GPT-Rosalind vs Claude Opus 5.5: Kedua Lab Memasang Gerbang di Depan Biologi

GPT-Rosalind has been available since 16 April 2026 and Claude Opus 5.5 since 22 September 2026, so neither of these is a launch story. What is new is the paperwork around them. On 15 October O​penAI published an academic plan that gives eligible labs up to 30 ChatGPT Business seats at no charge for up to twelve months and states, in the same document, that API access is not included. Six days later it published a first-party research note in which a distributed agent run proposed a cholesterol-trafficking hypothesis for a neurodegenerative condition in thirty-two minutes. The specialist is being pushed into universities while its API stays behind a review. Anthropic has the mirror arrangement: a general model you can call today, whose biology answers quietly fall back to an older model unless your account is verified. Two labs, two gates, and the only question that matters is which gate your work is standing behind. Access changes and silent model fallbacks like the ones described here are recorded with their dates and sources in the AI Incident Archive, alongside the rest of the model and vendor incidents we follow.

Dua gerbang, dua logika

Pengaturan Anthropic didokumentasikan dalam materi peluncuran Claude Opus 5.5 dan mudah terlewat karena tampil sebagai label konfigurasi, bukan kebijakan: model ini hadir dengan tingkat pengamanan yang sebelumnya disediakan untuk Claude Fable 5.1, karena dinilai sebanding dalam bidang biologi dan keamanan siber. Dalam praktiknya, sebagian besar permintaan keamanan siber dialihkan ke Claude Opus 4.8, dan pekerjaan biologi beralih ke Claude Opus 5 kecuali akun terverifikasi melalui program Life Sciences atau Cyber Verification milik Anthropic.

Itu adalah opsi cadangan, dan penting untuk bersikap tepat tentang apa artinya bagi sebuah lab. Anda mendapatkan model umum yang kompeten yang menjawab pertanyaan biologi Anda — Claude Opus 5, bukan model yang lebih baru — dan kecuali Anda telah melalui verifikasi, Anda mungkin tidak akan menyadari substitusi itu sama sekali. Kemampuannya ada; versi terbarunya ditahan.

O​penAI's arrangement is the mirror image. GPT-Rosalind is reachable through ChatGPT, Codex and the API, but only by organisations that clear the trusted-access programme. Since 11 September 2026 it has been open globally to eligible organisations rather than to a named partner list, and published pricing took effect on 5 October 2026. The model you get is the specialist; the open question is whether you get it.

• Jenis gerbang — GPT-Rosalind: aplikasi dan peninjauan sebelum panggilan pertama. Claude Opus 5.5: substitusi model senyap pada domain sensitif, dapat dihapus melalui verifikasi.

• Yang tidak diungkapkan — GPT-Rosalind: modelnya sendiri. Claude Opus 5.5: kemampuan biologi model terbaru, digantikan oleh kemampuan pendahulunya.

• Waktu akses — GPT-Rosalind: berapa pun lama peninjauan berlangsung, tanpa tingkat layanan yang dipublikasikan. Claude Opus 5.5: langsung untuk pekerjaan non-biologi; bergantung pada verifikasi untuk biologi.

• Mode kegagalan jika Anda tidak terverifikasi — GPT-Rosalind: tidak ada akses, dan kesalahan yang dapat Anda lihat. Claude Opus 5.5: jawaban yang berfungsi dari model lain, yang mungkin tidak Anda lihat.

Baris terakhir itulah yang seharusnya membentuk pengadaan. Gerbang keras itu menjengkelkan dan jujur. Gerbang lunak itu praktis dan menghasilkan hasil yang asal-usulnya harus Anda periksa, terutama jika pipeline Anda mencatat model yang Anda minta, bukan model yang menjawab.

Apa yang berubah pada Oktober, dan mengapa itulah cerita sebenarnya

The 15 October academic plan is the first time O​penAI has separated access to the assistant from access to the model. The seats are ChatGPT Business, capped at 30 per institution, free for up to twelve months, and the plan requires the same trusted-access approval as any other route. Principal investigators manage permissions; institutional verification is a step in the process. Enterprise labs are told to negotiate their own agreement rather than use the academic path. And the sentence that matters most for anyone building anything: API access is not included at this time.

Jadi sebuah kelompok universitas sekarang dapat memperoleh model itu di jendela chat secara gratis dan tetap tidak dapat memanggilnya dari pipeline. Itu bukan tafsiran sinis; itu teks literal dari rencana tersebut, dan hal itu menghasilkan perpecahan aneh di dalam satu lab. Para ilmuwan lab basah mendapatkan tab browser. Kelompok komputasional tidak mendapatkan apa pun sampai lolos tinjauan dengan akunnya sendiri dan mulai membayar $5.00 per juta token masukan.

Catatan riset 21 Oktober menunjukkan untuk apa jalur berbayar itu. Serangkaian ribuan agen yang bekerja sama, dibangun dengan PerturbAI dan Scripps, menyaring lebih dari 700 referensi menjadi 11 dan menghasilkan hipotesis tentang lalu lintas kolesterol pada penyakit neurodegeneratif dalam 32 menit; peninjau tersamar lebih menyukai keluaran mesin pada sekitar tiga perempat perbandingan, dan pracetak itu dipublikasikan di bawah lisensi CC-BY pada 16 Oktober. Ini adalah hasil pihak pertama, jadi perlakukan angka preferensi itu sebagai klaim vendor — tetapi ini adalah demonstrasi publik pertama bahwa model dengan akses terbatas digunakan untuk sesuatu selain tabel tolok ukur.

Tidak satu pun dokumen Oktober itu mengubah perbandingan harga atau kapabilitas. Keduanya mengubah siapa yang dapat memasukinya.

Kartu tarif tidak lagi menjadi pengikat.

Until September this comparison was unusually clean: O​penAI's specialist and Anthropic's flagship both sat at $5.00 per million input tokens and $25.00 per million output. Then Anthropic cut its flagship on 22 September 2026 — $4.00 in, $20.00 out, cache reads down from $0.50 to $0.20 — and the tie broke. GPT-Rosalind has not moved from the rates published in its September update.

• Input — GPT-Rosalind $5.00 per 1 juta vs Claude Opus 5.5 $4.00. Model spesialis ini berbiaya 25% lebih tinggi per token input.

• Keluaran — GPT-Rosalind $25.00 per 1 juta vs Claude Opus 5.5 $20.00. Juga 25% lebih banyak.

• Input yang di-cache — GPT-Rosalind $0.50 vs Claude Opus 5.5 $0.20. Inilah pos biaya yang terus bertambah pada proses agen yang panjang, dan di sini selisihnya 2,5×.

• Cache write — O​penAI's pricing page carries no cache-write line for GPT-Rosalind. Claude Opus 5.5 charges $5 per 1M for a five-minute write and $8 for an hour.

• Konteks dan output — Keduanya memiliki jendela konteks 1 juta token; Claude Opus 5.5 mendokumentasikan output maksimum 128K, dengan 300K tersedia di Batch API di balik header beta.

• Modalities — Claude Opus 5.5 takes text, image and file input and returns text. GPT-Rosalind handles scientific file inputs through ChatGPT, Codex and the API; O​penAI publishes no general image-input claim for it.

Baris cache layak mendapat penekanan yang biasanya tidak diberikan. Alur kerja penemuan adalah percakapan panjang dengan system prompt yang besar — skema atlas, definisi tool, dan protokol internal — yang dikirim ulang pada setiap giliran. Dengan biaya $0.20 dibanding $0.50 per juta token yang di-cache, sebuah proses yang mengandalkan caching menjadi jauh lebih murah pada model generalis bahkan sebelum satu token biologi pun dihasilkan. Apakah itu penting bergantung pada apakah kualitas jawaban per token dari model spesialis mampu menutup selisihnya, dan itulah bahasan di bagian berikutnya.

Apa yang sebenarnya telah diukur oleh spesialis

All of the following is O​penAI's own evaluation, published with the model's capability update, and none of it has been independently reproduced. The comparisons are against GPT-5.5, O​penAI's own general model, not against anything Anthropic makes.

• MedChemBench — 27.5% for GPT-Rosalind against 25.1% for GPT-5.5, using 7.2% fewer tokens. A benchmark O​penAI designed to cover structure-activity relationships, potency and ADME prediction, and retrosynthesis.

• GeneBench — 21,6% dibandingkan 20,4%, dengan 31% lebih sedikit token, pada analisis genomika dan biologi kuantitatif jangka panjang.

• LabWorkBench — 63,2% dibandingkan 55,8%, dengan menggunakan 5,3% token lebih sedikit, dalam menghubungkan perturbasi ke hasil pada protokol laboratorium basah nyata. Data tersebut bersifat proprietari, yang merupakan nilai plus: data itu tidak mungkin bocor ke dalam pelatihan.

• BixBench — O​penAI claims the leading score among models with published results, and does not state the figure in prose. Two secondary write-ups cite 0.751 and 0.761, so treat the exact number as unsettled.

• LifeSciBench — klaim utama vendor adalah peningkatan performa sebesar 4,42% per token, pada tolok ukur yang dinilai oleh pakar eksternal di enam bidang alur kerja.

Bacalah angka absolutnya, bukan deltanya. Skor 27,5% pada tolok ukur kimia medisinal bukanlah model yang melakukan penemuan obat; itu adalah model yang mengalahkan pendahulunya pada uji sulit yang keduanya mendapat skor rendah. Angka utama 4,42% adalah rasio akurasi terhadap token, yang merupakan ukuran efisiensi yang sah dan hal aneh untuk diletakkan di bagian atas halaman peluncuran. Yang ditunjukkan oleh angka-angka ini adalah bahwa penyetelan tersebut nyata dan spesifik: peningkatannya muncul pada tugas kimia dan laboratorium basah, bukan pada penalaran umum.

Tidak ada benchmark biologi publik yang di dalamnya GPT-Rosalind dan Claude Opus 5.5 sama-sama telah dinilai. Siapa pun yang menyajikan angka perbandingan langsung sebenarnya membandingkan benchmark yang berbeda atau membandingkan hasil uji vendor dengan hasil uji independen, dan keduanya tidak valid. Ketiadaan itu adalah fakta paling penting dalam pertandingan ini.

Apa yang sebenarnya telah diukur oleh generalis

Claude Opus 5.5 memegang rekor independen, dan rekor itu luas. Pada Intelligence Index dari Artificial Analysis — revisi v4.3.2, yang dibaca pada akhir Oktober 2026 — model ini mencetak 57,6, yang menempatkannya di depan setiap model lain di papan tersebut. Pembacaan pada hari peluncuran dengan revisi indeks sebelumnya adalah 54, jadi angka tersebut berubah seiring metodologi sekaligus model; sebutkan revisinya saat Anda mengutip skornya.

Tabel peluncuran Anthropic sendiri menambahkan detail domain, semuanya dilaporkan oleh vendor: Terminal-Bench 4.0 pada 66,4%, FrontierCode v1.1 pada 54,4%, CursorBench 4.0 pada 57,8%, GDPval-AA v2.1 pada 1846 Elo, OSWorld 2.0 pada 81,8%. Anthropic juga memperingatkan, dalam materinya sendiri, bahwa pada tingkat kemampuan ini selisih benchmark adalah "panduan yang kurang dapat diandalkan untuk perbedaan di dunia nyata" — sebuah kalimat yang layak diingat saat berikutnya selisih papan peringkat dikutip kepada Anda.

Tidak ada satu pun dari itu yang merupakan biologi. Itu adalah profil model yang dibangun agar unggul dalam segala hal, dan itulah sebabnya perbandingannya bukan sekadar "spesialis mengalahkan generalis dalam tugas domain." Pengeluaran token sebuah perusahaan biotek sebagian besar bukan untuk biologi: melainkan untuk kode, pipeline data, tinjauan dokumen, dan kerangka agen di sekitar sains. Pada mayoritas beban kerja itu, Claude Opus 5.5 lebih murah, diukur secara independen, dan tersedia tanpa perlu mengajukan permohonan.

Satu hal yang menentukan: apakah karya biologi Anda dianggap sebagai biologi

Here is the asymmetry nobody puts in a comparison table. GPT-Rosalind's gate is about who you are. Claude Opus 5.5's gate is about what you ask. A university lab running a cholesterol-trafficking assay in neurons is exactly the use case O​penAI's trusted-access review exists for, and exactly the use case that Anthropic's safeguard tier routes away from unless the account is verified.

Konsekuensi praktisnya: jika Anda lolos verifikasi di kedua sisi, Anda memiliki pilihan nyata antara spesialis dengan harga $5/$25 dan generalis dengan harga $4/$20, dan penyetelan domain spesialis adalah alasan untuk membayar premi 25%. Jika Anda tidak lolos keduanya, Anda tidak punya pilihan sama sekali — Anda mendapatkan Claude Opus 5 yang menjawab pertanyaan biologi dan tidak ada GPT-Rosalind, dan perbandingannya bersifat akademis.

Ada kasus ketiga, dan mungkin ini yang paling umum di dalam perusahaan: tim biologi terverifikasi dan tim platform tidak. Lalu kedua model itu bukan alternatif, melainkan alat yang berbeda untuk antrean yang berbeda, dan masalah rekayasa yang menarik adalah menjaga perutean tetap jujur — memastikan permintaan yang membutuhkan spesialis tidak diam-diam mendarat pada generalis karena kunci spesialis terkena pembatasan laju.

Menjalankan keduanya tanpa berpura-pura bahwa keduanya dapat saling dipertukarkan

Claude Opus 5.5 is on OrcaRouter at the provider's list price — $4.00 input, $20.00 output, $0.20 cached input per million tokens, with 0% markup, so Anthropic's September cut reached our catalogue the day it was published. GPT-Rosalind is not on OrcaRouter; it is not on any third-party router, and access runs through O​penAI's trusted-access programme directly. We are not going to imply otherwise.

Kegunaan sebenarnya kombinasi itu adalah pola antrean terpisah di atas. Separuh umum dari platform riset — kode yang mengurai keluaran atlas, orkestrasi agen, peringkasan literatur yang tidak memerlukan penyetelan domain, pembuatan laporan — berjalan di Claude Opus 5.5 melalui satu kunci bersama 200+ model lain, dengan failover otomatis sehingga gangguan penyedia memindahkan permintaan alih-alih menggagalkan proses. Separuh biologi tetap pada kunci Rosalind langsung. DSL perutean memungkinkan Anda menyatakan itu sebagai aturan, bukan konvensi: rute bernama untuk spesialis, fallback untuk segala hal lainnya, dan tidak ada substitusi senyap ke arah mana pun.

Bagian terakhir itu adalah prinsip desain yang diperjuangkan oleh seluruh perbandingan ini. Gerbang lunak milik Anthropic ada karena substitusi senyap itu nyaman. Jika Anda membangun pipeline yang teregulasi, Anda ingin substitusi menjadi keputusan yang Anda konfigurasi, catat, dan dapat pertanggungjawabkan — bukan sesuatu yang dilakukan vendor atas nama Anda.

Apa yang akan mengubah perbandingan ini?

Three things, in order of likelihood. O​penAI could extend the academic plan to include API access, which would put free specialist capacity inside every eligible university and make the generalist the paid option. Anthropic could extend verification faster than O​penAI extends trusted access, which would make the generalist the pragmatic route to frontier biology capability for a mid-sized lab. O​penAI could cut GPT-Rosalind's price to meet the new flagship tier, which would collapse the 25% premium and make the domain tuning close to free. Or an independent evaluator could publish a biology benchmark that both models sit, which would replace this entire argument with a number.

Sampai salah satu dari hal itu terjadi, aturan keputusannya sempit dan tidak glamor. Jika pekerjaan Anda adalah biologi molekuler dan Anda dapat lolos tinjauan, GPT-Rosalind adalah satu-satunya model terdepan yang disetel untuk itu, dan 25% bukan premi yang besar bagi seorang spesialis domain. Jika pekerjaan Anda adalah hal lain, atau pekerjaan biologi Anda hanya bersifat sampingan, Claude Opus 5.5 lebih murah, dinilai secara independen, dan tanpa pembatasan — dan fallback pengamanan adalah fitur yang perlu dipahami, bukan alasan untuk menghindarinya, selama Anda tahu kapan fitur itu terpicu.