GPT-Rosalind kontra Claude Opus 5.5: oba laboratoria stawiają bramę przed biologią

GPT-Rosalind jest dostępny od 16 kwietnia 2026 r., a Claude Opus 5.5 od 22 września 2026 r., więc żaden z nich nie jest nowością premierową. Nowe są dokumenty, które się wokół nich pojawiły. 15 października OpenAI opublikowało plan akademicki, który daje kwalifikującym się laboratoriom do 30 licencji ChatGPT Business bezpłatnie na maksymalnie dwanaście miesięcy i stwierdza w tym samym dokumencie, że dostęp do API nie jest objęty. Sześć dni później opublikowało własną notatkę badawczą, w której uruchomienie rozproszonego agenta zaproponowało hipotezę dotyczącą transportu cholesterolu dla schorzenia neurodegeneracyjnego w trzydzieści dwie minuty. Model specjalistyczny jest wypychany na uniwersytety, podczas gdy jego API pozostaje zablokowane do czasu przeglądu. Anthropic ma odwrotny układ: model ogólny, który możesz wywołać już dziś, a którego odpowiedzi z zakresu biologii po cichu przełączają się na starszy model, chyba że Twoje konto jest zweryfikowane. Dwa laboratoria, dwie bramy — a jedyne pytanie, które się liczy, brzmi: za którą bramą stoi Twoja praca. Zmiany w dostępie i ciche przełączenia awaryjne modeli, takie jak opisane tutaj, są odnotowywane wraz z datami i źródłami w the AI Incident Archive, obok pozostałych incydentów dotyczących modeli i dostawców, które śledzimy.

Dwie bramy, dwie logiki

Ustalenia Anthropic są udokumentowane w materiałach premierowych Claude Opus 5.5 i łatwo je przeoczyć, ponieważ występują jako etykieta konfiguracji, a nie zasada: model jest dostarczany z poziomem zabezpieczeń wcześniej zarezerwowanym dla Claude Fable 5.1, ponieważ uznaje się go za porównywalny pod względem biologii i cyberbezpieczeństwa. W praktyce większość zapytań dotyczących cyberbezpieczeństwa jest przekierowywana do Claude Opus 4.8, a prace biologiczne są kierowane awaryjnie do Claude Opus 5, chyba że konto zostanie zweryfikowane w ramach programów Anthropic Life Sciences lub Cyber Verification.

To rozwiązanie zapasowe i warto dokładnie sprecyzować, co oznacza ono dla laboratorium. Otrzymujesz kompetentny model ogólnego przeznaczenia, który odpowiada na twoje pytanie z biologii — Claude Opus 5, a nie nowszy model — i jeśli nie przeprowadziłeś weryfikacji, możesz w ogóle nie zauważyć tej podmiany. Możliwości są; jej najnowsza wersja jest wstrzymywana.

Model dostępu OpenAI jest jego lustrzanym odbiciem. Do GPT-Rosalind można dotrzeć przez ChatGPT, Codex i API, ale wyłącznie dla organizacji, które spełniają wymogi programu dostępu zaufanego. Od 11 września 2026 r. jest on dostępny globalnie dla kwalifikujących się organizacji, a nie tylko dla wskazanej listy partnerów, a opublikowany cennik wszedł w życie 5 października 2026 r. Model, który otrzymujesz, jest specjalistą; otwartym pytaniem pozostaje, czy w ogóle go otrzymasz.

• Typ bramki — GPT-Rosalind: wniosek i przegląd przed pierwszym wywołaniem. Claude Opus 5.5: cicha podmiana modelu w wrażliwych dziedzinach, usuwalna przez weryfikację.

• Czego nie ujawniono — GPT-Rosalind: sam model. Claude Opus 5.5: możliwości biologiczne najnowszego modelu, zastąpione przez możliwości poprzednika.

• Czas na dostęp — GPT-Rosalind: niezależnie od tego, ile trwa przegląd, bez opublikowanego poziomu usług. Claude Opus 5.5: natychmiast w przypadku prac niezwiązanych z biologią; w biologii zależnie od weryfikacji.

• Tryb awarii, jeśli nie jesteś zweryfikowany — GPT-Rosalind: brak dostępu i błąd, który widzisz. Claude Opus 5.5: działająca odpowiedź z innego modelu, której możesz nie widzieć.

To ostatnie zdanie powinno kształtować zaopatrzenie. Twarda bramka jest irytująca i uczciwa. Miękka bramka jest wygodna i daje wyniki, których pochodzenie trzeba sprawdzać, zwłaszcza jeśli pipeline loguje model, o który poproszono, a nie ten, który odpowiedział.

Co się zmieniło w październiku i dlaczego to jest prawdziwa historia

Plan akademicki z 15 października to pierwszy raz, gdy OpenAI rozdzieliło dostęp do asystenta od dostępu do modelu. Miejsca są w ramach ChatGPT Business, ograniczone do 30 na instytucję, bezpłatne przez maksymalnie dwanaście miesięcy, a plan wymaga takiej samej zgody na dostęp zaufany jak każda inna ścieżka. Główni badacze zarządzają uprawnieniami; weryfikacja instytucjonalna jest jednym z etapów procesu. Laboratoriom enterprise zaleca się wynegocjowanie własnej umowy zamiast korzystania ze ścieżki akademickiej. A zdanie, które ma największe znaczenie dla każdego, kto cokolwiek buduje: dostęp przez API nie jest obecnie uwzględniony.

Tak więc grupa uniwersytecka może teraz dostać model w oknie czatu za darmo, a nadal nie może wywoływać go z potoku przetwarzania. To nie jest cyniczna interpretacja; to dosłowny tekst planu i tworzy dziwny podział w obrębie jednego laboratorium. Naukowcy z wet-labu dostają kartę przeglądarki. Grupa obliczeniowa nie dostaje nic, dopóki nie przejdzie weryfikacji na własnym koncie i nie zacznie płacić 5,00 USD za milion tokenów wejściowych.

Notatka badawcza z 21 października pokazuje, do czego służy płatna ścieżka. Przebieg tysięcy współpracujących agentów, zbudowanych przy użyciu PerturbAI i Scripps, przejrzał ponad 700 pozycji piśmiennictwa i zawężył je do 11, po czym w ciągu 32 minut wygenerował hipotezę dotyczącą transportu cholesterolu w chorobie neurodegeneracyjnej; zaślepieni recenzenci preferowali wynik maszynowy w około trzech czwartych porównań, a preprint ukazał się 16 października na licencji CC-BY. To wynik własny dostawcy, więc liczbę dotyczącą preferencji należy traktować jako twierdzenie dostawcy — ale to pierwsza publiczna demonstracja, że model z ograniczonym dostępem jest wykorzystywany do czegoś innego niż tabele benchmarków.

Żaden z październikowych dokumentów nie zmienia porównania pod względem ceny ani możliwości. Oba zmieniają to, kto może do niego przystąpić.

Cennik przestał być remisem

Do września to porównanie było wyjątkowo przejrzyste: model specjalistyczny OpenAI i flagowy model Anthropic kosztowały po $5.00 za milion tokenów wejściowych i $25.00 za milion tokenów wyjściowych. Następnie firma Anthropic obniżyła ceny swojego flagowego modelu 22 września 2026 r. — $4.00 za wejście, $20.00 za wyjście, odczyty z pamięci podręcznej z $0.50 do $0.20 — i remis się zakończył. GPT-Rosalind nie zmienił stawek opublikowanych w swojej wrześniowej aktualizacji.

• Dane wejściowe — GPT-Rosalind $5.00 za 1 mln vs Claude Opus 5.5 $4.00. Specjalista kosztuje o 25% więcej za token wejściowy.

• Dane wyjściowe — GPT-Rosalind 25,00 USD za 1 mln vs Claude Opus 5.5 20,00 USD. Dodatkowo o 25% więcej.

• Buforowane dane wejściowe — GPT-Rosalind $0.50 vs Claude Opus 5.5 $0.20. To właśnie ta pozycja narasta przy długich uruchomieniach agenta, a tutaj różnica wynosi 2,5×.

• Zapis do pamięci podręcznej — Strona cennika OpenAI nie zawiera pozycji dotyczącej zapisu do pamięci podręcznej dla GPT-Rosalind. Claude Opus 5.5 pobiera 5 USD za 1 mln za zapis pięciominutowy i 8 USD za godzinny.

• Kontekst i dane wyjściowe — Oba mają okno kontekstu wynoszące 1 mln tokenów; Claude Opus 5.5 podaje maksymalny rozmiar danych wyjściowych 128K, a 300K jest dostępne w Batch API po ustawieniu nagłówka beta.

• Modalności — Claude Opus 5.5 przyjmuje na wejściu tekst, obrazy i pliki, a zwraca tekst. GPT-Rosalind obsługuje naukowe pliki wejściowe przez ChatGPT, Codex i API; O​penAI nie publikuje żadnych ogólnych deklaracji dotyczących wprowadzania obrazów w jego przypadku.

Kwestia pamięci podręcznej zasługuje na nacisk, którego zwykle jej brakuje. Przepływ pracy odkrywczej to długa rozmowa z dużym promptem systemowym — schemat atlasu, definicje narzędzi, wewnętrzny protokół — wysyłanym ponownie w każdej turze. Przy $0,20 wobec $0,50 za milion tokenów z pamięci podręcznej uruchomienie opierające się na buforowaniu jest istotnie tańsze w przypadku modelu ogólnego, zanim zostanie wygenerowany choćby jeden token biologiczny. Czy ma to znaczenie, zależy od tego, czy jakość odpowiedzi specjalisty w przeliczeniu na token niweluje tę lukę — a temu poświęcona jest kolejna sekcja.

Co specjalista faktycznie zmierzył

Wszystko poniższe stanowi własną ocenę O​penAI, opublikowaną wraz z aktualizacją możliwości modelu, i żadna jej część nie została niezależnie odtworzona. Porównania dotyczą GPT-5.5, własnego modelu ogólnego O​penAI, a nie czegokolwiek, co tworzy Anthropic.

• MedChemBench — 27,5% w przypadku GPT-Rosalind w porównaniu z 25,1% w przypadku GPT-5.5, przy zużyciu o 7,2% mniej tokenów. Benchmark zaprojektowany przez OpenAI, obejmujący relacje struktura–aktywność, przewidywanie potencji i ADME oraz retrosyntezę.

• GeneBench — 21,6% wobec 20,4%, przy 31% mniejszej liczbie tokenów, w długoterminowej analizie genomiki i biologii ilościowej.

• LabWorkBench — 63,2% wobec 55,8%, przy zużyciu o 5,3% mniej tokenów, w łączeniu perturbacji z wynikami w rzeczywistych protokołach laboratoryjnych. Dane są zastrzeżone, co jest zaletą: nie mogły wyciec do danych treningowych.

• BixBench — OpenAI twierdzi, że ma wiodący wynik wśród modeli z opublikowanymi rezultatami, i nie podaje tej wartości w tekście ciągłym. Dwa dodatkowe opracowania podają 0,751 i 0,761, więc dokładną liczbę należy traktować jako nieustaloną.

• LifeSciBench — kluczową deklaracją dostawcy jest wzrost wydajności na token o 4,42% w benchmarku ocenianym zewnętrznie przez ekspertów, obejmującym sześć obszarów przepływu pracy.

Czytaj liczby bezwzględne, a nie delty. Wynik 27,5% w benchmarku chemii medycznej to nie model, który odkrywa leki; to model, który bije swojego poprzednika w trudnym teście, w którym oba uzyskują niskie wyniki. Nagłówek 4,42% to stosunek dokładności do tokenów, co jest uzasadnioną miarą wydajności i dziwną rzeczą do umieszczenia na górze strony premiery. To, co te liczby faktycznie ustalają, to że dostrajanie jest rzeczywiste i konkretne: zyski pojawiają się w zadaniach chemicznych i wet-lab, a nie w ogólnym rozumowaniu.

Nie istnieje publiczny benchmark biologiczny, na którym zarówno GPT-Rosalind, jak i Claude Opus 5.5 zostałyby ocenione. Każdy, kto przedstawia wynik bezpośredniego porównania, albo porównuje różne benchmarki, albo porównuje przebieg dostawcy z niezależnym, a oba są nieważne. Ten brak jest najważniejszym faktem w tym pojedynku.

Co generalista faktycznie zmierzył

Claude Opus 5.5 ma niezależny rekord i ma on szeroki zakres. W Intelligence Index serwisu Artificial Analysis — w wersji v4.3.2, odczytanej pod koniec października 2026 r. — uzyskuje wynik 57,6, co stawia go przed wszystkimi innymi modelami w tym zestawieniu. Odczyt z dnia premiery na poprzedniej wersji indeksu wynosił 54, więc liczba zmieniła się zarówno wraz z metodologią, jak i z modelem; podając wynik, podawaj też wersję indeksu.

Własna tabela premierowa Anthropic dodaje szczegóły dotyczące dziedzin, wszystkie zgłoszone przez dostawcę: Terminal-Bench 4.0 na poziomie 66,4%, FrontierCode v1.1 na poziomie 54,4%, CursorBench 4.0 na poziomie 57,8%, GDPval-AA v2.1 na poziomie 1846 Elo, OSWorld 2.0 na poziomie 81,8%. Anthropic ostrzega również w swoich własnych materiałach, że na tym poziomie zdolności różnice w wynikach benchmarków są „mniej wiarygodnym wskaźnikiem rzeczywistych różnic” — zdanie warte zapamiętania, gdy następnym razem ktoś będzie cytował przed tobą lukę w rankingu.

Nic z tego nie jest biologią. To profil modelu zbudowanego tak, by być dobry we wszystkim, i dlatego porównanie nie sprowadza się po prostu do stwierdzenia „specjalista bije generalistę w zadaniach domenowych”. Wydatki firmy biotechnologicznej na tokeny w większości nie dotyczą biologii: to kod, potoki danych, przegląd dokumentów i szkielet agentowy wokół nauki. W przypadku tej większości obciążenia Claude Opus 5.5 jest tańszy, niezależnie zmierzony i dostępny bez składania wniosku.

Jedyne, co to rozstrzyga: czy twoja praca z biologii liczy się jako biologia

Oto asymetria, której nikt nie umieszcza w tabeli porównawczej. Bramka GPT-Rosalind dotyczy tego, kim jesteś. Bramka Claude Opus 5.5 dotyczy tego, o co prosisz. Laboratorium uniwersyteckie prowadzące test transportu cholesterolu w neuronach to dokładnie ten przypadek użycia, dla którego istnieje przegląd zaufanego dostępu OpenAI, i dokładnie ten przypadek użycia, od którego warstwa zabezpieczeń Anthropic odsyła gdzie indziej, chyba że konto jest zweryfikowane.

Praktyczna konsekwencja: jeśli przejdziesz weryfikację po obu stronach, masz realny wybór między specjalistą w cenie $5/$25 a generalistą w cenie $4/$20, a dostrojenie specjalisty do danej dziedziny jest powodem, by płacić 25% więcej. Jeśli nie przejdziesz weryfikacji po żadnej ze stron, nie masz żadnego wyboru — dostajesz Claude Opus 5 odpowiadającego na pytania biologiczne, a nie GPT-Rosalind, i porównanie jest czysto teoretyczne.

Istnieje trzeci przypadek i prawdopodobnie jest on najczęstszy wewnątrz firmy: zespół biologii jest zweryfikowany, a zespół platformy nie. Wtedy te dwa modele nie są alternatywami, lecz różnymi narzędziami do różnych kolejek, a ciekawym problemem inżynierskim jest utrzymanie uczciwego routingu — dopilnowanie, by żądanie wymagające specjalisty nie trafiło po cichu do generalisty tylko dlatego, że klucz specjalisty został ograniczony limitem zapytań.

Uruchamianie obu bez udawania, że są wymienne

Claude Opus 5.5 jest dostępny w OrcaRouter w cenie katalogowej dostawcy — 4,00 USD za dane wejściowe, 20,00 USD za dane wyjściowe, 0,20 USD za dane wejściowe z pamięci podręcznej za milion tokenów, przy czym 0% narzutu, więc wrześniowa obniżka Anthropic trafiła do naszego katalogu w dniu publikacji. GPT-Rosalind nie jest dostępny w OrcaRouter; nie ma go w żadnym routerze zewnętrznym, a dostęp odbywa się bezpośrednio przez program zaufanego dostępu O​penAI. Nie będziemy sugerować inaczej.

To, do czego ta kombinacja faktycznie się nadaje, to opisany powyżej wzorzec rozdzielonych kolejek. Ogólna część platformy badawczej — kod, który parsuje wyniki atlasu, orkiestracja agentów, streszczanie literatury, które nie wymaga dostrajania dziedzinowego, generowanie raportów — działa na Claude Opus 5.5 przez jeden klucz obok ponad 200 innych modeli, z automatycznym przełączaniem awaryjnym, dzięki czemu chwilowy problem u dostawcy przenosi żądanie zamiast powodować niepowodzenie przebiegu. Część biologiczna pozostaje na bezpośrednim kluczu Rosalind. DSL routingu pozwala wyrazić to jako regułę, a nie konwencję: nazwana trasa dla specjalisty, fallback dla całej reszty i żadnego cichego podstawiania w żadnym kierunku.

Ta ostatnia część to zasada projektowa, o którą upomina się całe to porównanie. Miękka bramka Anthropic istnieje, ponieważ ciche zastąpienie jest wygodne. Jeśli budujesz potok objęty regulacjami, chcesz, aby zastąpienie było decyzją, którą skonfigurowałeś, zapisałeś w logach i której możesz bronić — a nie czymś, co dostawca zrobił w twoim imieniu.

Co zmieniłoby to porównanie

Trzy scenariusze, w kolejności prawdopodobieństwa. OpenAI mogłoby rozszerzyć plan akademicki o dostęp do API, co umieściłoby bezpłatne możliwości specjalistyczne w każdej kwalifikującej się uczelni i uczyniło model ogólnego przeznaczenia opcją płatną. Anthropic mogłoby rozszerzyć weryfikację szybciej, niż OpenAI rozszerzy zaufany dostęp, co uczyniłoby model ogólnego przeznaczenia pragmatyczną drogą do zdolności w zakresie biologii na poziomie frontier dla średniej wielkości laboratorium. OpenAI mogłoby obniżyć cenę GPT-Rosalind do poziomu nowej oferty flagowej, co zniosłoby 25-procentowy narzut i sprawiło, że dostrajanie dziedzinowe byłoby niemal darmowe. Albo niezależny ewaluator mógłby opublikować benchmark biologiczny, który oba modele przechodzą, co zastąpiłoby całą tę argumentację jedną liczbą.

Dopóki jedno z tych zdarzeń nie nastąpi, reguła decyzyjna jest wąska i mało efektowna. Jeśli Twoja praca dotyczy biologii molekularnej i potrafisz przejść weryfikację, GPT-Rosalind jest jedynym modelem czołowym dostrojonym do tego zadania, a 25% to niewielka dopłata dla specjalisty w danej dziedzinie. Jeśli Twoja praca jest czymś innym albo wątek biologiczny jest w niej poboczny, Claude Opus 5.5 jest tańszy, niezależnie oceniany i nieobjęty ograniczeniami dostępu — a awaryjny mechanizm zabezpieczający to funkcja, którą warto zrozumieć, a nie powód, by go unikać, pod warunkiem że wiesz, kiedy się uruchamia.