OpenAIが2026年4月16日に発表した「GPT-Rosalind」は、生命科学研究向けに作られた推論AIモデルです。
ざっくり言うと、「生物学の研究で必要になる面倒な作業を、まとめて手伝ってくれる専用AI」です。
名前の由来は、DNAの二重らせん構造の発見に寄与した生物学者、ロザリンド・フランクリン。こういう命名はちょっと粋ですよね。研究の“土台”を支えた人物の名前を、次世代の研究支援AIにつけるのは、なかなか象徴的だと思います。
GPT-Rosalindが得意とするのは、たとえばこんな仕事です。
つまり、「1回質問したら1発で答えが返るチャットAI」というより、研究の手順全体を一緒に回していくAIに近いです。ここがかなり重要です。生命科学の世界って、単に知識を知っているだけでは足りなくて、「文献を読む → 候補を絞る → 実験を組む → 結果を解釈する」という地道な往復運動が必要なんですよね。そこをAIが手伝うなら、かなり実用的ではないかと思います。
OpenAIによれば、アメリカでは新薬開発に10年〜15年かかるそうです。しかも特に時間を食うのが、最初のほうの段階。
このあたりは、派手さはないけど超重要です。言い換えると、研究の勝負は「実験そのもの」以前にかなり決まってしまうということでもあります。
GPT-Rosalindは、まさにこの“前半戦”を効率化する狙いで作られています。
個人的には、ここにOpenAIの本気度を感じます。AIを「話し相手」ではなく「研究開発の加速装置」として設計しているわけで、かなり実務寄りです。
OpenAIは、GPT-Rosalindが以下のような領域で高い性能を示したとしています。
ここでいう「配列」は、DNAやRNA、タンパク質の並び方のことです。生命科学では、この並びの違いから「どんな働きをするのか」を推測することがよくあります。地味に見えて、実は研究の核心です。
OpenAIの説明では、GPT-Rosalindは化学、タンパク質理解、ゲノミクス、実験設計と解析などで、GPT-5、GPT-5.2、GPT-5.4より高いスコアを示したとのこと。特に実験設計と解析、化学分野で改善が大きいとアピールしています。
もちろん、こういう比較はベンチマーク（性能テスト）の条件に左右されるので、実際の現場でどこまで効くかは使ってみないと分からない部分もあります。ただ、少なくとも「生命科学専用に寄せたモデルを作ると、汎用モデルより強い場面がある」という方向性はかなり納得感があります。
記事では、いくつかの評価テストの結果も紹介されています。
現実のバイオインフォマティクスやデータ解析を想定したベンチマークです。
GPT-Rosalindは、公開スコアがあるモデルの中で最高水準のPass@1、つまり最初の1回で正解できる率が0.751だったとのこと。
0.751はかなり高い数字です。研究支援AIとしては、こういう「一発で役に立つか」が大事なので、わりとインパクトがあります。
こちらは、以下のような作業を測る評価です。
このLABBench2では、11項目中6項目でGPT-5.4を上回ったそうです。
特に、CloningQAという、分子クローニング用のDNAや酵素試薬を端から端まで設計するタスクで大きな改善があったとのこと。
分子クローニングは、DNAを切ったりつないだりして目的の構成を作る手法です。名前は難しそうですが、要するに「生命の設計図を扱う工作」みたいなもの。ここでAIが強いなら、実験の準備段階はかなり楽になるかもしれません。
ここは大事です。
GPT-Rosalindは、誰でもすぐ使える一般公開モデルというより、「適格なエンタープライズ顧客」向けのtrusted access方式で、まずは米国向けに展開されます。
trusted access方式というのは、ざっくり言えば「信頼できる組織だけに、条件つきで開放する」やり方です。生命科学のAIは便利な一方で、悪用されるリスクもあるからです。
参加組織には、たとえば次のような条件が求められます。
これはかなり妥当な対応だと思います。生命科学のAIは、創薬を加速できる一方で、扱いを間違えると危うい領域にも触れうるので、最初から無制限開放しないのは自然です。
「便利だから全部解放」ではなく、「まず安全に運用できる組織から」というのは、ちょっと地味ですが大事な話です。
なお、研究プレビュー期間中は既存のクレジットやトークンを消費しないとのこと。これは試す側にとってはありがたいですね。
あわせてOpenAIは、Codex向けに「Life Sciences research plugin」も無償公開しています。
このpluginは、以下のようなものにつなげられます。
「マルチオミクス」は、遺伝子、RNA、タンパク質、代謝物など、生命をいろんな層からまとめて見る考え方です。単独のデータだけでは見えないことが、複数のデータを合わせると見えてきます。
このpluginは、承認されたユーザーがGPT-Rosalindと組み合わせて使えるだけでなく、一般ユーザーも主力モデルと併用できるそうです。
ここはかなり面白いです。モデル本体は限定公開でも、周辺ツールを広めに配ることで、研究の土台を整える戦略に見えます。
個人的に一番面白いのは、OpenAIが「研究の知識を持つAI」ではなく、「研究の手続きを回せるAI」を目指している点です。
AIはつい「賢い回答をするもの」と思われがちですが、研究の現場ではそれだけでは足りません。大事なのは、
という流れです。GPT-Rosalindは、その流れに本格的に食い込もうとしているように見えます。
もちろん、AIがいくら優秀でも、最終的に実験をするのは人間です。生命科学は現実の試薬や細胞や時間と向き合う分野なので、AIが万能になるわけではありません。ですが、研究の初速を上げるだけでも価値はかなり大きいはずです。
OpenAIはGPT-Rosalindを、生命科学モデル系列の第一歩と位置づけています。今後は、
を進める方針です。
これはつまり、単発の答えを返すモデルではなく、研究プロジェクトを長く支えるAIを目指しているということです。
もしこれがうまくいけば、創薬や基礎研究の進め方そのものが少し変わるかもしれません。もちろん、過度な期待は禁物ですが、方向性としてはかなり筋がいいと思います。
GPT-Rosalindは、生命科学研究に特化したOpenAIの推論AIです。
文献調査、仮説立案、実験設計、データ解析といった「研究の面倒な前半」をまとめて支援しようとしていて、特に化学、タンパク質工学、ゲノミクス、バイオインフォマティクスで強さを示しています。
しかも、ただ強いだけでなく、悪用を防ぐために限定公開から始めるあたりも、かなり現実的です。
AIが研究をどう変えるか、という話は前からずっと聞いてきましたが、今回のGPT-Rosalindはその中でもかなり“研究現場に寄せた”一歩ではないでしょうか。
