GPT-Rosalind 对比 Claude Opus 5.5：两家实验室都在生物学面前设了一道关卡

GPT-Rosalind 自 2026 年 4 月 16 日起就已可用，Claude Opus 5.5 则自 2026 年 9 月 22 日起可用，因此这两者都不是发布新闻。真正新鲜的是围绕它们的文书安排。10 月 15 日，OpenAI 发布了一项学术计划，为符合条件的实验室免费提供最多 30 个 ChatGPT Business 席位，最长十二个月，并在同一份文件中明确表示不包含 API 访问权限。六天后，它发布了一篇第一方研究笔记，其中一次分布式智能体运行在 32 分钟内为一种神经退行性疾病提出了一个胆固醇转运假说。这个专家模型正被推向大学，而它的 API 仍卡在审核之后。Anthropic 则有镜像式安排：一个如今就能调用的通用模型，除非你的账户通过验证，否则其生物学回答会悄悄回退到较旧的模型。两家实验室，两道门禁，而唯一重要的问题是：你的工作正站在哪道门后。像文中所述的访问权限变更和静默模型回退，都会连同日期和来源记录在AI 事件档案中，与我们跟踪的其他模型和供应商事件并列。

两道门，两种逻辑

Anthropic 的安排记录在 Claude Opus 5.5 的发布材料中，而且很容易被忽略，因为它表现为一个配置标签，而不是一项政策：该模型随附的防护层级此前专为 Claude Fable 5.1 保留，因为它在生物学和网络安全方面被判定为与之相当。实际上，大多数网络安全请求会被重新路由到 Claude Opus 4.8，而生物学工作则会回退到 Claude Opus 5，除非账户通过 Anthropic 的 Life Sciences 或 Cyber Verification 计划完成验证。

那是一种后备方案，而对于一家实验室来说，值得精确说明这意味着什么。你会得到一个能力足够的通用模型来回答你的生物学问题——是 Claude Opus 5，而不是更新的模型——除非你经过了验证，否则你可能根本不会注意到这种替换。能力是存在的；它最新的版本被保留未用。

O​penAI 的做法则恰好相反。GPT-Rosalind 可通过 ChatGPT、Codex 和 API 访问，但仅限于通过可信访问计划审核的组织。自 2026 年 9 月 11 日起，它已在全球范围内向符合条件的组织开放，而不再局限于一份指定的合作伙伴名单；公开定价也于 2026 年 10 月 5 日生效。你拿到的是这款专精模型；悬而未决的问题是，你究竟能不能拿到它。

• 门槛类型 — GPT-Rosalind：首次调用前需申请并接受审核。Claude Opus 5.5：在敏感领域进行静默模型替换，可通过验证移除。

• 未予公布的部分——GPT-Rosalind：模型本身。Claude Opus 5.5：最新模型的生物学能力，被其前代模型的能力所取代。

• 获取时间——GPT-Rosalind：无论审核需要多久，均未公布服务级别。Claude Opus 5.5：非生物学工作可即时使用；生物学工作则视验证情况而定。

• 未验证时的失效模式 —— GPT-Rosalind：无访问权限，并且会出现一个你能看到的错误。Claude Opus 5.5：由另一个模型给出可用答案，而你未必能看到它。

最后那一行才是应当影响采购决策的那一行。硬性门控很烦人，但很诚实。软性门控很方便，但它产生的结果，其来源你得自己去核查，尤其是当你的流水线记录的是你请求的模型、而不是实际作出回答的模型时。

十月发生了什么变化，以及为什么它才是真正的故事

10 月 15 日的学术计划是 O​penAI 首次将助手的访问权限与模型的访问权限分开。席位为 ChatGPT Business，每个机构上限 30 个，最多免费十二个月，并且该计划要求与任何其他途径相同的可信访问审批。首席研究员负责管理权限；机构验证是流程中的一个步骤。企业实验室被告知要自行协商协议，而不是使用学术途径。而对于任何要构建任何东西的人来说，最重要的一句话是：目前不包含 API 访问权限。

因此，一个大学研究组现在可以在聊天窗口中免费获得该模型，却仍然无法从流水线中调用它。这不是愤世嫉俗的解读；这是该计划的字面文本，并且它在同一个实验室内部造成了一种奇怪的分裂。湿实验室科学家得到一个浏览器标签页。计算组则什么也得不到，直到它以自己的账户通过审核，并开始为每百万输入 token 支付 5.00 美元。

10月21日的研究简报说明了付费路径的用途。由PerturbAI和Scripps构建的一批数千个协作智能体，将700多篇参考文献筛选到11篇，并在32分钟内提出了一项关于某种神经退行性疾病中胆固醇转运的假设；在约四分之三的对比中，盲审评审者更青睐机器输出，该预印本于10月16日以CC-BY许可上线。这是第一方结果，因此应把偏好比例视为供应商的主张——但这是首次公开证明，该门控模型正被用于基准测试表格之外的事情。

两份十月文件都没有改变价格或能力方面的比较。它们改变的是谁能够进入这一比较。

刊例价不再意味着平局

在九月之前，这一对比异常清晰：OpenAI 的专用模型和 Anthropic 的旗舰模型都维持在每百万输入 token 5.00 美元、每百万输出 token 25.00 美元。随后，Anthropic 于 2026 年 9 月 22 日下调了其旗舰模型的价格——输入 4.00 美元，输出 20.00 美元，缓存读取从 0.50 美元降至 0.20 美元——平局就此打破。GPT-Rosalind 仍维持其九月更新中公布的价格不变。

• 输入 —— GPT-Rosalind 每 100 万个 token 收费 $5.00，而 Claude Opus 5.5 收费 $4.00。该专业模型每个输入 token 的成本高出 25%。

• 输出 — GPT-Rosalind 每百万 $25.00，而 Claude Opus 5.5 为 $20.00。同时还高出 25%。

• 缓存输入 — GPT-Rosalind $0.50 对比 Claude Opus 5.5 $0.20。这一项成本会在长时间智能体运行中不断累积，而这里的差距是 2.5 倍。

• 缓存写入 — O​penAI 的定价页面上没有 GPT-Rosalind 的缓存写入条目。Claude Opus 5.5 对五分钟的写入每 100 万收费 5 美元，对一小时的写入收费 8 美元。

• 上下文与输出 — 两者均具备 100 万 token 的上下文窗口；Claude Opus 5.5 文档标明的最大输出为 128K，而在提供 Beta 请求头的情况下，Batch API 上可提供 300K。

• 模态 — Claude Opus 5.5 可接受文本、图像和文件输入，并返回文本。GPT-Rosalind 通过 ChatGPT、Codex 和 API 处理科学类文件输入；OpenAI 并未就其发布任何通用图像输入方面的声明。

缓存这一条值得被强调，而它通常没有得到这样的强调。发现工作流是一场与大型系统提示词的长对话——atlas schema、工具定义、内部协议——每一轮都会重新发送。按每百万缓存 token 0.20 美元对 0.50 美元计算，在生成任何一个生物学 token 之前，依赖缓存的运行在通用模型上就已经便宜得多。这是否重要，取决于专家模型的逐 token 答案质量能否弥合差距，而这正是下一节的内容。

专家实际测量的内容

以下所有内容都是 O​penAI 自己的评估，随该模型的能力更新一同发布，且没有任何一项经过独立复现。这些比较针对的是 O​penAI 自家的通用模型 GPT-5.5，而不是 Anthropic 推出的任何产品。

• MedChemBench — GPT-Rosalind 为 27.5%，GPT-5.5 为 25.1%，且使用的 token 少 7.2%。这是 OpenAI 设计的一个基准，涵盖构效关系、效价和 ADME 预测以及逆合成。

• GeneBench — 在长周期基因组学与定量生物学分析中，以 21.6% 对 20.4%，且 token 用量减少 31%。

• LabWorkBench — 在将扰动与真实湿实验方案中的结果关联起来方面，63.2% 对 55.8%，且使用的 token 少了 5.3%。该数据是专有的，这是一个有利之处：它不可能泄露到训练中。

• BixBench — O​penAI 声称在已公布结果的模型中得分领先，但未在正文中说明具体数值。两篇次要报道分别引用 0.751 和 0.761，因此确切数字应视为尚未确定。

• LifeSciBench——供应商的核心宣传是：在一项由外部专家评审、覆盖六个工作流领域的基准测试中，每 token 性能提升了 4.42%。

看绝对数字，而不是增量。在药物化学基准上取得 27.5% 的得分，并不说明这是一个能做药物发现的模型；它只是一个在双方得分都很低的困难测试中胜过前代模型的模型。4.42% 这个主打数字是准确率与 token 数之比，这是一种合理的效率衡量方式，但把它放在发布页顶部却很怪。这些数字确实能证明的是，调优是真实且具体的：提升出现在化学和湿实验室任务上，而不是通用推理上。

目前没有任何公开的生物学基准测试同时给 GPT-Rosalind 和 Claude Opus 5.5 打过分数。任何人给出正面直接对比的数值，要么是在比较不同的基准测试，要么是拿厂商运行结果与独立运行结果作比较，而这两种做法都无效。这一空白是这场对比中唯一最重要的事实。

通才实际测量了什么

Claude Opus 5.5 拥有独立评测的最高纪录，而且领先范围很广。在 Artificial Analysis 的 Intelligence Index 上——即 2026 年 10 月下旬读取的 v4.3.2 修订版——它得分 57.6，这使它在榜单上领先于所有其他模型。该指数上一修订版在发布当日的读数为 54，因此这个数字既随模型变化，也随方法论变化；引用分数时请注明修订版本。

Anthropic 自己的发布表格补充了各领域细节，且均为厂商报告数据：Terminal-Bench 4.0 为 66.4%，FrontierCode v1.1 为 54.4%，CursorBench 4.0 为 57.8%，GDPval-AA v2.1 为 1846 Elo，OSWorld 2.0 为 81.8%。Anthropic 还在其自家材料中提醒，在这一能力水平上，基准测试的领先幅度“已不那么能可靠反映现实世界中的差异”——下次有人拿排行榜差距向你举证时，这句话值得记住。

这些都不是生物学。这是一个为样样精通而打造的模型画像，也正是为什么不能把比较简单归结为“在领域任务上专才胜过通才”。一家生物科技公司的 token 开销大部分并非用于生物学：而是代码、数据管道、文档审阅，以及围绕科研的智能体脚手架。在这一占多数的工作负载上，Claude Opus 5.5 更便宜、经过独立测评，且无需申请即可使用。

唯一能决定这一点的是：你的生物学工作算不算生物学？

这就是没人会放进对比表里的不对称之处。GPT-Rosalind 的门槛在于你是谁。Claude Opus 5.5 的门槛在于你问什么。一个在神经元中进行胆固醇转运检测的大学实验室，正是 OpenAI 的可信访问审查所针对的使用场景，也正是一个除非账户通过验证、否则会被 Anthropic 的安全保障层级引导避开的使用场景。

实际后果是：如果你在两边都通过了验证，你就能在定价为 $5/$25 的专家型模型和定价为 $4/$20 的通用型模型之间做出真正的选择，而专家型模型的领域调优正是值得支付 25% 溢价的原因。如果两边都没通过验证，你就根本没有选择——你只能得到回答生物学问题的 Claude Opus 5，而没有 GPT-Rosalind，这种比较也就只是纸上谈兵。

还有第三种情况，而且这很可能是公司内部最常见的一种：生物团队已验证，平台团队未验证。这时，这两个模型不是替代方案，而是面向不同队列的不同工具，真正有趣的工程问题在于让路由保持可靠——确保需要专家模型的请求不会因为专家模型的密钥被限流而悄悄落到通用模型上。

同时运行两者，而不假装它们可以互换。

Claude Opus 5.5 已在 OrcaRouter 上按供应商的标价提供——每百万 token 输入 $4.00、输出 $20.00、缓存输入 $0.20，并且0% 加价，因此 Anthropic 九月的降价在发布当天就进入了我们的目录。GPT-Rosalind 不在 OrcaRouter 上；它也不在任何第三方路由器上，访问直接通过 OpenAI 的可信访问计划进行。我们不会作出相反的暗示。

这种组合真正派上用场的地方，是上面那个分队列模式。研究平台的通用那一半——解析 atlas 输出的代码、智能体编排、无需领域调优的文献摘要、报告生成——在 Claude Opus 5.5 上运行，通过一个同时接入 200+ 个其他模型的密钥，并具备自动故障转移，因此提供商出个小岔子时会把请求转走，而不是让整次运行失败。生物学那一半则继续使用 Rosalind 的直接密钥。路由 DSL 让你能把这表达成一条规则，而不是一种约定：为专用模型设置一条命名路由，为其他所有请求设置回退，且两个方向都不做静默替换。

最后那部分正是整场对比所主张的设计原则。Anthropic 的软性闸门之所以存在，是因为静默替换很方便。如果你正在构建受监管的流水线，你会希望替换是你配置过、记录过并且能够为之辩护的决定——而不是供应商替你做出的行为。

什么会改变这个比较？

三件事，按可能性从高到低排列。OpenAI 可能将学术计划扩展到包含 API 访问权限，这会让每所符合条件的大学都获得免费的专业能力，并使通用模型成为付费选项。Anthropic 扩大验证范围的速度可能快于 OpenAI 扩大可信访问范围的速度，这会让通用模型成为中型实验室获得前沿生物学能力的务实途径。OpenAI 可能将 GPT-Rosalind 的价格下调至新的旗舰层级，这将使 25% 的溢价消失，并让领域调优几乎免费。或者，独立评估机构可能发布一个两个模型都参与的生物学基准测试，用一个数字取代这整套争论。

在以上任一情况发生之前，决策规则都很狭窄，也并不光鲜。如果你的工作是分子生物学，并且你能通过评审，那么 GPT-Rosalind 是唯一为此调校的前沿模型，而对一个领域专精模型来说，25% 的溢价并不算高。如果你的工作是其他任何领域，或者你的生物学工作只是附带性的，那么 Claude Opus 5.5 更便宜、经过独立评分，而且不受门槛限制——只要你知道保障性回退机制何时触发，它就是一个需要理解的功能，而不是回避它的理由。