目前可以确认的方向包括：一个面向生命科学的领域模型（GPT-Rosalind）及其生物安全分支、一套自己发布并承认差距的科学评测（FrontierScience）、一个科研写作工作台（Prism）、智能体进入自家研究组织的用量披露、Codex 接上真实实验仪器，以及一项在署名争议中到达的数学主张。 与 DeepMind 不同，这里几乎看不到"自建科学模型家族"的路线：除 GPT-Rosalind 外，公开材料里出现的都是通用模型加上工具、接口与访问渠道。
范围说明： 本页只追踪 2026 年可查的公开材料：官方发布、论文、基准、第三方报道与具名合作方披露。没有内部信息。写的是公开材料到哪里为止，不是对这家机构的评价。
概览
| 方向 | 能确认什么 | 最新证据 |
|---|
| 1. 生命科学模型 | GPT-Rosalind 是 OpenAI 第一个领域专用模型系列，按"可信访问"发放，有第三方测试数据 | 2026-04-17 发布 |
| 2. 生物安全 | Rosalind Biodefense 面向防御侧开发者与政府，合作方具名 | 2026-05-29 发布 |
| 3. 科学评测 | 自家基准公开了奥赛题与研究题之间 52 个百分点的差距 | 2025-12-16 发布，2026-01 论文 |
| 4. 科研写作 | LaTeX 工作台，对 ChatGPT 用户免费 | 2026-01-28 发布 |
| 5. 研究组织内部用量 | 自报"每 1 个人类工作日对应 3.1 个智能体工作日" | 2026-09-06 发布 |
| 6. 仪器控制 | Codex 接入实验室软件，智能体选参数、跑测量 | 2026-09-08 发布 |
| 7. 数学 | 主张存在，来源与优先权有公开争议 | 2026-09-08，多方说法不一 |
| 8. 国家实验室与政策 | 15,000 名国家实验室科学家可用、Venado 部署、DOE 合作 | 2025-01 起，持续 |
1. 生命科学模型：GPT-Rosalind
能确认的： 2026 年 4 月 17 日，OpenAI 发布 GPT-Rosalind，官方口径是其第一个领域专用模型系列，面向生物化学、基因组学与蛋白质工程，支持"证据综合、假设生成、实验规划与多步科学工作流"。模型以 Rosalind Franklin 命名。
具体数字： BixBench 生物信息学基准通过率 0.751；在 LABBench2 的 11 项任务中有 6 项优于 GPT-5.4。第三方测试由 Dyno Therapeutics 执行：序列预测排在人类专家的 95 百分位以上，序列生成约 84 百分位。
发放方式： "可信访问"计划，先面向美国企业客户，申请方需证明其工作指向改善人类健康结果。同时推出面向 Codex 的生命科学研究插件，连接 50 多个科学工具与数据源。
边界： 受限发放本身是对两用风险的回应：公开报道明确提到研究者担心在生物数据上训练的模型可能被用于设计危险病原体。可信度：高（官方发布 + 具名第三方测试）。 但 BixBench、LABBench2 都是计算类基准，不等于湿实验产出；Dyno 的测试是序列任务，不是药物结果。
待核实： 可信访问的实际发放规模、Amgen / Moderna / Thermo Fisher / Allen Institute 这四家启动伙伴各自拿它做了什么、有没有公开的湿实验复现。
2. 生物安全：Rosalind Biodefense
能确认的： 2026 年 5 月 29 日，OpenAI 宣布 Rosalind Biodefense，向经审核的开发者开放 GPT-Rosalind，用于构建大流行防备与生物安全工具；另设政府通道，面向公共卫生工作流。具名合作方包括劳伦斯利弗莫尔国家实验室、约翰霍普金斯应用物理实验室、流行病防范创新联盟（CEPI）。
原话： "Frontier AI should meaningfully advantage those defenders."（前沿 AI 应当让防御方获得实质优势。）
边界： 这是一个访问计划，不是能力证明。公开材料没有给出任何防御工具的产出、评测或部署结果。可信度：中（官方公告，无结果披露）。
3. 科学评测：FrontierScience
能确认的： 2025 年 12 月 16 日发布，2026 年 1 月出论文。基准分两条赛道：Olympiad（国际奥赛难度，公开金集 100 题）与 Research（博士级开放式研究子问题，公开金集 60 题，物理、化学、生物各 20）。奥赛题由 42 位前国际奖牌得主或国家队教练命题，合计 108 枚奥赛奖牌；研究题由 45 位博士后、教授或博士生命题。
结果： GPT-5.2 在 Olympiad 上 77%，在 Research 上 25%；Gemini 3 Pro 奥赛 76%。52 个百分点的差距是这个基准最有信息量的部分：同一批模型在有明确答案的题目上接近饱和，在开放式研究任务上远未饱和。
评分方式： 奥赛题比对单一数值或代数表达式；研究题按 10 分制评分表由模型评委打分，7 分及以上算成功。
论文自述的四条局限（原文）：
- "A significant part of scientific research is proposing novel research directions, hypotheses, and ideas"，基准不评估这部分；
- "The rubric is less objective than the equivalency checker of a single expression or number, and relies on the model judge's capabilities"；
- 题目为纯文本，"without image or video outputs"；
- "We did not perform human baselining of this dataset and leave that to future work"，没有人类基线。
可信度：高（有论文、有公开金集、有自述局限）。 一个机构公开自己尚未跨过的差距，比任何单项成绩都更可检验。
4. 科研写作：Prism
能确认的： 2026 年 1 月 28 日发布，LaTeX 工作台，把起草、引用与模型协助合在一起，对 ChatGPT 用户免费。
边界： 公开材料是产品发布，没有使用量、留存或科研产出数据。可信度：中（官方发布，无使用数据）。
为什么值得记： 这是进入科研日常界面的动作。写作与引用是证据如何被组织、被引用、被传播的环节，占住这个界面的影响和模型能力不是同一件事。
5. 研究组织内部用量：自动化研究实习生
能确认的： 2026 年 9 月 6 日，OpenAI 报告智能体可以完成熟练研究者需要数天的明确任务，并披露到 8 月中旬，其研究组织内部每 1 个人类工作日对应 3.1 个智能体工作日。
边界： 这是公司自报的内部用量，没有外部审计口径，也没有说明这些工作日产出了什么。用量不等于产出。可信度：中（自报数据，来源单一）。
待核实： 这个比值如何计算、是否包含失败任务与重跑、有没有第三方能复核的定义。
6. 仪器控制：Codex 接上超导量子芯片
能确认的： 2026 年 9 月 8 日，一位 MIT 研究者通过 Codex 把模型接到实验室软件上，智能体选择参数、执行比特测量、分析结果并决定下一次测量。
边界： 噪声与歧义信号出现时仍需要专家判断。这证明智能体可以进入真实测量回路，不证明无人监督的实验自主性。可信度：中高（官方技术帖，具名机构合作）。
7. 数学：Navier–Stokes 主张与署名争议
能确认的： 2026 年 9 月 8 日，OpenAI 称内部模型为千禧年问题形式给出解析证明与 Lean 形式化，构造了光滑强迫下的有限时间奇点。同一天，Tristan Buckmaster（NYU）与 Levent Alpöge（Anthropic）表示他们更早的未发表 forced-Euler 工作已经到过 OpenAI 手里，并称 OpenAI 因 Alpöge 的 Anthropic 身份而不愿列其署名；Sébastien Bubeck 对部分说法有异议，称方法不同，并为自己的措辞致歉。
边界： 这里记录的是主张与争议，不是已确立的数学结果。各方说法不一致，证明仍在复核中。可信度：低（单一来源主张 + 公开争议 + 未完成复核）。
为什么单列： 在前沿数学上，一个能力主张现在是和优先权、数据获取、署名问题捆绑到达的，而同行评审不是为一个新闻周期内解决这些问题设计的。
8. 国家实验室与政策
能确认的： 2025 年 1 月起，OpenAI 与美国国家实验室合作，最多 15,000 名科学家可使用其推理模型系列；与微软合作在洛斯阿拉莫斯的 Venado 超算上部署模型。OpenAI 是能源部 Genesis Mission 公布的 AI 合作方之一，并向白宫科技政策办公室（OSTP）提交了"加速科学"征求意见稿。
组织信息： "OpenAI for Science" 由前首席产品官 Kevin Weil 负责（现任科学副总裁）。公开表述是要招一支"小团队"的学者，要求既是各自领域的一流研究者，又"completely AI-pilled"，同时是好的科学传播者，与 OpenAI 研究员配对工作。
可信度：高（官方发布 + 政府侧公开材料）。
查不到的部分
- GPT-Rosalind 的可信访问实际发放了多少家、四家启动伙伴各自的使用结果；
- 3.1 这个比值的计算口径与外部可核对的定义；
- Prism 的使用量与科研产出；
- Navier–Stokes 证明的独立复核结论；
- OpenAI for Science 团队规模、成员与在研课题清单。
方法与范围
范围： 只收录 AI 被用于科学研究的工作，通用模型能力与消费级产品不计入。
可信度按条标注，不按方向标注。 同一个方向里，"项目存在"和"技术已经成立"的证据强度可以完全不同。标注口径：
- 高：有论文、公开金集、第三方测试或具名机构执行；
- 中：官方发布或公司自报，细节可查但无外部核验；
- 低：单一来源主张、口头表述，或存在公开争议且复核未完成。
两条操作规则： 修订版论文按版本记日期，不当作新项目；"项目存在"的证据不等于"技术已经成立"的证据。
主要信息来源
官方发布
论文与基准
第三方报道
