GPT-Rosalind 對決 Claude Opus 5.5：兩家實驗室都在生物學前設下關卡

GPT-Rosalind 自 2026 年 4 月 16 日起即可使用，Claude Opus 5.5 則自 2026 年 9 月 22 日起可用，因此這兩者都不是發布新聞。新的是圍繞它們的文書作業。10 月 15 日，O​penAI 發布了一項學術計畫，讓符合資格的實驗室最多可免費獲得 30 個 ChatGPT Business 席次，為期最長十二個月，並在同一份文件中聲明不包含 API 存取。六天後，它發布了一篇第一方研究筆記，其中一次分散式代理執行在 32 分鐘內，針對一種神經退化性疾病提出了膽固醇轉運假說。這款專門模型正被推入大學，而其 API 仍卡在審查之後。Anthropic 則有鏡像般的安排：一個你今天就能呼叫的通用模型，除非你的帳戶已驗證，否則其生物學回答會悄悄回退到較舊的模型。兩個實驗室，兩道關卡，而唯一重要的是：你的工作正卡在哪一道關卡後面。像這裡所述的存取變更與無聲模型回退，都會連同日期與來源記錄在 AI Incident Archive，以及我們追蹤的其他模型與供應商事件。

兩道門，兩套邏輯

Anthropic 的安排記錄在 Claude Opus 5.5 的發布資料中，而且很容易被忽略，因為它是以設定標籤而非政策的形式出現：該模型搭載了先前保留給 Claude Fable 5.1 的防護等級，因為它在生物與網路安全方面被判定為與之相當。實際上，大多數網路安全請求會被重新導向至 Claude Opus 4.8，而生物相關工作則會回退至 Claude Opus 5，除非帳號已透過 Anthropic 的 Life Sciences 或 Cyber Verification 計畫完成驗證。

那是一種退而求其次的備援方案，而值得精確說明的是：這對一間實驗室而言究竟意味著什麼。你會得到一個稱職的通用模型來回答你的生物學問題——是 Claude Opus 5，而非更新的模型——除非你走過驗證流程，否則你很可能完全不會察覺這個替換。能力本身確實存在；只是其中最新的版本被扣住不放。

O​penAI 的安排正好相反。GPT-Rosalind 可透過 ChatGPT、Codex 與 API 取得，但僅限於通過可信存取計畫的組織。自 2026 年 9 月 11 日起，它已向全球符合資格的組織開放，而非僅限於指定的合作夥伴名單；公開定價則於 2026 年 10 月 5 日生效。你取得的是專家模型；未解的問題是，你是否真能取得它。

• 閘門類型 — GPT-Rosalind：首次呼叫前須提出申請並經審查。Claude Opus 5.5：於敏感領域暗中替換模型，可透過驗證移除。

• 未公開的部分 — GPT-Rosalind：模型本身。Claude Opus 5.5：最新模型的生物學能力，由前代模型的能力取而代之。

• 取得時間 — GPT-Rosalind：無論審查需要多久，皆未公布服務等級。Claude Opus 5.5：非生物學工作可立即使用；生物學相關則取決於驗證。

• 若未經驗證時的故障模式 —— GPT-Rosalind：無法存取，且你會看到錯誤。Claude Opus 5.5：由另一個模型給出的可用答案，而你可能看不到它。

最後那一行才是應該形塑採購決策的依據。硬性關卡令人惱火但誠實。軟性關卡方便，卻會產生你必須查核其來源的結果，尤其是當你的管線記錄的是你要求的模型，而不是實際回答的模型時。

十月有什麼改變，以及為什麼這才是真正的重點

10 月 15 日的學術方案是 O​penAI 首次將助理的使用權與模型的使用權分開。席位為 ChatGPT Business，每間機構上限 30 個，最多免費十二個月，且該方案需要與任何其他途徑相同的受信任存取核准。計畫主持人管理權限；機構驗證是流程中的一個步驟。企業實驗室被告知要自行協商協議，而非使用學術途徑。而對任何正在打造東西的人來說最重要的一句話是：目前不包含 API 存取。

因此，大學團隊現在可以在聊天視窗中免費取得該模型，卻仍無法從管線中呼叫它。這不是憤世嫉俗的解讀；這是該計畫的字面文字，而且在單一實驗室內部造成了奇怪的分裂。濕實驗室科學家得到一個瀏覽器分頁。計算組則什麼都得不到，直到它以自己的帳號通過審查，並開始為每百萬個輸入 token 支付 5.00 美元。

{{1}}10 月 21 日{{/1}}的{{2}}研究備忘錄{{/2}}說明了{{3}}付費途徑{{/3}}的用途。由{{5}}PerturbAI{{/5}}與{{6}}Scripps{{/6}}打造、包含{{4}}數千個協作代理{{/4}}的一次運行，把{{7}}超過 700 篇參考文獻{{/7}}篩選到{{8}}11 篇{{/8}}，並在{{10}}32 分鐘{{/10}}內就得出了{{9}}關於一種神經退化性疾病中膽固醇運輸的假設{{/9}}；{{11}}盲審評審{{/11}}在{{13}}約四分之三的比較{{/13}}中更偏好{{12}}機器輸出{{/12}}，而{{14}}預印本{{/14}}已於{{16}}10 月 16 日{{/16}}以{{15}}CC-BY 授權{{/15}}發布。這是{{17}}第一方結果{{/17}}，因此應把{{18}}偏好數據{{/18}}視為{{19}}供應商說法{{/19}}——但這是{{20}}首次公開示範{{/20}}，證明{{21}}受限制的模型{{/21}}正被用於{{22}}基準表{{/22}}以外的用途。

兩份十月的文件都沒有改變價格或能力上的比較。兩者改變的，是誰能加入這場比較。

費率表不再是平手

在九月之前，這項比較異常清楚：OpenAI 的專用模型和 Anthropic 的旗艦模型都維持在每百萬個輸入 token $5.00、每百萬個輸出 token $25.00。後來 Anthropic 於 2026 年 9 月 22 日調降其旗艦模型價格——輸入 $4.00、輸出 $20.00，快取讀取費用從 $0.50 降至 $0.20——平手局面就此打破。GPT-Rosalind 則維持其九月更新中公布的費率，未曾變動。

• 輸入 — GPT-Rosalind 每 100 萬個 token 為 $5.00，相較於 Claude Opus 5.5 的 $4.00。此專用模型每個輸入 token 的成本高出 25%。

• 輸出 — GPT-Rosalind 每 1M $25.00，相較 Claude Opus 5.5 的 $20.00。也多 25%。

• 快取輸入 — GPT-Rosalind $0.50 對比 Claude Opus 5.5 $0.20。這是在長時間代理執行中會不斷累積的項目，而在這裡差距達 2.5 倍。

• 快取寫入 — OpenAI 的定價頁面並未列出 GPT-Rosalind 的快取寫入費用。Claude Opus 5.5 的五分鐘寫入每 1M 收費 $5，一小時寫入則收費 $8。

• 上下文與輸出 — 兩者皆具備 100 萬個權杖的上下文視窗；Claude Opus 5.5 的文件記載最大輸出為 128K，而 Batch API 可在 beta 標頭下提供 300K。

• 模態 — Claude Opus 5.5 接受文字、影像與檔案輸入並回傳文字。GPT-Rosalind 透過 ChatGPT、Codex 與 API 處理科學檔案輸入；O​penAI 並未針對其發布一般影像輸入的相關聲明。

快取這一項值得獲得它通常得不到的重視。探索工作流程是一場與大型系統提示的漫長對話——atlas schema、工具定義、內部協定——每一輪都會重新送出。以每百萬個快取 token 0.20 美元對上 0.50 美元來看，一個倚重快取的執行流程，在生成任何一個生物學 token 之前，就已經讓通用型模型明顯更便宜。這是否重要，取決於專用型模型的每 token 回答品質能否縮小差距，而那是下一節的內容。

專家實際測量的內容

以下全部都是 OpenAI 自家的評估，隨模型能力更新一併發布，且其中沒有任何一項經過獨立重現。這些比較的對象是 GPT-5.5，也就是 OpenAI 自家的通用模型，而非 Anthropic 的任何產品。

• MedChemBench — GPT-Rosalind 為 27.5%，相較於 GPT-5.5 的 25.1%，且使用的 token 少了 7.2%。這是由 OpenAI 設計的基準測試，涵蓋結構－活性關係、效價與 ADME 預測，以及逆合成。

• GeneBench — 21.6% 對 20.4%，在長程基因體學與定量生物學分析上，token 用量減少 31%。

• LabWorkBench — 在將擾動與真實濕實驗室實驗流程中的結果建立關聯這項任務上，達到 63.2%（對比 55.8%），且少用 5.3% 的 token。這些資料屬於專有資料，而這反而是一項優勢：它不可能洩漏到訓練資料中。

• BixBench — OpenAI 聲稱在已公佈結果的模型中取得領先分數，且未在正文中說明該數字。兩篇二手報導分別引用 0.751 與 0.761，因此應將確切數字視為尚未定案。

• LifeSciBench — 廠商的主打宣傳是：在涵蓋六個工作流程領域、由外部專家評判的基準測試上，每 token 的效能提升 4.42%。

看絕對數字，而不是看差值。在藥物化學基準測試上拿下 27.5% 的分數，並不代表這個模型會做藥物研發；它只代表在一個兩者分數都很低的艱難測試中，它贏過了前代模型。4.42% 這個主打數字是準確度對 token 數的比值，這是一項合理的效率指標，但把它放在發表頁面的最上方卻很怪。這些數字確實能證明的是，這次微調是真實且具體的：增益出現在化學與濕實驗室任務上，而不是一般推理能力上。

目前沒有任何公開的生物學基準測試同時評量過 GPT-Rosalind 與 Claude Opus 5.5 的成績。任何人提出兩者的正面對決數字，不是在比較不同的基準測試，就是把廠商自行執行的結果拿來和獨立執行的結果相比；這兩種做法都無效。這項從缺是這場對決中最關鍵的一項事實。

通才實際上測量到的究竟是什麼

Claude Opus 5.5 保有獨立紀錄，而且涵蓋面很廣。在 Artificial Analysis 的 Intelligence Index（v4.3.2 修訂版，於 2026 年 10 月下旬讀取）上，它拿下 57.6 分，領先該榜單上所有其他模型。該指數前一修訂版的發布當日讀數為 54，因此這個數字既隨模型變化，也隨方法論變動；引用分數時，請一併引用修訂版。

Anthropic 自家的發布表格補上了領域細節，且全為供應商自行回報：Terminal-Bench 4.0 為 66.4%、FrontierCode v1.1 為 54.4%、CursorBench 4.0 為 57.8%、GDPval-AA v2.1 為 1846 Elo、OSWorld 2.0 為 81.8%。Anthropic 也在自家資料中提醒，在這個能力水準下，基準測試的差距「已較不能作為真實世界差異的可靠指引」——下次有人拿排行榜差距來說嘴時，這句話值得記住。

那些都不是生物學。這是一個為了樣樣擅長而打造的模型特徵剖析，也是為什麼這項比較不單單是「專家在領域任務上勝過通才」的原因。一家生技公司的 token 花費大多不是生物學：而是程式碼、資料管道、文件審閱，以及圍繞科學的代理程式鷹架。在工作負載的那一大部分上，Claude Opus 5.5 更便宜、經過獨立測量，且無需申請即可使用。

決定一切的關鍵只有一點：你的生物學工作算得上生物學嗎？

這就是沒有人會放進比較表裡的不對稱。GPT-Rosalind 的門檻在於你是誰。Claude Opus 5.5 的門檻在於你問什麼。一所大學實驗室在神經元中進行膽固醇運輸檢測，正是 OpenAI 的受信任存取審查所針對的使用情境，也正是 Anthropic 的安全防護層級會導開、除非帳戶已驗證的使用情境。

實際後果是：如果你在兩邊都通過驗證，你就真正能在 $5/$25 的專家模型與 $4/$20 的通用模型之間做選擇，而專家模型的領域調校正是值得支付 25% 溢價的理由。如果兩邊都沒通過，你根本別無選擇——你只會得到 Claude Opus 5 來回答生物學問題，而沒有 GPT-Rosalind，這種比較就只是紙上談兵。

還有第三種情況，而且這很可能是公司內部最常見的一種：生物團隊已通過驗證，平台團隊則尚未通過。這時，這兩個模型並不是替代方案，而是用於不同佇列的不同工具；而真正有意思的工程問題，是讓路由保持誠實——確保需要專精模型的請求，不會因為專精模型的金鑰被限流，就悄悄落到通用模型上。

同時運行兩者，而不假裝它們可以互換

Claude Opus 5.5 已在 OrcaRouter 上，以供應商牌價計——每百萬個 token 輸入 $4.00、輸出 $20.00、快取輸入 $0.20，且加價 0%，因此 Anthropic 九月的降價在公布當天就反映到我們的目錄中。GPT-Rosalind 不在 OrcaRouter 上；它也不在任何第三方路由器上，存取是直接透過 OpenAI 的可信存取計畫進行。我們不會暗示相反的情況。

這種組合真正適合的，是上述的分流佇列模式。研究平台中通用的一半——解析 atlas 輸出的程式碼、代理協作編排、不需要領域調校的文獻摘要、報告生成——透過 與 200 多個其他模型共用同一把金鑰，在 Claude Opus 5.5 上運行，並具備自動容錯移轉，因此供應商出狀況時會轉移請求，而不是讓整個執行失敗。生物學的那一半則留在 Rosalind 的直接金鑰上。路由 DSL 讓你將這件事表達成規則而非慣例：為專家設定具名路由，其餘的一切則走後備，而且兩個方向都不會默默替換。

最後那一點，正是這場對決所要主張的設計原則。Anthropic 的軟性閘門之所以存在，是因為無聲替換很方便。如果你正在建置受監管的流程管線，你會希望替換是你自己設定、記錄下來、且能夠辯護的一項決定——而不是供應商替你做的某件事。

什麼會改變這個比較？

三件事，按可能性排序。OpenAI 可能會將學術方案擴展到包含 API 存取，這會讓每所符合資格的大學內部都有免費的專才能力，並使通用型方案成為付費選項。Anthropic 擴展驗證的速度可能比 OpenAI 擴展受信任存取更快，這會讓通用型方案成為中型實驗室取得前沿生物學能力的務實途徑。OpenAI 可能會調降 GPT-Rosalind 的價格，以對接新的旗艦級別，這會使 25% 的溢價消失，並讓領域調校幾乎免費。或者，獨立評估者可能會發布一個兩款模型都參與的生物學基準，這會用一個數字取代整場爭論。

在這些情況之一發生之前，決策規則很狹窄，也不光鮮。如果你的工作是分子生物學，而且你能通過審查，GPT-Rosalind 是唯一為此調校的前沿模型，而 25% 的溢價對領域專家而言並不算高。如果你的工作是其他任何領域，或者你的生物學工作只是附帶性質，Claude Opus 5.5 更便宜、有獨立評分，且不受限制——而安全防護的回退機制是一項該去理解的特色，而非迴避它的理由，只要你知道它何時會觸發。