GPT-Rosalind vs. Claude Opus 5.5: ambos laboratorios ponen una barrera ante la biología

GPT-Rosalind está disponible desde el 16 de abril de 2026 y Claude Opus 5.5 desde el 22 de septiembre de 2026, así que ninguno de los dos es una novedad de lanzamiento. Lo nuevo es el papeleo que los rodea. El 15 de octubre, OpenAI publicó un plan académico que ofrece a los laboratorios elegibles hasta 30 plazas de ChatGPT Business sin coste durante un máximo de doce meses y afirma, en el mismo documento, que el acceso a la API no está incluido. Seis días después publicó una nota de investigación propia en la que una ejecución de agentes distribuidos propuso, en treinta y dos minutos, una hipótesis sobre el tráfico de colesterol para una enfermedad neurodegenerativa. El especialista se está impulsando hacia las universidades mientras su API permanece a la espera de una revisión. Anthropic tiene la disposición espejo: un modelo general al que puedes llamar hoy, cuyas respuestas de biología recurren discretamente a un modelo más antiguo a menos que tu cuenta esté verificada. Dos laboratorios, dos puertas, y la única pregunta que importa es detrás de qué puerta está tu trabajo. Los cambios de acceso y los retrocesos silenciosos de modelo como los aquí descritos se registran con sus fechas y fuentes en el AI Incident Archive, junto con el resto de los incidentes de modelos y proveedores que seguimos.

Dos puertas, dos lógicas

La disposición de Anthropic está documentada en el material de lanzamiento de Claude Opus 5.5 y es fácil de pasar por alto porque aparece como una etiqueta de configuración en lugar de una política: el modelo se entrega con el nivel de protección previamente reservado para Claude Fable 5.1, porque se considera comparable en biología y ciberseguridad. En la práctica, la mayoría de las solicitudes de ciberseguridad se redirigen a Claude Opus 4.8, y el trabajo de biología recurre a Claude Opus 5 salvo que la cuenta esté verificada mediante los programas Life Sciences o Cyber Verification de Anthropic.

Eso es una opción de respaldo, y vale la pena precisar qué significa para un laboratorio. Obtienes un modelo general competente que responde a tu pregunta de biología —Claude Opus 5, no el modelo más reciente— y, a menos que hayas pasado por una verificación, es posible que no notes la sustitución en absoluto. La capacidad está ahí; la versión más reciente de ella queda retenida.

El planteamiento de OpenAI es el reflejo opuesto. Se puede acceder a GPT-Rosalind mediante ChatGPT, Codex y la API, pero solo pueden hacerlo las organizaciones que cumplan los requisitos del programa de acceso de confianza. Desde el 11 de septiembre de 2026, está abierto a nivel mundial a organizaciones elegibles en lugar de a una lista nominal de socios, y los precios publicados entraron en vigor el 5 de octubre de 2026. El modelo al que accedes es el especialista; la cuestión pendiente es si puedes acceder a él.

• Tipo de puerta — GPT-Rosalind: una solicitud y revisión antes de la primera llamada. Claude Opus 5.5: sustitución silenciosa del modelo en dominios sensibles, removible mediante verificación.

• Qué se retiene — GPT-Rosalind: el modelo en sí. Claude Opus 5.5: la capacidad de biología del modelo más reciente, sustituida por la de su predecesor.

• Tiempo de acceso — GPT-Rosalind: sin importar cuánto tarde la revisión, sin un nivel de servicio publicado. Claude Opus 5.5: inmediato para trabajos que no sean de biología; sujeto a verificación para biología.

• Modo de fallo si no está verificado — GPT-Rosalind: sin acceso y un error que puede ver. Claude Opus 5.5: una respuesta funcional de un modelo diferente, que puede que no vea.

Esa última línea es la que debería orientar las adquisiciones. Una barrera estricta es molesta y honesta. Una barrera flexible es cómoda y produce resultados cuya procedencia hay que verificar, sobre todo si tu pipeline registra el modelo que solicitaste en lugar del modelo que respondió.

Qué cambió en octubre y por qué es la verdadera historia

El plan académico del 15 de octubre es la primera vez que OpenAI separa el acceso al asistente del acceso al modelo. Las plazas son de ChatGPT Business, con un máximo de 30 por institución, gratuitas hasta doce meses, y el plan exige la misma aprobación de acceso de confianza que cualquier otra vía. Los investigadores principales gestionan los permisos; la verificación institucional es un paso del proceso. A los laboratorios empresariales se les indica que negocien su propio acuerdo en lugar de recurrir a la vía académica. Y la frase que más importa a cualquiera que esté construyendo algo: el acceso a la API no está incluido por ahora.

Así que un grupo universitario ahora puede obtener el modelo en una ventana de chat gratis y aun así no puede llamarlo desde un pipeline. Eso no es una lectura cínica; es el texto literal del plan, y produce una división extraña dentro de un mismo laboratorio. Los científicos de laboratorio húmedo obtienen una pestaña del navegador. El grupo computacional no obtiene nada hasta que supere la revisión con su propia cuenta y empiece a pagar $5.00 por millón de tokens de entrada.

La nota de investigación del 21 de octubre muestra para qué sirve la vía de pago. Una ejecución de miles de agentes cooperativos, construidos con PerturbAI y Scripps, examinó más de 700 referencias hasta reducirlas a 11 y produjo en 32 minutos una hipótesis sobre el tráfico de colesterol en una enfermedad neurodegenerativa; los revisores a ciegas prefirieron la salida de la máquina en aproximadamente tres cuartas partes de las comparaciones, y el preprint se publicó bajo una licencia CC-BY el 16 de octubre. Es un resultado propio, así que trata la cifra de preferencia como una afirmación del proveedor, pero es la primera demostración pública de que el modelo de acceso restringido se está utilizando para algo distinto de las tablas de evaluación comparativa.

Ninguno de los dos documentos de octubre cambia la comparación en precio o capacidad. Ambos cambian quién puede entrar en ella.

El tarifario dejó de ser un empate.

Hasta septiembre, esta comparación era inusualmente clara: el modelo especializado de O​penAI y el buque insignia de Anthropic se situaban ambos en 5,00 USD por millón de tokens de entrada y 25,00 USD por millón de salida. Después, Anthropic recortó el precio de su buque insignia el 22 de septiembre de 2026 —4,00 USD de entrada, 20,00 USD de salida, y las lecturas de caché bajaron de 0,50 a 0,20 USD—, y el empate se rompió. GPT-Rosalind no se ha movido de las tarifas publicadas en su actualización de septiembre.

• Entrada — GPT-Rosalind $5.00 por 1M frente a Claude Opus 5.5 $4.00. El especialista cuesta un 25 % más por token de entrada.

• Salida — GPT-Rosalind $25.00 por 1M frente a Claude Opus 5.5 $20.00. Además, 25% más.

• Entrada en caché — GPT-Rosalind $0.50 frente a Claude Opus 5.5 $0.20. Esta es la línea que se acumula en ejecuciones largas de agentes, y aquí la diferencia es de 2,5×.

• Escritura en caché — La página de precios de OpenAI no incluye ninguna línea de escritura en caché para GPT-Rosalind. Claude Opus 5.5 cobra $5 por 1M por una escritura de cinco minutos y $8 por una de una hora.

• Contexto y salida — Ambos tienen una ventana de contexto de 1M de tokens; Claude Opus 5.5 documenta una salida máxima de 128K, con 300K disponibles en la Batch API mediante un encabezado beta.

• Modalidades — Claude Opus 5.5 acepta entradas de texto, imagen y archivos, y devuelve texto. GPT-Rosalind procesa entradas de archivos científicos a través de ChatGPT, Codex y la API; O​penAI no publica ninguna afirmación general sobre entrada de imágenes para este modelo.

La línea de caché merece el énfasis que normalmente no recibe. Un flujo de trabajo de descubrimiento es una conversación larga con un system prompt grande —el esquema del atlas, las definiciones de las herramientas, el protocolo interno— que se reenvía en cada turno. A 0,20 $ frente a 0,50 $ por millón de tokens en caché, una ejecución que se apoya en el almacenamiento en caché resulta sustancialmente más barata en el modelo generalista antes de que se genere un solo token de biología. Que eso importe depende de si la calidad de respuesta por token del especialista cierra la brecha, y de eso trata la siguiente sección.

Lo que el especialista ha medido realmente

Todo lo siguiente es la propia evaluación de O​penAI, publicada con la actualización de capacidades del modelo, y nada de ello ha sido reproducido de forma independiente. Las comparaciones son con GPT-5.5, el propio modelo general de O​penAI, no con nada de lo que hace Anthropic.

• MedChemBench — 27,5% para GPT-Rosalind frente a 25,1% para GPT-5.5, usando un 7,2% menos de tokens. Una prueba comparativa diseñada por OpenAI para abarcar las relaciones estructura-actividad, la predicción de potencia y ADME, y la retrosíntesis.

• GeneBench — 21,6 % frente a 20,4 %, con un 31 % menos de tokens, en análisis genómicos y de biología cuantitativa de horizonte largo.

• LabWorkBench — 63,2 % frente a 55,8 %, usando un 5,3 % menos de tokens, al vincular perturbaciones con resultados en protocolos reales de laboratorio húmedo. Los datos son propietarios, lo cual es un punto a favor: no pueden haberse filtrado en el entrenamiento.

• BixBench — O​penAI afirma tener la puntuación líder entre los modelos con resultados publicados, y no indica la cifra en el texto. Dos artículos secundarios citan 0,751 y 0,761, por lo que el número exacto debe considerarse no confirmado.

• LifeSciBench — el titular del proveedor es un aumento del 4,42 % en el rendimiento por token, en un benchmark evaluado por expertos externos que abarca seis áreas de flujo de trabajo.

Lea los números absolutos, no los deltas. Una puntuación del 27,5 % en un benchmark de química medicinal no es un modelo que descubre fármacos; es un modelo que supera a su predecesor en una prueba difícil en la que ambos obtienen una puntuación baja. El titular del 4,42 % es una relación entre precisión y tokens, lo cual es una medida legítima de eficiencia y algo extraño de poner en la parte superior de una página de lanzamiento. Lo que sí establecen estos números es que el ajuste es real y específico: las mejoras aparecen en tareas de química y de laboratorio húmedo, no en razonamiento general.

No existe ningún benchmark público de biología en el que se hayan evaluado tanto GPT-Rosalind como Claude Opus 5.5. Cualquiera que presente una cifra de comparación directa está comparando distintos benchmarks o comparando una ejecución del proveedor con una independiente, y ambas cosas son inválidas. Esa ausencia es el hecho más importante de este enfrentamiento.

Lo que el generalista realmente ha medido

Claude Opus 5.5 tiene el récord independiente, y es amplio. En el Intelligence Index de Artificial Analysis —la revisión v4.3.2, leída a finales de octubre de 2026— obtiene 57.6, lo que lo sitúa por delante de todos los demás modelos de esa tabla. La lectura del día del lanzamiento en la revisión anterior del índice era 54, así que la cifra ha cambiado tanto con la metodología como con el modelo; cita la revisión cuando cites la puntuación.

La propia tabla de lanzamiento de Anthropic añade el detalle por dominio, todo reportado por el proveedor: Terminal-Bench 4.0 al 66,4 %, FrontierCode v1.1 al 54,4 %, CursorBench 4.0 al 57,8 %, GDPval-AA v2.1 con 1846 Elo, OSWorld 2.0 al 81,8 %. Anthropic también advierte, en su propio material, que en este nivel de capacidad los márgenes de los benchmarks son «una guía menos fiable para las diferencias del mundo real» —una frase que vale la pena recordar la próxima vez que alguien te cite una brecha en la tabla de clasificación.

Nada de eso es biología. Es el perfil de un modelo creado para ser bueno en todo, y es la razón por la que la comparación no es simplemente "el especialista vence al generalista en tareas de dominio". El gasto en tokens de una biotecnológica no es mayoritariamente biología: es código, canalizaciones de datos, revisión de documentos y el andamiaje de agentes alrededor de la ciencia. En esa mayoría de la carga de trabajo, Claude Opus 5.5 es más barato, se mide de forma independiente y está disponible sin solicitud.

La única cosa que lo decide: ¿tu trabajo de biología cuenta como biología?

Aquí está la asimetría que nadie incluye en una tabla comparativa. El filtro de GPT-Rosalind se basa en quién eres. El filtro de Claude Opus 5.5 se basa en qué preguntas. Un laboratorio universitario que realiza un ensayo de tráfico de colesterol en neuronas es exactamente el caso de uso para el que existe la revisión de acceso de confianza de O​penAI, y exactamente el caso de uso del que el nivel de salvaguarda de Anthropic se desvía a menos que la cuenta esté verificada.

La consecuencia práctica: si superas la verificación en ambos lados, tienes una elección real entre un especialista a $5/$25 y un generalista a $4/$20, y el ajuste de dominio del especialista es la razón para pagar la prima del 25 %. Si no superas ninguna de las dos, no tienes opción alguna: te quedas con Claude Opus 5 respondiendo preguntas de biología y sin GPT-Rosalind, y la comparación es académica.

Hay un tercer caso, y probablemente sea el más común dentro de una empresa: el equipo de biología está verificado y el equipo de plataforma no. Entonces los dos modelos no son alternativas, son herramientas distintas para colas distintas, y el problema de ingeniería interesante es mantener el enrutamiento honesto — asegurarse de que una solicitud que necesita al especialista no acabe silenciosamente en un generalista porque la clave del especialista estaba limitada por tasa.

Ejecutar ambos sin fingir que son intercambiables.

Claude Opus 5.5 ya está en OrcaRouter al precio de lista del proveedor: 4,00 $ de entrada, 20,00 $ de salida y 0,20 $ de entrada en caché por millón de tokens, con 0 % de recargo, así que la rebaja de septiembre de Anthropic llegó a nuestro catálogo el mismo día en que se publicó. GPT-Rosalind no está en OrcaRouter; no está en ningún router de terceros, y el acceso se realiza directamente a través del programa de acceso de confianza de O​penAI. No vamos a insinuar lo contrario.

Para lo que esa combinación es realmente útil es para el patrón de cola dividida anterior. La mitad general de una plataforma de investigación —el código que analiza las salidas de atlas, la orquestación de agentes, el resumen de literatura que no necesita ajuste de dominio, la generación de informes— se ejecuta en Claude Opus 5.5 a través de una clave junto con más de 200 otros modelos, con conmutación por error automática para que un fallo de un proveedor mueva la solicitud en lugar de hacer fallar la ejecución. La mitad de biología permanece en la clave directa de Rosalind. El DSL de enrutamiento es lo que permite expresar eso como una regla en lugar de una convención: una ruta con nombre para el especialista, un respaldo para todo lo demás y ninguna sustitución silenciosa en ninguna de las dos direcciones.

Esa última parte es el principio de diseño por el que aboga todo este enfrentamiento. El mecanismo de control suave de Anthropic existe porque la sustitución silenciosa resulta conveniente. Si estás construyendo un pipeline regulado, quieres que la sustitución sea una decisión que configuraste, registraste y puedes defender, no algo que el proveedor hizo en tu nombre.

¿Qué cambiaría esta comparación?

Tres cosas, en orden de probabilidad. OpenAI podría ampliar el plan académico para incluir acceso a la API, lo que pondría capacidad especializada gratuita dentro de cada universidad elegible y convertiría al generalista en la opción de pago. Anthropic podría ampliar la verificación más rápido de lo que OpenAI amplía el acceso de confianza, lo que convertiría al generalista en la vía pragmática para acceder a capacidad de biología de frontera para un laboratorio mediano. OpenAI podría reducir el precio de GPT-Rosalind para igualar el nuevo nivel insignia, lo que eliminaría la prima del 25 % y haría que el ajuste de dominio sea casi gratuito. O un evaluador independiente podría publicar un benchmark de biología en el que se sitúen ambos modelos, lo que sustituiría todo este argumento por un número.

Hasta que ocurra uno de esos casos, la regla de decisión es estrecha y poco glamorosa. Si tu trabajo es biología molecular y puedes superar una revisión, GPT-Rosalind es el único modelo de frontera ajustado para ello, y un 25 % no es una prima elevada para un especialista de dominio. Si tu trabajo es cualquier otra cosa, o tu trabajo de biología es incidental, Claude Opus 5.5 es más barato, está evaluado de forma independiente y no tiene restricciones de acceso, y el respaldo de salvaguarda es una característica que hay que entender en lugar de una razón para evitarlo, siempre que sepas cuándo se activa.