GPT-Rosalind vs Claude Opus 5.5：両ラボが生物学の手前にゲートを設けた

GPT-Rosalindは2026年4月16日から、Claude Opus 5.5は2026年9月22日から提供されているため、どちらも新規ローンチの話題ではありません。新しいのは、それらを取り巻く書類上の仕組みです。10月15日、OpenAIは対象となる研究室に最大30席のChatGPT Businessを最長12か月間無償で提供するという学術向け計画を公開し、同じ文書の中でAPIアクセスは含まれないと明記しました。その6日後には、分散エージェントの実行が神経変性疾患に関するコレステロール輸送仮説を32分で提案したという自社研究ノートを公開しています。専門特化モデルは大学へと押し出される一方で、そのAPIは審査の後ろに留まっています。Anthropicはちょうど裏返しの配置です。今日すぐ呼び出せる汎用モデルがあり、その生物学に関する回答はアカウントが認証されていない限り、静かに旧モデルへとフォールバックします。二つの研究室、二つのゲート。そして重要な問いはただ一つ、あなたの仕事がどちらのゲートの後ろに立っているのかということです。 ここで述べたようなアクセス変更や暗黙のモデルフォールバックは、日付と出典とともにthe AI Incident Archiveに、私たちが追跡している他のモデルおよびベンダーのインシデントとあわせて記録されています。

2つのゲート、2つの論理

Anthropicの取り決めはClaude Opus 5.5の発表資料に記載されているが、ポリシーではなく設定ラベルとして表示されるため、見落としやすい。このモデルには、生物学とサイバーセキュリティの分野で同等と判断されているため、以前はClaude Fable 5.1に限定されていたセーフガード階層が適用されている。実際には、ほとんどのサイバーセキュリティ関連のリクエストはClaude Opus 4.8に転送され、生物学関連の作業は、アカウントがAnthropicのLife SciencesまたはCyber Verificationプログラムを通じて認証されていない限り、Claude Opus 5にフォールバックする。

それはフォールバックであり、ラボにとってそれが何を意味するのかを正確に押さえておく価値がある。生物学の質問に答えてくれる有能な汎用モデル、つまり新しいモデルではなくClaude Opus 5が返ってくるのであり、検証を経ていなければ、その置き換えにまったく気づかないかもしれない。能力はそこにある。その最新版は差し控えられている。

OpenAIの取り決めは、ちょうど鏡写しになっている。GPT-RosalindにはChatGPT、Codex、APIを通じてアクセスできるが、それは信頼されたアクセスプログラム（trusted-access programme）を通過した組織に限られる。2026年9月11日以降、指定パートナーリスト向けではなく、適格な組織に対して世界中で開放されており、公表された価格は2026年10月5日に発効した。得られるモデルは専門特化型であり、未解決の問いは、それを実際に得られるかどうかだ。

• ゲート種別 — GPT-Rosalind：初回通話前の申請と審査。Claude Opus 5.5：機密性の高い領域での無断のモデル差し替え、検証によって除去可能。

• 何が伏せられているか — GPT-Rosalind：モデルそのもの。Claude Opus 5.5：最新モデルの生物学的能力は、前世代モデルのものに置き換えられている。

• アクセスまでの時間 — GPT-Rosalind：審査にかかる時間に依存し、公開されたサービスレベルはなし。Claude Opus 5.5：非生物学の業務には即時対応、生物学については検証次第。

• 未検証の場合の失敗モード — GPT-Rosalind：アクセス不可、かつ目に見えるエラー。Claude Opus 5.5：別のモデルからの有効な回答だが、あなたには見えない可能性がある。

最後の一文こそが調達のあり方を形作るべきだ。ハードゲートは煩わしいが正直だ。ソフトゲートは便利だが、結果の出所を確認しなければならない。特に、パイプラインが応答したモデルではなく要求したモデルをログに記録する場合はそうだ。

10月に何が変わったのか、そしてなぜそれが本当の重要な話なのか

10月15日の学術プランは、OpenAIがアシスタントへのアクセスとモデルへのアクセスを分離した初めての事例です。枠はChatGPT Businessで、1機関あたり最大30席、最長12か月間無料であり、このプランには他のどの経路とも同じ信頼アクセス承認が必要です。主任研究者が権限を管理し、機関による検証はプロセスの一ステップです。企業ラボには、学術向け経路を使うのではなく、独自の契約を交渉するよう伝えられています。そして、何かを構築するすべての人にとって最も重要な一文はこれです。現時点でAPIアクセスは含まれていません。

大学の一グループは今やチャットウィンドウでモデルを無料で利用できるが、パイプラインからは依然として呼び出せない。これは皮肉な読み方ではない。計画の文字通りの文言であり、一つの研究室の内部に奇妙な分断を生み出す。ウェットラボの科学者はブラウザタブを得る。計算系のグループは、自らのアカウントで審査を通過し、入力トークン100万個あたり5.00ドルを支払い始めるまで、何も得られない。

10月21日のリサーチノートは、有償ルートが何のためのものかを示している。PerturbAIとScrippsとともに構築した、協調動作する数千のエージェントの実行は、700以上の参考文献を11件まで絞り込み、神経変性疾患におけるコレステロール輸送に関する仮説を32分で生成した。盲検のレビュアーは、およそ4分の3の比較で機械の出力をより高く評価し、プレプリントは10月16日にCC-BYライセンスの下で公開された。これは当事者による結果なので、選好の数値はベンダーの主張として扱うべきだが、ゲート付きモデルがベンチマークの表以外のことに使われていることを公に示した最初の実例である。

10月の両文書は、価格や能力に関する比較を変えるものではない。変わるのは、そこに参加できる人だ。

料金表は引き分けではなくなった

9月までは、この比較は異例なほど明確だった。O​penAIの特化モデルとAnthropicのフラッグシップはどちらも、入力100万トークンあたり5.00ドル、出力100万トークンあたり25.00ドルだった。しかしAnthropicは2026年9月22日にフラッグシップを値下げした——入力4.00ドル、出力20.00ドル、キャッシュ読み取りは0.50ドルから0.20ドルへ——そして並びは崩れた。GPT-Rosalindは9月の更新で公表された料金から動いていない。

• 入力 — GPT-Rosalind は100万トークンあたり5.00ドル、Claude Opus 5.5 は4.00ドル。専門特化モデルは入力トークンあたり25%割高です。

• 出力 — GPT-Rosalind は100万あたり$25.00、Claude Opus 5.5 は$20.00。さらに25%多くなっています。

• キャッシュ入力 — GPT-Rosalind $0.50 に対し Claude Opus 5.5 は $0.20。長いエージェント実行で効いてくるのがこの項目で、ここでの差は2.5倍です。

• キャッシュ書き込み — OpenAIの料金ページにはGPT-Rosalindのキャッシュ書き込みに関する記載がありません。Claude Opus 5.5は、5分間の書き込みで100万トークンあたり5ドル、1時間で8ドルを課金します。

• コンテキストと出力 — どちらも100万トークンのコンテキストウィンドウを備えています。Claude Opus 5.5は最大出力128Kを明記しており、ベータヘッダーを付けたBatch APIでは300Kが利用可能です。

• モダリティ — Claude Opus 5.5はテキスト、画像、ファイルを入力として受け取り、テキストを返します。GPT-RosalindはChatGPT、Codex、APIを通じて科学的なファイル入力に対応していますが、O​penAIはこれについて一般的な画像入力の対応を公表していません。

キャッシュラインは、通常はそれほど注目されないが、強調される価値がある。ディスカバリーワークフローは、大規模なシステムプロンプト——アトラスのスキーマ、ツール定義、ハウスプロトコル——を毎ターン再送する長い会話である。100万キャッシュトークンあたり0.20ドル対0.50ドルという価格では、キャッシュに頼る実行は、生物学のトークンが1つも生成される前に、汎用モデル側で実質的に安くなる。それが重要かどうかは、専門モデルのトークンあたりの回答品質がその差を埋めるかどうかにかかっており、それが次のセクションである。

専門家が実際に測定した内容

以下はすべてOpenAI自身による評価であり、モデルの能力アップデートとともに公開されたもので、そのいずれも独立に再現されたものではありません。比較対象はOpenAI自身の汎用モデルであるGPT-5.5であり、Anthropic製の何かとの比較ではありません。

• MedChemBench — GPT-Rosalindは27.5%、GPT-5.5は25.1%で、トークン使用量は7.2%少ない。OpenAIが構造活性相関、効力とADME予測、および逆合成を網羅するために設計したベンチマーク。

• GeneBench — 長期的なゲノミクスおよび定量生物学の解析において、20.4%に対して21.6%、トークン数は31%削減。

• LabWorkBench — 実際のウェットラボのプロトコルにおいて、撹乱要因を結果に結びつけるタスクで63.2% 対 55.8%、しかもトークン使用量は5.3%少ない。データは非公開の独自データであり、これは有利な点でもある。トレーニングデータに漏れようがないからだ。

• BixBench — OpenAIは、結果が公開されているモデルの中で最高スコアを主張しているが、その数値を本文では明記していない。二次的な解説記事2件が0.751と0.761を引用しているため、正確な数値は未確定と見るべきだ。

• LifeSciBench — ベンダーの見出しは、6つのワークフロー領域にわたる外部専門家が評価したベンチマークにおいて、トークンあたりのパフォーマンスが4.42%向上するというものです。

差分ではなく、絶対値を見るべきだ。医薬化学ベンチマークでの27.5%というスコアは、創薬を行うモデルではない。両方が低スコアになる難しいテストで、前身モデルを上回ったモデルにすぎない。見出しの4.42%は精度とトークンの比率であり、妥当な効率指標ではあるものの、ローンチページの最上部に置くには奇妙な数字だ。これらの数字が実際に示しているのは、チューニングが本物かつ具体的だということだ。改善は化学やウェットラボのタスクに現れており、一般的な推論には現れていない。

GPT-RosalindとClaude Opus 5.5の両方がスコアを付けられた公開の生物学ベンチマークは存在しません。直接比較の数値を提示している人は、異なるベンチマークを比較しているか、ベンダーによる実行結果を独立した実行結果と比較しているかのどちらかであり、どちらも無効です。この存在しないという事実こそが、この対決における唯一最も重要な事実です。

ジェネラリストが実際に測定してきたもの

Claude Opus 5.5は独立系の記録を保持しており、その差は大きい。Artificial AnalysisのIntelligence Index（2026年10月下旬時点のv4.3.2改訂版）では57.6を記録し、そのランキング上の他のあらゆるモデルを上回っている。指数の前改訂版における提供開始日時点の値は54だったため、この数値はモデルだけでなく方法論によっても変動している。スコアを引用する際は、どの改訂版かを明記すること。

Anthropic自身のローンチ表は分野別の詳細を加えており、いずれもベンダー報告値です。Terminal-Bench 4.0は66.4%、FrontierCode v1.1は54.4%、CursorBench 4.0は57.8%、GDPval-AA v2.1は1846 Elo、OSWorld 2.0は81.8%。Anthropicは自社資料の中で、この能力レベルではベンチマークの差は「現実世界の違いを判断するにはより信頼性の低い指標」であるとも注意を促している——次にリーダーボードの差を引用されたときに思い出す価値のある一文だ。

そのどれも生物学ではない。それはあらゆる分野で優れるように作られたモデルのプロファイルであり、「ドメインタスクでは専門特化モデルが汎用モデルに勝つ」という単純な比較にならない理由でもある。バイオテック企業のトークン消費の大半は生物学ではなく、コード、データパイプライン、文書レビュー、そして科学を支えるエージェントのスキャフォールディングだ。そのワークロードの大半において、Claude Opus 5.5 はより安価で、独立に測定されており、申請なしで利用できる。

決め手はただ一つ：あなたの生物学の仕事は生物学として認められるのか

ここに、どの比較表にも載らない非対称性がある。GPT-Rosalindのゲートは「あなたが誰か」に関わる。Claude Opus 5.5のゲートは「あなたが何を尋ねるか」に関わる。大学の研究室が神経細胞でコレステロール輸送アッセイを実施するのは、まさにOpenAIの信頼アクセス審査が存在するユースケースであり、まさにAnthropicのセーフガード階層が、アカウントが検証済みでない限り対象から外して別ルートに振り分けるユースケースだ。

実際的な帰結はこうだ。双方で検証をクリアできれば、$5/$25 のスペシャリストと $4/$20 の汎用モデルの間で本当に選択でき、スペシャリストのドメイン特化チューニングこそが 25% の割増を払う理由になる。どちらもクリアできなければ、選択の余地はまったくない——生物学の質問に答えるのは Claude Opus 5 で、GPT-Rosalind はなく、その比較は机上の空論だ。

3つ目のケースがあり、おそらく社内で最もよくあるのはこれです。生物学チームは検証済みで、プラットフォームチームはそうではない、という状況です。この場合、2つのモデルは代替案ではなく、異なるキュー向けの別々のツールであり、興味深いエンジニアリング上の課題はルーティングの誠実さを保つことです。つまり、専門モデルを必要とするリクエストが、専門モデルのキーがレート制限されていたせいで、気づかないうちに汎用モデルに流れてしまわないようにすることです。

両方を使い続けること、ただし両者が互換可能であるふりはせずに

Claude Opus 5.5はOrcaRouterで提供中、プロバイダーの定価 — 入力$4.00、出力$20.00、キャッシュ入力$0.20/100万トークンで、0%のマークアップのため、Anthropicの9月の値下げは公開当日に当社のカタログへ反映されました。GPT-RosalindはOrcaRouterにはありません。どのサードパーティルーターにもなく、アクセスはOpenAIのトラステッドアクセスプログラムを直接通します。そうでないような示唆はしません。

この組み合わせが実際に役立つのは、前述の分割キューパターンです。研究プラットフォームの汎用側 — アトラスの出力を解析するコード、エージェントのオーケストレーション、ドメイン調整を必要としない文献要約、レポート生成 — は、Claude Opus 5.5 上で、200 以上の他のモデルと並ぶ 1 つのキーを通じて実行され、自動フェイルオーバーにより、プロバイダー側の一時的な問題が起きても実行が失敗するのではなくリクエストが別の経路に移ります。生物学側は直接の Rosalind キーのままです。ルーティング DSL があれば、これを慣習ではなくルールとして表現できます。つまり、スペシャリスト用の名前付きルート、それ以外すべて用のフォールバック、そしてどちらの方向にも暗黙の置き換えは行いません。

その最後の部分こそ、この対決全体が主張している設計原則です。Anthropicのソフトゲートが存在するのは、無言の置換が便利だからです。規制対象のパイプラインを構築しているなら、置換は自分が設定し、記録し、説明責任を果たせる意思決定であってほしい——ベンダーがあなたの代わりに行ったことではなく。

この比較を変えるものは何でしょうか？

可能性が高い順に、3つのことがある。OpenAIがアカデミックプランを拡張してAPIアクセスを含めれば、対象となるすべての大学に無料の専門特化能力が入り、汎用モデルが有料の選択肢になる。Anthropicが、OpenAIが信頼済みアクセスを拡張するより速く検証を拡張できれば、中規模ラボにとって汎用モデルが最先端の生物学的能力に到達する現実的な道になる。OpenAIがGPT-Rosalindの価格を新しいフラッグシップ層に合わせて引き下げれば、25%の割増がなくなり、ドメイン特化がほぼ無料になる。あるいは、独立系の評価者が、両モデルが受ける生物学ベンチマークを公開すれば、この議論全体が1つの数字に置き換わる。

そのうちの一つが起こるまでは、判断ルールは限定的で地味なものだ。自分の仕事が分子生物学で、レビューを通せるなら、GPT-Rosalind はそれ向けに調整された唯一のフロンティアモデルであり、専門分野特化型としては25%は大きな割増ではない。自分の仕事がそれ以外なら、あるいは生物学の仕事が付随的なものなら、Claude Opus 5.5 のほうが安価で、独立に評価され、ゲートもない——そしてセーフガードのフォールバックは、いつ発動するかを把握している限り、避ける理由ではなく理解すべき機能だ。