GPT-Rosalind-6: los mismos pesos que Astra, otras reglas para entrar

El 30 de octubre de 2026 OpenAI lanzó GPT-Rosalind-6, nuevo capítulo de la línea Rosalind dedicada a las ciencias de la vida. La línea nació en abril con acceso controlado y socios farmacéuticos. El nombre no es uniforme: en los documentos de producto aparece como GPT-6 Rosalind Research, en el changelog de la API como GPT-6 Rosalind, y el identificador es gpt-6-rosalind. El changelog anuncia «Released GPT-6 Rosalind, bringing specialized biological reasoning with scientific tool use to complex life sciences», y la system card lo describe como un modelo de razonamiento de frontera para biología, descubrimiento de fármacos y medicina traslacional. El detalle importante está en esa misma system card: el modelo «uses the same weights as GPT-6 Astra, our flagship reasoning model». En esta versión no hay datos de entrenamiento ni post-training adicionales. Así que, en sentido técnico, no es un modelo nuevo: lo que cambia son las reglas de entrada, los límites de rechazo y la gobernanza que se exige a los clientes.

Una nota de método, válida para todo el artículo. La información atribuida al Help Center de OpenAI procede de cómo la recoge Forkast. Todos los benchmarks citados son internos de OpenAI y no tienen verificación independiente. Algunos valores de las tablas de la system card no se extrajeron, y por eso no aparecen aquí.

Solo se entra a través del programa 'trusted access': OpenAI examina los usos previstos, los controles de seguridad y la gobernanza de quien lo solicita. Quien no es un organismo público pasa por una verificación empresarial y un control de cumplimiento normativo. Los organismos públicos, en cambio, deben trabajar en casos de uso aprobados de bioseguridad, biocustodia, preparación sanitaria o biodefensa. A los clientes la system card les pide tres cosas: restringir el uso a usuarios autorizados, aplicar el mínimo privilegio y controles de riesgo interno, y prever una revisión humana cualificada antes de que los resultados orienten experimentos, publicaciones o decisiones relevantes. Los niveles Discovery y Research también están separados, y el Help Center lo dice sin rodeos: «Discovery approval does not grant Research access.» El modelo se usa en Work y Codex. En la API hace falta una aprobación aparte, y en la pestaña Chat no está. En los espacios Enterprise arranca con un Admin Preview de dos semanas, desactivado por defecto. En cuanto a su utilidad, el Help Center la sitúa por ahora en la «early discovery and hypothesis generation», es decir, en la fase inicial del descubrimiento y en la formulación de hipótesis. Quedan dos vacíos. El precio no está confirmado: solo se sabe que las tarifas son distintas de las de los modelos Rosalind 5.5. Y no consta una lista de las organizaciones ya aprobadas para el nivel Research.

En el marco Preparedness, la system card indica una capacidad 'High' en biología y química, por debajo del umbral Critical. En ciberseguridad la clasificación es 'Critical', heredada de la evaluación de GPT-6 Astra; en la automejora de la IA se queda por debajo de 'High'. Las salvaguardas biológicas están calibradas para rechazar las peticiones que «meaningfully enable severe biological weaponization», en esencia las que darían una ayuda concreta al desarrollo de armas biológicas con consecuencias graves. En el terreno cibernético se mantienen las protecciones estándar de Astra, incluido el bloqueo en tiempo real, con un límite de rechazo más conservador. OpenAI se reserva el derecho de limitar o revocar el acceso en caso de abuso.

En las pruebas internas, con el máximo presupuesto de razonamiento, la comparación con GPT-Rosalind-5.5 da estos resultados: 49,6 % frente a 28,9 % en MedChemBench v7, 37,7 % frente a 16,7 % en GeneBench Pro v13, 61,3 % frente a 44,0 % en LifeSciBench Gold. En conocimiento del riesgo biológico el umbral orientativo es del 80 %. Aquí cons@32 es del 78,3 % para GPT-Rosalind-6, del 79,2 % para la 5.5 y del 63,3 % para GPT-6 Astra, con tasas de rechazo del 9,4 %, el 1,8 % y el 29,2 % respectivamente. Corregidas por los rechazos, las puntuaciones suben al 85,0 % para GPT-Rosalind-6 y al 90,0 % para Astra. Tras esta corrección el modelo supera los umbrales orientativos 'High' en tres de cuatro evaluaciones biológicas, mientras que ninguna evaluación de capacidad 'Critical' alcanzó su umbral; la clasificación 'Critical' en ciberseguridad, como se ha dicho, procede de GPT-6 Astra. La system card no explica de forma explícita cómo unos pesos idénticos a los de Astra producen puntuaciones biológicas más altas. Los rechazos menos frecuentes y las herramientas científicas son la pista más probable, pero siguen siendo una hipótesis.

Me llama la atención que la noticia sea más un reglamento de admisión que un modelo: mismos pesos, puertas distintas. Un sistema clasificado 'High' en biología llega con acceso verificado y no con un lanzamiento abierto, así que su seguridad depende no solo de las salvaguardas del modelo, sino también de quién supera el control. Si algún día OpenAI hace público quién ha sido admitido en el nivel Research, esa será la página que habrá que leer con más atención. — Olya