两款型号的账单完全一致：每百万 token，输入 5.00 美元、缓存输入 0.50 美元、输出 25.00 美元。 但同价只能说明公开单价相同，无法证明训练方式、工具权限或任务表现相同。

Research 与 Discovery 的三档公开单价一致，单位为美元／百万 token（图源：OpenAI 官方 API 价格页实景截取）

一个新名字，先引出了制药猜想

TestingCatalog 随即问：它会不会专门做药物发现？命名引出了猜想，但报道也承认用途尚不清楚。 截至本文核验，尚未找到该型号的独立官方公告或能力说明。

“第二款”需要划清范围：此次曝光的是另一个 API 型号。 但它对应独立模型、调优版本还是其他产品安排，目前无法确认。价格页出现了新条目，但专门制药模型的定位还没有被证实。

TestingCatalog 于 2026 年 10 月 10 日报道新条目，并指出尚未正式宣布（图源：TestingCatalog 报道页面实景截取）[2]

这条线，早在 4 月就已经铺下

2026 年 4 月 16 日，OpenAI 首次发布 GPT-Rosalind，明确覆盖生物学、药物发现和转化医学。但这条产品线并未停在首发版本：6 月 3 日，官方已公布能力更新。 因而不能把今天的爆料当作历史上的第二次模型发布。

随后，官方在 9 月 11 日更新说明，宣布退出研究预览，并向全球符合条件的组织开放申请；公开定价于 10 月 5 日生效。但这些既有里程碑，仍没有交代 Discovery 与已有版本的具体关系。

Rosalind 从首发、能力更新到新型号曝光的公开时间线（图源：BioTender 根据 OpenAI 公告与 TestingCatalog 报道制作）

它想接手的，是实验室里的交接工作

可以把已公开的 Rosalind 理解成一名能查资料、用工具、组织分析的研究助手。首发配套插件连接超过 50 个科学工具与数据源，但价值仍取决于能否把这些环节接成可信的研究流程。 官方列出的合作方包括安进、Moderna 等。

OpenAI 的 Workbench 则把这条思路放进一个工作空间：科学问题、专门工具和可检查的证据可以一起推进。但工作台、工具插件与底层模型是不同层次的产品。 看到现有界面的功能，不能直接认定 Discovery 继承了全部能力。

Rosalind Workbench 的研究工作空间概念，属于已公开产品背景（图源：OpenAI 官方 Workbench 博客；非 Discovery 界面）

制药猜想有它的背景。药物发现已写进 Rosalind 的官方定位，6 月更新也强调药物化学与基因组学。 但从系列的应用方向，跳到新型号的专门任务，中间还缺一份官方说明。

一种猜想是，Discovery 更强调候选与假设的筛选，Research 承担广泛研究任务。但这种划分只是编辑层面的可能性分析。命名提供了方向线索，但不能代替任务清单与能力证据。

官方示例在同一工作空间查看蛋白酶体与硼替佐米的结合结构（图源：OpenAI Workbench 博客；展示现有工作台功能，非 Discovery 能力证明）

会聊分子，离会发现药还有多远

改动一个分子，要兼顾药效、毒性和体内去向。这类权衡属于多参数优化。但单项预测好，不保证整体决策好。 官方 MedChemBench 已纳入这些问题，以及结构理解、构效关系和逆合成任务。

另一条路先理解疾病机制与靶点，再组织验证。帮助中心把早期发现与假设生成列为当前最有价值的阶段，但也覆盖文献综合、组学解释和实验规划。 公开边界比“自动生成新药”更具体。

官方示例将荧光蛋白序列差异与功能解释放在同一工作空间（图源：OpenAI Workbench 博客；非 Discovery 专属能力）

现有评测提供了一把有限的尺子。6 月更新版在 MedChemBench 上为 27.5%，GPT-5.5 为 25.1%，相差 2.4 个百分点。 基因组学和湿实验辅助评测也有提升，但这些是 OpenAI 报告的既有版本结果，不能替新型号背书。

数字尤其需要守住用途。上述比例是各自评测任务的成绩，但并非药物研发成功率，也不能拿不同测试的分数直接排难度。已有 Rosalind 的进步值得看，但 Discovery 仍需要自己的对照评测。

6 月更新版与 GPT-5.5 的三项官方评测成绩；各测试口径不同，均非 Discovery 成绩（图源：BioTender 据 OpenAI 公布数据绘制；数据尚非独立复现）

标出了价格，门也没有向所有人打开

Rosalind 通过可信访问计划向符合条件的组织提供服务。但知道单价不等于获得权限。 帮助中心明确，API 用于获批的内部研究工具、流程和应用，不向客户侧产品或外部商业应用开放。

价格页还有一个容易漏看的细节：10 月 5 日开始计费的脚注，直接点名的是 gpt-rosalind-research。 但 Discovery 的独立启用安排和访问细则没有在该脚注中展开，不能把兄弟型号的所有条款逐项照搬过去。

价格页脚注点名 Research 的计费日期，并说明获批内部研究与可信访问要求（图源：OpenAI 官方 API 价格页实景截取）

下一步，要等它拿出哪种证据

判断它是否更适合制药，可以给两款型号同一道题：如何整合证据，找出值得验证的靶点或候选？但比较时应固定数据、工具与预算。 否则，差别可能来自外部资源，未必来自模型。

还要检查建议是否经得住真实实验，不能只看回答完整度。我们更关心可追溯的证据、失败条件与后续验证，但尚未发现 Discovery 披露这类专属结果。 一张价格表无法填上这些缺口。

证据整合、候选假设与实验检验之间的反馈关系（图源：BioTender 概念示意；不代表 Discovery 已披露能力）

下一份说明至少要回答三个问题：优化什么任务？同题条件下比 Research 好在哪里？有没有实验支撑？但在答案出现前，Discovery 仍主要是一个可确认的型号名，以及一组产品假设。

官方页面已经把两个名字放在一起，制药方向也有既有产品背景支撑。但新型号的用途、版本关系与真实增益，仍然留白。真正值得等的，是 Discovery 如何改变下一次研究决策。 它会让科学家更早找对方向，还是只换一种方式整理已有答案？

专门任务、同题对比与实验结果：评估新型号的三项待确认问题（图源：BioTender 编辑核验框架；非官方产品路线图）

本文来源：BioTender