从 10 月 10 日的 TestingCatalog 报道开始，gpt-rosalind-discovery 这个新名字在 OpenAI 的价格页面浮出水面。随后 BioTender 也确认在官方平台上看到了它与 Research 版本并行的身影，只是官网未对两者的性能差异做任何说明。
在计费方面，两款版本的价格表现出惊人的一致性——每百万 token 计，输入费率均为 5 美元、缓存输入费率为 0.5 美元、输出费率为 25 美元。然而，定价相同并不足以说明两者在训练策略、可用工具或实际性能上是否完全对标。
Research 与 Discovery 的三档公开单价一致，单位为美元／百万 token（图源：OpenAI 官方 API 价格页实景截取）
新名字引发的「制药」想象
随之而来的疑问是：这个新名字是否预示着它将专攻药物发现领域？虽然 Discovery 这个词汇激起了人们的遐想，但报道本身也承认其确切功能仍为谜团。迄今为止，在官方渠道上并未发现针对该版本的独立声明或功能描述。
有必要为这个「新版本」的身份做出界定：眼下浮出的是一个新增的 API 接口类型。然而，它究竟代表一个崭新的独立模型、是某个既有模型的微调版本，还是其他形式的产品组合，这些细节目前都还无法明确。价格单上虽然新增了这一条目，但将其锚定为「专用药物研发模型」的论证仍然缺乏确凿。
TestingCatalog 于 2026 年 10 月 10 日报道新条目，并指出尚未正式宣布（图源：TestingCatalog 报道页面实景截取）[2]
Rosalind 系列的发展脉络
追溯这条产品线的发展脉络，4 月 16 日标志着 OpenAI 对 GPT-Rosalind 的首度亮相，彼时就已明确涵盖生物学、药物发现和转化医学等领域。但这一产品序列并未就此定型：到了 6 月 3 日，官方随之推送了功能升级。因此，将今天的新闻动作定性为「历史上第二次模型发布」显然是不当的。
其后的发展中，9 月 11 日官方宣布了关键里程碑：退出研究预览阶段，并对全球符合资质的机构启动申请通道；而公开价格体系则于 10 月 5 日正式启动。尽管这些既有的产品节点已然成形，但对于 Discovery 与已上线版本之间的确切关系，官方仍未给出清晰的交代。
Rosalind 从首发、能力更新到新型号曝光的公开时间线（图源：BioTender 根据 OpenAI 公告与 TestingCatalog 报道制作）
从助手到工作台的产品想象
从已公布的信息看，Rosalind 的定位可以概括为：一个能够查阅文献、调用工具、整理成果的科研伴侣。最初推出的插件生态已连接了超过 50 个科研工具和数据库，但其实际价值最终还是取决于能否将这些零散的步骤串联成一个可信赖的工作流程。合作名单中不乏安进、Moderna 等业界翘楚。
Workbench 则是将上述构想纳入了一个统一的工作环境，在此空间内科研问题、相关工具和可验证的结论得以同步推演。不过需要指出的是，工作台、工具库和底层算法模型属于三个不同的产品层级。仅凭现有界面展示的功能特性，无法直接推断 Discovery 是否继承了全部既有能力。
Rosalind Workbench 的研究工作空间概念，属于已公开产品背景（图源：OpenAI 官方 Workbench 博客；非 Discovery 界面）
提出「专注制药」的猜测并非空穴来风。官方定位中药物发现早已占据了 Rosalind 的重要篇章，6 月的升级公告更是着墨于药物化学和基因组学的进展。然而，若要从整条产品线的适用范畴跨越到新版本的专属使命，中间仍留着一道关键的说明空白。
有人推测，Discovery 可能聚焦于方案与假设的甄选工作，而 Research 则承担更广泛的研究职责。然而，这样的猜想充其量只是基于文本的一种可能性推理。虽然这个名字本身暗示了某种方向，但若要真正确认其专项任务和实际表现，光凭命名远远不够。
官方示例在同一工作空间查看蛋白酶体与硼替佐米的结合结构（图源：OpenAI Workbench 博客；展示现有工作台功能，非 Discovery 能力证明）
从分子优化到成药的长路
修改分子结构看似简单，实则需要在有效性、安全性和体内的生物利用度之间精心权衡，这本质上属于一个多维参数优化的过程。单个环节的预测准确，未必能保障整体方案的优越性。官方的 MedChemBench 评估体系已将这些层面都纳入其中，涵盖了分子结构认知、结构与活性关联乃至逆合成规划等多个维度。
换一个角度，可以先对疾病的运行机制和治疗靶标展开深入探索，然后再按部就班地推进试验验证。官方的支持文档将早期线索搜集和假设的推导列为最具潜力的环节，但其覆盖范围还包括已有文献的汇总、生物学数据的阐释以及实验计划的制定。相比「自动化制新药」的笼统说法，这样的描述框架显然更为具体周密。
官方示例将荧光蛋白序列差异与功能解释放在同一工作空间（图源：OpenAI Workbench 博客；非 Discovery 专属能力）
目前掌握的评测数据可谓残缺不全。6 月迭代的版本在 MedChemBench 上的表现为 27.5%，相比 GPT-5.5 的 25.1% 领先了 2.4 个百分点。在基因组学及实验室条件下的辅助测评中也看到了进步，但这些成绩都来自 OpenAI 公布的既有版本数据，无法直接为 Discovery 这个新生力量做背书。
这些数据在引用时尤需明辨其用途。前述百分比代表的是各项评估任务中的单项成绩，绝非实际的药物开发成功率，更不能跨越不同测试的分数去直接推断任务难度的排序。虽然已有的 Rosalind 版本展现出的进步值得关注，但 Discovery 若要树立自身的差异优势，必然需要一套属于自己的独立对标评测。
6 月更新版与 GPT-5.5 的三项官方评测成绩；各测试口径不同，均非 Discovery 成绩（图源：BioTender 据 OpenAI 公布数据绘制；数据尚非独立复现）
价格定了，但访问门槛还在
Rosalind 采取了可信访问机制，只将服务范围限定在满足条件的组织。然而，了解了计费标准并不等于拿到了使用钥匙。官方的帮助文档明确指出，相关 API 仅供通过审批的机构在其内部科研工具、流程及应用中调用，不向面向用户的产品或外部商业场景开放。
价格页面上还隐藏着一处细微但关键的细节：注明 10 月 5 日起正式计费的说明明确指向的是 gpt-rosalind-research。而 Discovery 的独立激活流程与准入规则在那份脚注里完全没有触及，因此不能简单地将兄长版本的全部规约直接套用到它的身上。
价格页脚注点名 Research 的计费日期，并说明获批内部研究与可信访问要求（图源：OpenAI 官方 API 价格页实景截取）
等待真实的证据链
若要判断 Discovery 是否在药物研发上真有一手，可以设定同样的问题考察两个版本：如何在已有证据的基础上，识别出最值得投入验证的靶点和候选物质？前提条件是在对比过程中保持数据、工具和资源预算的一致，否则两者间的差异可能源自周边的资源配置，而非内核模型的真实差别。
更重要的是要看这些建议在真实实验中是否能站住脚，而不能只评判回答的详尽程度。真正关键的是有无可核查的论据、明确的失败预案和后续的验证思路，然而至今未见 Discovery 公布过这样的专属成果。单纯的一张价格单根本无法弥补这些信息空白。
证据整合、候选假设与实验检验之间的反馈关系（图源：BioTender 概念示意；不代表 Discovery 已披露能力）
官方若要做出有说服力的说明，至少必须回答三个核心问题：它针对哪类具体任务进行了优化？相比 Research 版本，在同等条件下的优势何在？这些优势是否经过了实验验证？在这些答案浮出水面之前，Discovery 充其量只是一个被确认存在的型号名称，以及一些尚未落实的产品设想。
虽然官网已将两个版本名字并排展示，制药路线也有既往产品基础可循，但关于新版本的具体应用场景、在产品矩阵中的定位以及相较既有版本的实质进步，这些疑团仍未解开。真正值得期待的，是看 Discovery 能否对科研人员的下一次研究抉择带来转折。它是能帮助研究者更快地厘清方向的新工具，还是仅仅以不同的方式重新展示那些已知的答案？
专门任务、同题对比与实验结果：评估新型号的三项待确认问题（图源：BioTender 编辑核验框架；非官方产品路线图）
本文来源：BioTender
