OpenAI ha annunciato il 4 giugno 2026 un importante aggiornamento di GPT-Rosalind, la famiglia di modelli dedicata alla ricerca nelle scienze della vita e battezzata in onore di Rosalind Franklin, la scienziata che contribuì a scoprire la struttura del DNA. La nuova versione unisce le capacità di programmazione agentica e uso di strumenti di GPT-5.5 a un'intelligenza specializzata in biotecnologie, farmaceutica, genomica, chimica medicinale e progettazione di esperimenti.
Più intelligenza con meno calcolo
Il dato più rilevante riguarda l'efficienza. Secondo OpenAI, il modello aggiornato supera GPT-5.5 in tutti i domini testati consumando meno token in ogni caso. Il vantaggio è massimo proprio dove il calcolo costa di più: nelle analisi quantitative di biologia su orizzonti lunghi, GPT-Rosalind completa il lavoro usando il 31% di token in meno rispetto a GPT-5.5. Tradotto, significa analisi più rapide e meno costose su problemi complessi come l'interpretazione di dati genomici o la valutazione di reazioni in chimica medicinale.
I miglioramenti, spiega l'azienda, si vedono su un ventaglio ampio di compiti: dai quesiti posti da esperti di biologia alle domande complesse di chimica medicinale, fino alla risoluzione di problemi pratici di laboratorio. Non è dunque solo un modello "che sa di più", ma uno strumento pensato per affiancare il lavoro sperimentale reale.
I plugin che eseguono i flussi di lavoro
La vera novità pratica sono due plugin che trasformano l'intelligenza del modello in azioni ripetibili: Life Sciences Research e Life Sciences NGS Analysis (dedicato al sequenziamento di nuova generazione). Sono lo strato esecutivo che permette di costruire pipeline scientifiche affidabili invece di limitarsi a generare testo. È qui che OpenAI ha fatto la scelta più interessante in ottica di diffusione.
Come provarlo: cosa è aperto a tutti
A differenza del modello GPT-Rosalind vero e proprio, riservato agli utenti enterprise qualificati, i due plugin sono ora accessibili a tutti gli utenti tramite Codex, l'ambiente di OpenAI per l'esecuzione di codice e flussi di lavoro. In pratica, un ricercatore può richiamare questi strumenti per impostare analisi su dati di sequenziamento o per orchestrare passaggi di ricerca, mentre le organizzazioni con accesso completo possono farli funzionare con la potenza del modello dedicato.
In parallelo, OpenAI ha aperto per la prima volta l'anteprima di ricerca alle organizzazioni idonee in tutto il mondo: laboratori, università e aziende biotech possono candidarsi per ottenere l'accesso. È un passo che amplia la platea oltre i partner statunitensi con cui il modello era stato inizialmente testato.
Perché conta (anche per l'Italia)
L'ingresso di un modello di frontiera specializzato nelle scienze della vita tocca un settore in cui i tempi e i costi della ricerca sono enormi: una pipeline di scoperta farmaci dura anni e brucia capitali. Strumenti capaci di accelerare l'analisi dei dati o di suggerire molecole promettenti possono comprimere fasi che oggi richiedono mesi. Per l'ecosistema italiano della ricerca biomedica e delle biotecnologie, la disponibilità dei plugin a tutti gli utenti abbassa la barriera d'ingresso, almeno per sperimentare. Restano, come sempre in questo campo, i nodi della validazione sperimentale e della responsabilità: l'IA propone, ma sono i laboratori a dover verificare.
GPT-Rosalind nella corsa dell'IA scientifica
OpenAI non è sola in questa direzione. Da tempo Google DeepMind ha aperto la strada con AlphaFold, lo strumento per prevedere la struttura delle proteine che è valso ai suoi autori riconoscimenti di altissimo livello, e numerosi laboratori stanno costruendo modelli dedicati alla biologia e alla chimica. La novità di GPT-Rosalind è l'approccio "agentico": non un singolo strumento di predizione, ma un assistente capace di programmare, usare strumenti esterni e orchestrare un'intera analisi, dal dato grezzo all'ipotesi. È la stessa logica che ha reso popolari gli assistenti di programmazione, trasferita al banco di laboratorio.
Per chi vuole farsi un'idea senza essere un ricercatore, il modo più semplice è osservare cosa fanno i plugin in Codex: descrivono un flusso di analisi — ad esempio l'elaborazione di dati di sequenziamento — e lasciano che il sistema scriva ed esegua i passaggi necessari, mostrando i risultati. Resta valido l'avvertimento di metodo che AI Notizie applica a questi temi: i contenuti scientifici generati da un'IA vanno sempre verificati con le fonti primarie e con la revisione di esperti, perché un modello, per quanto avanzato, può produrre risultati plausibili ma sbagliati. In un campo dove un errore può avere conseguenze sulla salute, l'ultima parola spetta sempre alla scienza sperimentale.
