OpenAI、GPT-Rosalindの生命科学向け機能更新を発表

OpenAI は 2026年6月3日、生命科学研究向けの GPT-Rosalind について、新しい機能更新を発表しました。今回の発表は 4月の初回発表や 5月の Rosalind Biodefense とは別の公式ブログ単位で、創薬、ゲノミクス、実験支援、Codex での科学的な作業実行に踏み込んでいます。

要点

• GPT-Rosalind が、生命科学研究向けの研究プレビューとして能力更新された
• 医薬品化学、ゲノミクス、定量生物学、実験手順の支援で評価結果が示された
• LifeSciBench、MedChemBench、GeneBench、LabWorkBench という評価軸が説明された
• Codex 上で生命科学研究と次世代シーケンス解析向けのプラグインを使う構成が示された
• 配備対象は、信頼済みアクセス構造を通じた適格組織に限定される

今回のブログ記事で語られていること

今回の OpenAI 発表は、GPT-Rosalind を単なる「生命科学向けモデル」として紹介するだけでなく、研究現場のどの作業に使える水準へ近づけているのかを説明する内容です。OpenAI は、GPT-Rosalind が GPT-5.5 のエージェント的なコーディング能力と道具利用能力を土台にしつつ、医薬品化学、ゲノミクス、定量生物学、実験手順の検討といった生命科学領域の推論を強化したと説明しています。

発表の中心は、研究者が価値を感じる作業をどのように評価するかです。OpenAI は LifeSciBench を、論文、図表、実験記録から証拠を取り出し、解析、設計、検証、運用、科学的な説明までを含む評価として位置づけています。単一の知識問題を解けるかではなく、研究上の判断に必要な証拠を扱い、複数段階の作業を組み立てられるかを見ようとしている点が重要です。これは、生命科学AIの評価を、一般的な質問応答から実務に近い作業単位へ寄せる動きと読めます。

医薬品化学では MedChemBench、ゲノミクスと定量生物学では GeneBench、実験作業の支援では LabWorkBench が紹介されています。OpenAI は、構造活性相関、薬効や毒性、吸収・分布・代謝・排泄、複数条件を踏まえたリード最適化、長い解析手順の計画と品質確認、実験手順のトラブルシュートなどを評価対象にしています。創薬やバイオインフォマティクスの現場では、モデルの正答率だけでなく、根拠の扱い、手順の再現性、専門家が確認できる成果物として残せるかが導入判断に直結します。

もう一つの大きな更新は、Codex を生命科学の作業台として使う構成です。OpenAI は、Life Sciences Research と Life Sciences NGS Analysis というプラグインを通じて、証拠検索、生物学的な解釈、次世代シーケンス解析を同じ作業空間につなげると説明しています。さらに、配列、アラインメント、構造など生命科学でよく使うファイルを対話的に確認できるビューアーも示されています。これは、モデルが説明文を返すだけでなく、研究者が確認できるファイル、ノートブック、解析結果、来歴を残しながら作業を進める方向です。

ただし、この発表を「生命科学研究をAIに任せられる」という意味で読むべきではありません。OpenAI は、GPT-Rosalind を適格組織向けの信頼済みアクセス構造で提供すると説明しており、生命科学AIには安全性、権限、利用目的、専門家による確認が不可欠です。特に創薬、遺伝子解析、実験計画の領域では、モデルの出力が研究判断、規制対応、患者安全、知的財産、データ機密性に影響します。導入側は、性能指標だけでなく、どの作業を支援対象にし、どこで専門家レビューを必須にし、どのデータを入れてよいかを設計する必要があります。

今回のブログ記事が関係する人

• openai をすでに利用しており、今回の内容が運用、開発、分析、データ連携にどう影響するかを確認したいチーム
• AI・データ基盤の選定や導入計画を進めており、公式ブログの背景や実務上の読み方を整理したい担当者
• セキュリティ、ガバナンス、監査、コスト、サポート体制など、発表内容を本番運用の判断材料に落とし込みたい管理者

実務で確認したいポイント

生命科学や製薬の組織が GPT-Rosalind を評価するなら、最初に「どの研究作業を短くできるか」ではなく「どの成果物を専門家が確認できる形で残せるか」を確認すべきです。文献整理、標的候補の優先順位づけ、オミクス解析の下準備、実験手順の確認などは候補になりますが、いずれも根拠、入力データ、解析手順、出力の限界を記録できることが前提です。

Codex 連携を見るときは、研究者向けの作業空間、権限、データ持ち出し、実行環境、監査ログを合わせて検討する必要があります。モデルがコードや解析手順を生成できても、承認済み環境で実行され、専門家が再現・検証できなければ本番の研究基盤には入りません。

結局、今回のブログ記事をどう読むべきか

今回の発表は、OpenAI が GPT-Rosalind を生命科学向けの単発モデルから、研究作業を実行・検証する道具群へ広げようとしていることを示しています。企業や研究機関は、モデル性能の数字だけでなく、Codex 上の作業実行、証拠管理、専門家レビュー、安全なアクセス設計までを含めて読むべき発表です。