GPT-Rosalind

Fiche modèle · OpenAI · gpt-rosalind-research

GPT-Rosalind is OpenAI's specialized life-sciences reasoning model for approved internal research. OpenAI introduced GPT-Rosalind in research preview on April 16, 2026 and updated the same launch materials on September 11, 2026 to mark general availability through the trusted-access program for eligible Enterprise and Business organizations. Official OpenAI docs describe it as the company's most capable model for life sciences research, combining deep scientific reasoning with scientific tool and database use for multi-step workflows across target research, genomics and sequencing analysis, protein and sequence analysis, medicinal chemistry, literature synthesis, wet-lab troubleshooting, and experiment planning. OpenAI publicly lists API pricing for the `gpt-rosalind-research` model id at $5 input, $0.50 cached input, and $25 output per million tokens, with no cache-write pricing. Benchmarks below are taken from OpenAI's official GPT-Rosalind-5.5 system card and LifeSciBench preprint, the latest first-party benchmark sources published for the GPT-Rosalind series. OpenAI does not publish a dedicated model-reference page with context-window or maximum-output limits for GPT-Rosalind, so those fields remain null.

Fiches modèles

Identité

Organisation	OpenAI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-09-11
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	10.00 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	83.98 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-10-07T21:38:19.234531Z
Mis à jour le	2026-11-04T06:05:03.726147Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-rosalind-research

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
OpenAI	llm-stats	non	5.00 $	25.00 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
multimodal	0.60
reasoning	0.40
science	0.40
general	0.40
healthcare	0.40
agents	0.40
vision	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
biorisk-knowledge	healthcare	0.81	1.00	0.81	non	oui	2026-11-04T06:05:03.767081Z
dna-sequence-design-for-transcription-factor-binding	healthcare	0.14	1.00	0.14	non	oui	2026-11-04T06:05:03.787145Z
genebench	agents	0.22	1.00	0.22	non	oui	2026-11-04T06:05:03.737604Z
hard-negative-protein-binding-prediction	agents	0.03	1.00	0.03	non	oui	2026-11-04T06:05:03.784010Z
labworkbench	agents	0.63	1.00	0.63	non	oui	2026-11-04T06:05:03.745180Z
lifescibench	agents	0.58	1.00	0.58	non	oui	2026-11-04T06:05:03.741624Z
medchembench	reasoning	0.28	1.00	0.28	non	oui	2026-11-04T06:05:03.732706Z
multi-select-virology-troubleshooting	healthcare	0.51	1.00	0.51	non	oui	2026-11-04T06:05:03.780811Z
protocolqa-open-ended	safety	0.36	1.00	0.36	non	oui	2026-11-04T06:05:03.749626Z
troubleshootingbench	healthcare	0.53	1.00	0.53	non	oui	2026-11-04T06:05:03.757743Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	72	—	21.54	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04