OpenAI presenta GPT-Rosalind com un model de raonament de frontera dissenyat específicament per a biologia, descobriment de fàrmacs i medicina translacional, amb accés restringit i més de 50 eines científiques connectables.
OpenAI ha decidit fer un pas que va molt més enllà de l’assistent generalista i del model de propòsit ampli. Amb el llançament de GPT-Rosalind, la companyia entra de ple en una de les àrees on la intel·ligència artificial pot tenir un impacte més profund, més útil i també més sensible: la recerca en ciències de la vida. No es tracta només d’un altre model amb millor rendiment en preguntes científiques, sinó d’una aposta explícita per construir sistemes orientats a tasques de biologia, descobriment de fàrmacs i medicina translacional, és a dir, al tram de la ciència on una hipòtesi pot acabar convertida, anys després, en un tractament real per a pacients. OpenAI el presenta com un frontier reasoning model per a recerca biomèdica, optimitzat per a fluxos de treball científics i pensat per moure’s amb solvència entre química, proteïnes, genòmica i anàlisi experimental.
La peça clau d’aquest anunci no és només la potència del model, sinó la seva orientació. OpenAI sosté que el gran coll d’ampolla en ciències de la vida no resideix únicament en la complexitat del coneixement biològic, sinó en la pròpia arquitectura del treball científic contemporani: literatura massiva, bases de dades especialitzades, resultats experimentals dispersos, hipòtesis canviants i processos de validació lents i costosos. En aquest context, GPT-Rosalind no es planteja com un simple sistema per resumir articles o respondre dubtes de laboratori, sinó com una eina destinada a intervenir en tasques de síntesi d’evidència, generació d’hipòtesis, planificació experimental i anàlisi multietapa. És a dir, en el tipus de raonament llarg, tècnic i dependent d’eines externes que caracteritza la recerca biomèdica moderna.
Aquest matís és important perquè reubica el paper de la IA al laboratori. Durant els darrers anys, bona part de l’entusiasme al voltant de la intel·ligència artificial en salut s’ha concentrat en assistents de propòsit general adaptats al llenguatge científic. GPT-Rosalind apunta a una altra ambició: construir un model que no només “sàpiga coses” sobre biologia, sinó que treballi com una capa de raonament aplicada a entorns reals de recerca. OpenAI afirma que el sistema està optimitzat per operar sobre evidència publicada, dades, eines i experiments, i que en les seves avaluacions destaca en tasques que exigeixen raonar sobre molècules, proteïnes, gens, rutes biològiques i biologia rellevant per a la malaltia. També remarca una major eficàcia en l’ús d’eines científiques i bases de dades dins de fluxos multietapa com revisió bibliogràfica, interpretació seqüència-funció, disseny experimental i anàlisi de dades.
La rellevància d’aquest moviment s’entén millor quan s’observa el problema que OpenAI vol abordar. La companyia recorda que, de mitjana, desenvolupar un nou fàrmac als Estats Units des del descobriment de la diana terapèutica fins a l’aprovació reguladora pot portar entre 10 i 15 anys. Aquest termini no només reflecteix la dificultat biològica o clínica, sinó també la fragilitat del procés inicial: triar malament una diana, dissenyar hipòtesis febles o executar experiments poc informatius multiplica costos i temps aigües avall. Des d’aquesta lògica, una millora en les primeres etapes no és marginal: pot tenir un efecte acumulatiu sobre tot l’itinerari posterior. GPT-Rosalind se situa precisament aquí, en la idea que accelerar la qualitat del raonament previ pot millorar la qualitat de la ciència que ve després.
OpenAI intenta reforçar aquesta tesi amb una narrativa molt concreta: la IA no només serveix per fer més ràpid el que ja feien els científics, sinó per explorar més possibilitats, detectar connexions que podrien passar desapercebudes i arribar abans a millors hipòtesis. Aquesta promesa és especialment potent en biomedicina, on el volum d’informació ja supera la capacitat humana de lectura, integració i comparació. La indústria farmacèutica, la biotecnologia i la recerca translacional fa anys que busquen precisament això: sistemes capaços d’ajudar a seleccionar millor, no només a executar més de pressa. GPT-Rosalind s’inscriu en aquesta recerca, i el propi nom del model, en homenatge a Rosalind Franklin, situa el llançament dins d’una genealogia científica simbòlicament potent: precisió experimental, estructura molecular i fonament biològic.
Un dels aspectes més rellevants del llançament és que OpenAI no el presenta com un producte massiu, sinó com un research preview disponible a ChatGPT, Codex i l’API per a clients qualificats a través del seu programa d’accés fiable. Aquesta restricció no és un detall comercial, sinó una declaració de principis sobre el tipus de tecnologia que creu estar desplegant. La companyia subratlla que vol posar aquestes capacitats en mans de científics i organitzacions que puguin avançar la salut humana, però mantenint salvaguardes davant possibles usos indeguts biològics. Per això, el model es llança inicialment per a clients Enterprise qualificats als Estats Units, amb controls d’elegibilitat, gestió d’accés, governança organitzativa i requisits de seguretat de nivell empresarial.
Aquest punt revela un canvi de maduresa en el desplegament de models especialitzats. OpenAI no està oferint només una millora de capacitats, sinó una infraestructura d’ús restringit per a recerca sensible. Això l’acosta al món dels entorns regulats, on importen tant la potència com la traçabilitat, el control d’usuaris i la prevenció de riscos.
El llançament s’acompanya d’un Life Sciences research plugin per a Codex, que permet connectar models amb més de 50 eines i fonts de dades científiques. Aquest paquet cobreix àrees com genètica humana, genòmica funcional, estructura proteica, bioquímica, evidència clínica i descoberta d’estudis públics, facilitant fluxos complexos de recerca.
OpenAI afirma haver validat el model en tasques com mecanismes de reacció química, estructura i interacció de proteïnes, efectes de mutacions, interpretació de seqüències d’ADN, disseny experimental i ús d’eines científiques. En benchmarks com BixBench i LABBench2, assegura resultats destacats, amb millores respecte a models anteriors en diverses tasques de recerca.
També destaca la col·laboració amb empreses com Amgen, Moderna, Thermo Fisher Scientific o institucions acadèmiques, situant GPT-Rosalind en un ecosistema real d’innovació biomèdica.
La companyia considera aquest model com el primer d’una sèrie enfocada a ciències de la vida, amb l’objectiu de continuar ampliant les seves capacitats de raonament i integració en fluxos científics complexos.
El repte, però, continua sent el mateix: demostrar impacte real. La història de la IA en biomedicina està plena de promeses que triguen anys a materialitzar-se. OpenAI sembla conscient d’aquesta realitat i aposta per un desplegament controlat i col·laboratiu.
En qualsevol cas, el moviment és estratègic. GPT-Rosalind representa un canvi de paradigma: la IA deixa de ser només un assistent i comença a posicionar-se com a infraestructura cognitiva per a la recerca científica.
