评估。对用的人来说是便利，对治理来说是个值得盯的口子。

价格：贵在"输出"，而且是 3 倍

官方定价（每百万 token，标准上下文）：

• 输入 $15，缓存输入 $1.50，输出 $75；30 分钟缓存写入 $18.75，12 小时写入 $37.50。
• 长上下文档：输入 $30、缓存输入 $3、输出 $112.50（缓存写入 $37.5）。
• 区域处理（数据驻留）端点在此基础加价 10%。

横向对比就很刺眼：

• gpt-rosalind-research / gpt-rosalind-discovery：$5 输入 / $25 输出 → 新版正好是 3 倍。
• gpt-6-astra：$10 输入 / $50 输出 → 新版是它的 1.5 倍。

也就是说，为"生物学拒答放宽 + 审批制准入"付的溢价，比通用旗舰贵一半，比自家上一代专用版贵两倍。对于要跑大批量文献或组学分析的团队，这不是小数——输出价格是最容易失控的一项。

放到这一周的格局里

同一周里，生命科学赛道的动作不少，路线差别越来越清楚：

• OpenAI：把最强的通用权重，关进可信访问，按 token 高价卖。不碰管线，只卖"能力"。
• Google DeepMind：专用科学模型 + 开放工具路线（AlphaFold 系、AI co-scientist 这一类）。
• Anthropic：通用 Claude 加科研资助与药物研发合作，据多家媒体转述，本周也公开了与药物开发相关的进展。

三条路的分歧不在模型强弱，在谁能用、以什么价格用、用在什么边界内。OpenAI 这次的选择很直白：把生物能力当受管制能力运营。

怎么用：现实路径

1. 先确认你在哪一层。已有 Rosalind Research 审批的机构，理论上直接能用新版本；只有 Discovery 的，要重新申请 Research。
2. 选入口。日常在 ChatGPT Work 标签页或 Codex 里用；要接自己的分析流水线，必须走 API 单独审批。
3. 企业管理员先开 Preview。两周 Admin Preview 默认关闭，不开就是"看不到模型"。
4. 算成本再放量。按 $75/百万输出 token 估，先拿一个小课题跑通，再决定要不要接批量任务。
5. 高校用户注意。学术计划不含 API，别按"学校有账号就能调接口"规划实验。

适用场景

• 已获批机构的文献综述与假设生成：官方自己说这类模型"目前最有价值的是早期发现和假设生成"。
• 组学数据的分析与规划：GeneBench 考的就是"能不能把定量分析跑完"，对做生信流程设计的团队有参考价值。
• 药物化学的常规问答：构效关系、性质预测这类高频但琐碎的问题，正是通用模型容易拒答或答得含糊的地方。
• 湿实验排障：系统卡专门测了"公开方案的常见错误"和"非公开方案的实施错误"，这是实验室里最耗人的环节。
• 需要审计留痕的机构：审批制 + 监控 + 安全控制要求，反而比"随便一个 API key"更适合受监管环境。

不适用场景

• 面向客户的产品。官方明确排除 customer-facing products 与外部商业应用。
• 想用 Chat 标签页直接聊。Chat 里没有。
• 没有审批的个人开发者。短期基本无缘。
• 需要开源/可自托管的场景。权重不放，本地部署无从谈起。
• 把它当"生物专用基础模型"做研究对比。它不是独立训练的模型，拿它证明"生物专用训练有效"是逻辑错位。
• 要临床或湿实验级别的结论。基准考的是答题，不是实验。

避坑

1. 别把它当"新模型"。同一套 Astra 权重，没有新增训练。所有"OpenAI 又训了个更强的生物模型"的表述都不准确。
2. 别把三项基准平均。指标不同、配置不同、还剔了题，官方自己都说不可相加。
3. 别忽略拒答率。Biorisk 分数的一部分来自"愿意答"，9.4% vs 1.8% vs 29.2% 这组数字比总分更有信息量。
4. 别以为 Discovery 审批能覆盖 Research。不自动升级，要重审。
5. 别忽略输出价。$75/百万输出 token 是三倍价，长上下文再翻倍，批量任务很容易超预算。
6. 别信"没有系统卡"的说法。附录当天就发布了，二手稿会漏，先查 deploymentsafety.openai.com。
7. 别忘地区加价。数据驻留端点 +10%。

成本/时间

• API 单价：输入 $15 / 输出 $75 每百万 token（长上下文 $30 / $112.50），缓存输入可降到 $1.50。
• 一个粗算：一次 5 万输入 + 1 万输出的分析，约 $0.75 输入 + $0.75 输出 ≈ $1.5；跑 100 次约 $150。批量跑组学数据前，先按这个量级估。
• 准入时间：官方未给审批时长；企业版还有两周 Admin Preview，实际排期要按这个预留。
• 迁移成本：模型 ID 是新的（gpt-6-rosalind），旧调用不会自动切换；已有 5.5 工作流可以保留，不必强迁。

行动建议

• 已获批机构：先在一个低风险课题上对比 5.5 与 6 的输出差异，重点看"以前被拒答、现在能答"的部分是否真的有用，再决定是否全量切换。
• 只有 Discovery 的机构：现在就去准备 Research 申请材料，说明用途、安全控制与治理流程——系统卡明确说审的就是这三样。
• 高校与研究组：不要按"学术计划有 API"做规划；需要 API 就走机构级 Research 审批。
• 关注治理的人：盯"已获批机构自动获得新版本"这条规则。能力升级不重新评估，是这套制度里最值得讨论的设计。
• 做竞品分析的人：把"同权重不同部署"当成一个新品类来看。以后比拼的可能不是模型分数，而是"拒答边界调得多准、准入审得多细"。

参考来源

• OpenAI API Changelog（2026-10-30 条目，gpt-6-rosalind）：https://developers.openai.com/api/docs/changelog
• OpenAI Deployment Safety Hub《GPT-Rosalind-6 System Card Addendum》（Published October 30, 2026）：https://deploymentsafety.openai.com/gpt-rosalind-6
• OpenAI 定价页 Life sciences models 分区：https://developers.openai.com/api/docs/pricing
• DataStudios（2026-10-31）：https://www.datastudios.org/post/openai-gpt-6-rosalind-biology-drug-discovery-gpt-6-astra-weights-trusted-access
• Daily AI Brief（2026-10-31）：https://dailyaibrief.com/news/openai-releases-gpt-rosalind-6-biology-research-YfJRoH0s
• PromptsZone（2026-10-30）：https://promptszone.com/openai-gpt-6-rosalind-research-release-benchmarks-access
• AGI Pulse（2026-10-31）：https://agipulse.org/e/1075
• AIHOLICS（2026-10-30）：https://aiholics.com/openai-gpt-6-rosalind-api-pricing-life-sciences/

说明：发布时间、权重关系、基准数字、Preparedness 评级、准入层级与价格，均以上述 OpenAI 官方三处来源为准；第三方媒体用于交叉印证与补充细节（如企业两周预览、长上下文价格），文中已分别标注。三家以上独立媒体在 72 小时内对核心事实的表述一致。