OpenAI fügt Lebenswissenschaften-Modell GPT-Rosalind Discovery in API-Preisliste ein

·von Henderson·AI
OpenAI fügt Lebenswissenschaften-Modell GPT-Rosalind Discovery in API-Preisliste ein

Laut ausländischen Medienberichten hat OpenAI in der Kategorie für Lebenswissenschaften-Modelle seiner API-Preisliste das Modell „gpt-rosalind-discovery“ hinzugefügt. Das Modell wurde ohne eigene Ankündigungsveranstaltung, ohne begleitenden Blogbeitrag oder Systemkarte lediglich stillschweigend in die Preisliste aufgenommen; die Information wurde erstmals von einem KI-Tracking-Bot auf der Plattform X geteilt.

OpenAI fügt gpt-rosalind-discovery-Modell hinzu, um Lebenswissenschaften-Anwendungen zu erweitern

Aus der Preisliste geht hervor, dass GPT-Rosalind Discovery für die Eingabe 5 US$ pro 1 Million Token (ca. 39 HK$) kostet, für zwischengespeicherte Eingaben 0,50 US$ (ca. 4 HK$) und für die Ausgabe 25 US$ (ca. 195 HK$) – identisch mit dem bereits bestehenden gpt-rosalind-research. Der Modellname legt nahe, dass es vermutlich zur Entdeckung von Arzneimittelkandidatenmolekülen dient; OpenAI hat jedoch weder konkrete Verwendungszwecke noch den Bereitstellungsumfang veröffentlicht, und die Größe des Kontextfensters ist ebenfalls noch nicht bestätigt.

GPT-Rosalind ist ein im April von OpenAI veröffentlichter Schlussfolgerungsmodell für Biologie, Arzneimittelforschung und translationale Medizin; Amgen, Moderna, das Allen Institute und Thermo Fisher Scientific waren frühe Partner. Am 11. September beendete OpenAI die Forschungsvorschauphase des Modells und begann, es über das Trusted Access Program weltweit qualifizierten Institutionen zugänglich zu machen. Die Preisliste zeigt, dass die Forschungsversion ab dem 5. Oktober abgerechnet wird; der Nutzungsbereich ist derzeit auf genehmigte interne Forschung beschränkt.

Die neueste Version GPT-Rosalind-5.5 basiert auf GPT-5.5. Die Systemkarte zeigt, dass das Modell speziell trainiert wurde, um anspruchsvolle Biologiefragen nicht abzulehnen, während Zugangsbeschränkungen als wichtigste Sicherheitsmaßnahme dienen. Laut OpenAI-Hilfezentrum ist es in frühen Forschungs- und Hypothesenbildungsphasen – etwa in Target Biology, Literaturrecherchen und der Interpretation von Omics-Daten – am nützlichsten. Omics bezeichnet das Forschungsfeld der großangelegten Analyse von Biomolekülen wie Genomen und Proteomen.

H
Über den Autor
Henderson