GPT-Rosalind vs Claude Opus 5.5: entrambi i laboratori mettono un cancello davanti alla biologia

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.

Due porte, due logiche

La configurazione di Anthropic è documentata nel materiale di lancio di Claude Opus 5.5 ed è facile da trascurare perché appare come un'etichetta di configurazione anziché come una policy: il modello viene fornito con il livello di salvaguardia precedentemente riservato a Claude Fable 5.1, poiché è giudicato comparabile in biologia e cybersecurity. In pratica, la maggior parte delle richieste di cybersecurity viene reindirizzata a Claude Opus 4.8, mentre il lavoro in biologia ricade su Claude Opus 5 a meno che l'account non sia verificato tramite i programmi Life Sciences o Cyber Verification di Anthropic.

Questo è un fallback, e vale la pena essere precisi su cosa significhi per un laboratorio. Ottieni un modello generale competente che risponde alla tua domanda di biologia — Claude Opus 5, non il modello più recente — e, a meno che tu non abbia fatto una verifica, potresti non accorgerti affatto della sostituzione. La capacità c'è; la sua versione più recente viene trattenuta.

L'assetto di O​penAI è l'immagine speculare. GPT-Rosalind è raggiungibile tramite ChatGPT, Codex e l'API, ma solo dalle organizzazioni che superano il programma di accesso fidato. Dall'11 settembre 2026 è aperto a livello globale alle organizzazioni idonee anziché a un elenco nominativo di partner, e il prezzo pubblicato è entrato in vigore il 5 ottobre 2026. Il modello che ottieni è lo specialista; la questione aperta è se riesci a ottenerlo.

• Tipo di gate — GPT-Rosalind: una candidatura e una revisione prima della prima chiamata. Claude Opus 5.5: sostituzione silenziosa del modello su domini sensibili, rimovibile tramite verifica.

• Ciò che viene omesso — GPT-Rosalind: il modello stesso. Claude Opus 5.5: la capacità in ambito biologico del modello più recente, sostituita da quella del suo predecessore.

• Tempo di accesso — GPT-Rosalind: indipendentemente dalla durata della revisione, senza alcun livello di servizio pubblicato. Claude Opus 5.5: immediato per le attività non biologiche; subordinato a verifica per la biologia.

• Modalità di errore se non sei verificato — GPT-Rosalind: nessun accesso, e un errore che puoi vedere. Claude Opus 5.5: una risposta funzionante da un modello diverso, che potresti non vedere.

Quell'ultima riga è quella che dovrebbe guidare gli acquisti. Un filtro severo è fastidioso e onesto. Un filtro permissivo è comodo e produce risultati di cui devi verificare la provenienza, soprattutto se la tua pipeline registra il modello che hai richiesto anziché quello che ha risposto.

Che cosa è cambiato in ottobre, e perché è la vera storia

Il piano accademico del 15 ottobre è la prima volta che O​penAI separa l'accesso all'assistente dall'accesso al modello. Le licenze sono ChatGPT Business, limitate a 30 per istituzione, gratuite fino a dodici mesi, e il piano richiede la stessa approvazione di accesso affidabile di qualsiasi altra via. I ricercatori principali gestiscono le autorizzazioni; la verifica istituzionale è un passaggio del processo. Ai laboratori aziendali viene detto di negoziare un proprio accordo anziché usare il percorso accademico. E la frase che conta di più per chiunque stia costruendo qualcosa: l'accesso API non è incluso al momento.

Quindi un gruppo universitario può ora ottenere il modello in una finestra di chat gratuitamente e comunque non può richiamarlo da una pipeline. Non è una lettura cinica; è il testo letterale del piano, e produce una strana divisione all’interno di un singolo laboratorio. Gli scienziati del laboratorio wet ottengono una scheda del browser. Il gruppo computazionale non ottiene nulla finché non supera la revisione sul proprio account e inizia a pagare $5.00 per milione di token di input.

La nota di ricerca del 21 ottobre mostra a cosa serve il percorso a pagamento. Un'esecuzione di migliaia di agenti cooperanti, realizzata con PerturbAI e Scripps, ha vagliato più di 700 riferimenti riducendoli a 11 e ha prodotto in 32 minuti un'ipotesi sul traffico del colesterolo in una malattia neurodegenerativa; revisori in cieco hanno preferito l'output della macchina in circa tre quarti dei confronti, e il preprint è stato pubblicato con licenza CC-BY il 16 ottobre. È un risultato del fornitore stesso, quindi considera il dato sulla preferenza come un'affermazione del fornitore — ma è la prima dimostrazione pubblica che il modello ad accesso limitato viene usato per qualcosa di diverso dalle tabelle di benchmark.

Nessuno dei due documenti di ottobre modifica il confronto su prezzo o capacità. Entrambi cambiano chi può entrarvi.

Il listino prezzi ha smesso di essere un pareggio

Fino a settembre questo confronto era insolitamente lineare: lo specialista di OpenAI e il modello di punta di Anthropic erano entrambi a 5,00 $ per milione di token di input e 25,00 $ per milione di token di output. Poi Anthropic ha tagliato il prezzo del suo modello di punta il 22 settembre 2026 — 4,00 $ in input, 20,00 $ in output, letture dalla cache scese da 0,50 $ a 0,20 $ — e la parità si è rotta. GPT-Rosalind non si è mosso dalle tariffe pubblicate nel suo aggiornamento di settembre.

• Input — GPT-Rosalind 5,00 $ per 1M rispetto a Claude Opus 5.5 4,00 $. Lo specialista costa il 25% in più per token di input.

• Output — GPT-Rosalind 25,00 $ per 1M rispetto a Claude Opus 5.5 20,00 $. Inoltre, il 25% in più.

• Input memorizzato in cache — GPT-Rosalind $0.50 vs Claude Opus 5.5 $0.20. È questa la voce che si accumula nelle lunghe esecuzioni degli agenti, e qui il divario è di 2,5×.

• Scrittura cache — la pagina dei prezzi di OpenAI non riporta alcuna voce di scrittura cache per GPT-Rosalind. Claude Opus 5.5 addebita $5 per 1M per una scrittura di cinque minuti e $8 per un'ora.

• Contesto e output — Entrambi dispongono di una finestra di contesto da 1M token; Claude Opus 5.5 documenta un output massimo di 128K, con 300K disponibili sulla Batch API dietro un header beta.

• Modalità — Claude Opus 5.5 accetta in input testo, immagini e file e restituisce testo. GPT-Rosalind gestisce input di file scientifici tramite ChatGPT, Codex e l'API; O​penAI non pubblica alcuna dichiarazione generale sull'input di immagini per esso.

La riga della cache merita l'enfasi che di solito non riceve. Un flusso di lavoro di scoperta è una lunga conversazione con un grande prompt di sistema — lo schema dell'atlante, le definizioni degli strumenti, il protocollo interno — reinviato a ogni turno. A 0,20 $ contro 0,50 $ per milione di token in cache, un'esecuzione che si affida alla cache è materialmente più economica sul generalista prima ancora che venga generato un singolo token di biologia. Se questo conti dipende dal fatto che la qualità della risposta per token dello specialista colmi il divario, e questa è la sezione successiva.

Ciò che lo specialista ha effettivamente misurato

Tutto quanto segue è la valutazione di OpenAI stessa, pubblicata insieme all'aggiornamento delle capacità del modello, e nulla di ciò è stato riprodotto in modo indipendente. I confronti sono con GPT-5.5, il modello generalista di OpenAI, non con qualcosa prodotto da Anthropic.

• MedChemBench — 27,5% per GPT-Rosalind contro 25,1% per GPT-5.5, usando il 7,2% di token in meno. Un benchmark progettato da OpenAI per coprire le relazioni struttura-attività, la previsione della potenza e dell'ADME, e la retrosintesi.

• GeneBench — 21,6% contro 20,4%, con il 31% in meno di token, su analisi genomiche e di biologia quantitativa a lungo termine.

• LabWorkBench — 63,2% contro 55,8%, usando il 5,3% di token in meno, nel collegare perturbazioni a esiti in protocolli reali di laboratorio wet-lab. I dati sono proprietari, il che è un punto a favore: non è possibile che siano trapelati nell'addestramento.

• BixBench — OpenAI dichiara di avere il punteggio più alto tra i modelli con risultati pubblicati e non riporta la cifra in prosa. Due analisi secondarie citano 0.751 e 0.761, quindi considera il numero esatto come non definitivo.

• LifeSciBench — il dato principale del fornitore è un aumento del 4,42% delle prestazioni per token, su un benchmark valutato da esperti esterni in sei aree di flusso di lavoro.

Leggi i numeri assoluti, non i delta. Un punteggio del 27,5% in un benchmark di chimica farmaceutica non è un modello che fa scoperta di farmaci; è un modello che supera il suo predecessore in un test difficile in cui entrambi ottengono punteggi bassi. Il dato principale del 4,42% è un rapporto tra accuratezza e token, che è una misura legittima di efficienza e una cosa strana da mettere in cima a una pagina di lancio. Ciò che questi numeri stabiliscono è che il tuning è reale e specifico: i miglioramenti compaiono su compiti di chimica e di laboratorio sperimentale, non sul ragionamento generale.

Non esiste alcun benchmark pubblico di biologia su cui siano stati valutati sia GPT-Rosalind sia Claude Opus 5.5. Chiunque presenti un numero di confronto diretto sta confrontando benchmark diversi oppure sta confrontando un'esecuzione del fornitore con una indipendente, e in entrambi i casi il confronto è invalido. Questa assenza è il fatto più importante in assoluto di questo confronto.

Ciò che il generalista ha effettivamente misurato

Claude Opus 5.5 detiene il record indipendente, e con ampio margine. Nell'Intelligence Index di Artificial Analysis — revisione v4.3.2, rilevata a fine ottobre 2026 — ottiene 57,6, il che lo colloca davanti a ogni altro modello in quella classifica. La rilevazione del giorno del lancio sulla revisione precedente dell'indice era 54, quindi il numero è cambiato insieme alla metodologia oltre che al modello; cita la revisione quando citi il punteggio.

La tabella di lancio di Anthropic aggiunge il dettaglio per dominio, tutto dichiarato dal fornitore: Terminal-Bench 4.0 al 66,4%, FrontierCode v1.1 al 54,4%, CursorBench 4.0 al 57,8%, GDPval-AA v2.1 a 1846 Elo, OSWorld 2.0 all'81,8%. Anthropic avverte inoltre, nei propri materiali, che a questo livello di capacità i margini dei benchmark sono «una guida meno affidabile alle differenze nel mondo reale» — una frase da ricordare la prossima volta che vi viene citato un divario in classifica.

Nulla di tutto ciò è biologia. È il profilo di un modello costruito per essere bravo in tutto, ed è il motivo per cui il confronto non si riduce a «lo specialista batte il generalista nei compiti di dominio». La spesa in token di una biotech non è per lo più biologia: è codice, pipeline di dati, revisione di documenti e l’impalcatura di agenti attorno alla scienza. Su quella maggioranza del carico di lavoro Claude Opus 5.5 è più economico, misurato in modo indipendente e disponibile senza presentare domanda.

L'unica cosa che lo decide: il tuo lavoro in biologia conta come biologia?

Ecco l'asimmetria che nessuno mette in una tabella comparativa. Il gate di GPT-Rosalind riguarda chi sei. Il gate di Claude Opus 5.5 riguarda ciò che chiedi. Un laboratorio universitario che esegue un saggio sul traffico del colesterolo nei neuroni è esattamente il caso d'uso per cui esiste la revisione dell'accesso fidato di O​penAI, ed esattamente il caso d'uso da cui il livello di salvaguardia di Anthropic devia, a meno che l'account non sia verificato.

La conseguenza pratica: se superi la verifica su entrambi i fronti, hai una vera scelta tra uno specialista a $5/$25 e un generalista a $4/$20, e l’adattamento al dominio dello specialista è il motivo per pagare il sovrapprezzo del 25%. Se non superi nessuna delle due verifiche, non hai alcuna scelta — ottieni Claude Opus 5 che risponde a domande di biologia e nessun GPT-Rosalind, e il confronto è puramente teorico.

C'è un terzo caso, ed è probabilmente quello più comune all'interno di un'azienda: il team di biologia è verificato e il team di piattaforma no. In quel caso i due modelli non sono alternative, sono strumenti diversi per code diverse, e il problema ingegneristico interessante è mantenere onesto il routing — assicurandosi che una richiesta che necessita dello specialista non finisca silenziosamente su un generalista perché la chiave dello specialista ha raggiunto il limite di frequenza.

Gestire entrambi senza pretendere che siano intercambiabili

Claude Opus 5.5 è su OrcaRouter al prezzo di listino del provider — 4,00 $ di input, 20,00 $ di output, 0,20 $ di input in cache per milione di token, con 0% di ricarico, quindi il taglio di settembre di Anthropic è arrivato nel nostro catalogo il giorno stesso della pubblicazione. GPT-Rosalind non è su OrcaRouter; non è su nessun router di terze parti e l'accesso passa direttamente attraverso il programma di accesso fidato di OpenAI. Non intendiamo lasciare intendere il contrario.

Ciò per cui quella combinazione è davvero utile è il pattern a coda suddivisa descritto sopra. La metà generale di una piattaforma di ricerca — il codice che analizza gli output di atlas, l'orchestrazione degli agenti, la sintesi della letteratura che non richiede ottimizzazione specifica del dominio, la generazione dei report — viene eseguita su Claude Opus 5.5 tramite una singola chiave insieme ad altri 200+ modelli, con failover automatico così che un intoppo di un provider sposti la richiesta invece di far fallire l'esecuzione. La metà biologica resta sulla chiave diretta di Rosalind. Il DSL di routing è ciò che consente di esprimere tutto questo come una regola anziché una convenzione: una route denominata per lo specialista, un fallback per tutto il resto e nessuna sostituzione silenziosa in nessuna delle due direzioni.

Quell’ultima parte è il principio di progettazione che tutto questo confronto sostiene. Il soft gate di Anthropic esiste perché la sostituzione silenziosa è comoda. Se stai costruendo una pipeline regolamentata, vuoi che la sostituzione sia una decisione da te configurata, registrata e difendibile, non qualcosa che il fornitore ha fatto al posto tuo.

Cosa cambierebbe questo confronto

Tre cose, in ordine di probabilità. OpenAI potrebbe estendere il piano accademico per includere l’accesso API, il che metterebbe capacità specialistica gratuita dentro ogni università idonea e renderebbe il generalista l’opzione a pagamento. Anthropic potrebbe estendere la verifica più rapidamente di quanto OpenAI estenda l’accesso fidato, il che renderebbe il generalista la via pragmatica alla capacità biologica di frontiera per un laboratorio di medie dimensioni. OpenAI potrebbe ridurre il prezzo di GPT-Rosalind per allinearsi al nuovo livello flagship, il che farebbe crollare il sovrapprezzo del 25% e renderebbe l’ottimizzazione di dominio quasi gratuita. Oppure un valutatore indipendente potrebbe pubblicare un benchmark di biologia su cui si collocano entrambi i modelli, il che sostituirebbe l’intera discussione con un numero.

Finché non si verifica una di queste cose, la regola decisionale è ristretta e poco affascinante. Se il tuo lavoro è biologia molecolare e riesci a superare una revisione, GPT-Rosalind è l'unico modello frontier ottimizzato per questo, e il 25% non è un sovrapprezzo elevato per uno specialista di dominio. Se il tuo lavoro è qualsiasi altra cosa, o il tuo lavoro in biologia è marginale, Claude Opus 5.5 è più economico, valutato in modo indipendente e senza restrizioni — e il fallback di salvaguardia è una funzionalità da capire anziché un motivo per evitarlo, purché tu sappia quando si attiva.