GPT-Rosalind、50+ science toolsでdrug discovery workflowへ踏み込む

OpenAIがbiology、drug discovery、translational medicineに向けたreasoning model、GPT-Rosalindで科学研究のworkflowに深く入った。これは一般ユーザー向けの広い機能追加ではない。GPT-Rosalindはtrusted access programを通過したqualified customersに、ChatGPT、Codex、APIのresearch previewとして提供される。狙っているのも軽いQ&Aではなく、evidence synthesis、hypothesis generation、experimental planning、data analysisのように、研究者の時間と実験コストに直結する多段階の作業だ。

4月16日のsource postで実務上もっとも大きいのは、Codex向けのLife Sciences research pluginだ。OpenAIによれば、このpluginは50を超えるpublic multi-omics databases、literature sources、biology tools、repeatable skillsに接続する。Plugin自体は広く使えるが、GPT-Rosalind modelはまずU.S.のqualified Enterprise customersに対し、eligibility、governance、security reviewを経て提供される。Research preview中はabuse guardrailsの条件付きで、既存のcreditsやtokensを消費しないとも説明している。

この話が普通のvertical AI製品より重いのは、benchmark claimが具体的だからだ。OpenAIはGPT-Rosalindについて、published scoresがあるmodelsの中でBixBenchのleading performanceを達成し、LABBench2では11 tasks中6 tasksでGPT-5.4を上回ったとしている。特に改善が大きかったのはCloningQAで、molecular cloning protocolsのためにDNAとenzyme reagentsをend-to-endで設計するtaskだ。Dyno Therapeuticsとの別評価ではunpublished RNA sequence dataを使い、best-of-ten model submissionsがprediction taskで57件のhistorical human expert scoresの95th percentileを超え、sequence generation taskでは約84th percentileに入った。

初期の顧客・協力先も、OpenAIの狙いをはっきり示している。Launch materialにはAmgen、Moderna、Thermo Fisher Scientific、Allen Institute、Novo Nordisk、NVIDIA、Benchling、UCSF School of Pharmacy、Oracle Health and Life Sciencesが並ぶ。さらにLos Alamos National LaboratoryとはAI-guided protein and catalyst designを探っているという。

ただし、本当の評価はbenchmarkでは終わらない。Biology modelは安全性とmisuse riskのため、通常のproductivity softwareより厳しいaccess controlが必要になる。研究者が文献を速く読み、よりよいhypothesisを作り、実験計画の質を上げられるか。そこが示されれば、drug discoveryでのfrontier modelはchatbotではなく、governed research infrastructureとして扱われ始める。