GPT-Rosalind: Weltweiter Zugang und Preise ab Oktober

Was sich am 11. September geändert hat

GPT-Rosalind selbst ist nicht erst im September erschienen. OpenAI veröffentlichte die aktualisierte Modellreihe bereits am 3. Juni 2026. Neu ist die am 11. September ergänzte Verfügbarkeitsentscheidung: Das Modell kommt aus der Research Preview und wird über OpenAIs Trusted-Access-Programm weltweit für qualifizierte Organisationen geöffnet. Gleichzeitig kündigte OpenAI veröffentlichte API-Preise mit Abrechnungsbeginn am 5. Oktober an.

Damit wird aus einem begrenzten Forschungsangebot ein regulärer, wenn auch weiterhin kontrollierter Zugang für zugelassene Organisationen. OpenAI verspricht berechtigten Kunden zudem Zugriff auf die jeweils neuesten GPT-Rosalind-Modelle. Das ist keine allgemeine Freigabe für jedes Konto: Die API bleibt an eine Prüfung der Organisation und des geplanten internen Forschungszwecks gebunden.

Ereignisdatum: 11. September 2026. Der ursprüngliche Modellbeitrag stammt vom 3. Juni; neu sind der weltweite geprüfte Zugang, das Ende der Research Preview für GPT-Rosalind und die veröffentlichten Preise.

Wofür GPT-Rosalind gebaut wurde

OpenAI beschreibt GPT-Rosalind als spezialisiertes Modell für Life-Sciences-Forschung auf Unternehmensebene. Es kombiniert laut Hersteller agentische Code- und Werkzeugfähigkeiten von GPT-5.5 mit zusätzlicher Modellintelligenz für medizinische Chemie, Genomik, quantitative Biologie und die Fehlersuche in Laborabläufen. Der Fokus liegt also nicht auf allgemeinem Chat, sondern auf mehrstufigen wissenschaftlichen Arbeitsabläufen mit Daten, Literatur, Analysen und überprüfbaren Artefakten.

Über Codex lassen sich dafür zwei von OpenAI veröffentlichte Plugins einsetzen: Life Sciences Research verbindet Evidenzsuche und biologische Einordnung, während Life Sciences NGS Analysis bioinformatische Aufgaben ausführen und Ergebnisse als prüfbare Artefakte ablegen soll. Zusätzlich nennt OpenAI Viewer für Sequenzen, Alignments und Strukturen. Die Plugins stehen allgemein in Codex bereit; GPT-Rosalind selbst kann sie nur bei entsprechend freigeschalteten Organisationen antreiben.

Zugang bleibt kontrolliert

Die globale Verfügbarkeit bedeutet nicht, dass GPT-Rosalind frei in jedem ChatGPT- oder API-Konto erscheint. OpenAI verlangt eine Berechtigungsprüfung und eine organisatorische Freigabe. Nach Unternehmensangaben richtet sich das Angebot an Organisationen mit legitimer Forschung und erkennbarem öffentlichem Nutzen, belastbarer Governance, Sicherheitsaufsicht und kontrolliertem Zugriff.

Neben bestehenden Enterprise-Kunden bietet OpenAI nach eigener Aussage auch einen verwalteten Arbeitsbereich für qualifizierte Organisationen ohne Enterprise-Vertrag an. Für die API gilt der Zugang ausschließlich für genehmigte interne Forschung. Teams sollten vor einer Planung deshalb zuerst klären, ob ihr Anwendungsfall zulässig ist, welche Nutzer Zugriff erhalten und welche Daten in das System gelangen dürfen.

Bestätigt ist weltweite Verfügbarkeit für geprüfte Organisationen. Nicht bestätigt ist ein offener Self-Service-Zugang ohne Antrags- und Freigabeverfahren.

Die veröffentlichten API-Preise

OpenAIs aktuelle Preistabelle führt das Modell unter der Kennung gpt-rosalind-research. Die Abrechnung beginnt am 5. Oktober 2026. Pro eine Million Tokens werden 5 US-Dollar für Eingaben, 0,50 US-Dollar für gecachte Eingaben und 25 US-Dollar für Ausgaben genannt. Schreibvorgänge in den Prompt-Cache erhalten bei diesem Modell keinen eigenen Preis.

Die Listenpreise bilden nur die Modell-Tokens ab. Wissenschaftliche Agenten können zusätzlich Suche, Dateiverarbeitung, Codeausführung oder andere Werkzeuge verwenden. Lange Quellen, wiederholte Analysen und ausführliche Resultate erhöhen die Gesamtkosten. Ein realistischer Pilot sollte deshalb neben Antwortqualität auch Eingabe-, Cache- und Ausgabetokens sowie Werkzeugkosten pro vollständig abgeschlossenem Arbeitsablauf erfassen.

• Eingabe: 5 US-Dollar pro eine Million Tokens
• Gecachte Eingabe: 0,50 US-Dollar pro eine Million Tokens
• Ausgabe: 25 US-Dollar pro eine Million Tokens
• Abrechnungsbeginn laut OpenAI: 5. Oktober 2026
• Zugang: nur für genehmigte interne Forschung im Trusted-Access-Programm

Was die Benchmarks zeigen und was nicht

OpenAI veröffentlicht mehrere eigene Auswertungen. Auf MedChemBench erreicht GPT-Rosalind nach Herstellerangaben 27,5 Prozent gegenüber 25,1 Prozent für GPT-5.5 und benötigt dabei 7,2 Prozent weniger Tokens. Auf GeneBench nennt OpenAI 21,6 statt 20,4 Prozent Genauigkeit bei 31 Prozent weniger Tokens. Beim unternehmenseigenen LabWorkBench werden 63,2 Prozent gegenüber 55,8 Prozent für GPT-5.5 angegeben, ebenfalls mit geringerem Tokenverbrauch.

Diese Zahlen sind nützlich, aber eng zu lesen. Die Benchmarks wurden von OpenAI entwickelt oder ausgewertet, LabWorkBench verwendet laut Anbieter proprietäre und daher nicht öffentlich prüfbare Daten. Die Werte belegen Leistung unter den jeweiligen Testbedingungen, nicht automatisch Zuverlässigkeit in einem konkreten Forschungsprogramm. Besonders bei niedrigen absoluten Genauigkeiten bleibt menschliche Kontrolle entscheidend, auch wenn der relative Vorsprung statistisch interessant wirkt.

Herstellerangaben: Die Benchmarkwerte stammen von OpenAI. Unabhängige Reproduktionen für die neue allgemeinere Verfügbarkeit sind in den verwendeten Primärquellen nicht ausgewiesen.

Modell und Workbench sind nicht dasselbe

OpenAI führt Rosalind inzwischen als Life-Sciences-Angebot aus mehreren Bausteinen. GPT-Rosalind ist das spezialisierte Modell. Die Rosalind Workbench ist dagegen ein orchestrierter Arbeitsbereich mit wissenschaftlichen Werkzeugen. Während das Modell laut September-Update die Research Preview verlässt, bezeichnet OpenAI die Workbench weiterhin ausdrücklich als Research Preview.

Diese Trennung ist für Beschaffung und Risikobewertung wichtig. Eine Organisation kann das Modell per API in eigene kontrollierte Abläufe integrieren oder die Workbench verwenden, muss aber Reifegrad, Datenfluss und Freigaben für jede Komponente getrennt prüfen. Ein produktionsreifes Modell macht einen experimentellen Arbeitsbereich nicht automatisch produktionsreif.

Welche Fragen offen bleiben

Die offiziellen Seiten nennen keine allgemein garantierte Kontextlänge, Latenz, Durchsatzgrenze oder feste Modellversion für alle zugelassenen Kunden. Weil berechtigte Organisationen jeweils die neuesten Rosalind-Modelle erhalten sollen, braucht ein regulierter Betrieb besonders sorgfältige Versionsprotokolle und Regressionstests. Auch Details zu Datenresidenz, Aufbewahrung und Vertragsbedingungen müssen für die konkrete Bereitstellung geprüft werden, statt sie aus allgemeinen API-Seiten abzuleiten.

Ebenso offen bleibt, wie gut GPT-Rosalind außerhalb der veröffentlichten Benchmarks mit seltenen Datentypen, widersprüchlicher Literatur oder unvollständigen Laborprotokollen umgeht. Das Modell darf keine fachliche Evidenz ersetzen. Aussagen zu Wirkmechanismen, Versuchsplanung oder klinischen Folgen gehören gegen Primärliteratur, interne Daten und qualifizierte Fachpersonen geprüft.

Ein belastbarer Pilot für Forschungsteams

Ein sinnvoller Test beginnt mit klar abgegrenzten, reversiblen Aufgaben und freigegebenen Daten. Geeignet sind etwa Literaturzusammenfassungen mit Quellenprüfung, reproduzierbare Sequenzanalysen oder die strukturierte Fehlersuche an historischen Protokollen. Vorab festgelegte Referenzantworten und Fachgutachten verhindern, dass flüssig formulierte Ergebnisse mit wissenschaftlicher Richtigkeit verwechselt werden.

Gemessen werden sollten nicht nur Trefferquoten, sondern auch Quellenabdeckung, Reproduzierbarkeit, Korrekturen durch Experten, Laufzeit und Gesamtkosten. Für jeden Werkzeugaufruf braucht es Protokolle und klare Zuständigkeiten. Vorschläge für Experimente oder Entscheidungen mit biologischen, klinischen oder regulatorischen Folgen sollten außerhalb des Modells bestätigt und von autorisierten Personen freigegeben werden.

• Anwendungsfall, erlaubte Datenklassen und Verantwortliche vor dem Test festlegen
• Dasselbe Aufgabenpaket gegen ein geeignetes Basismodell und den bisherigen Prozess vergleichen
• Quellen, Zwischenartefakte, Modellkennung und Werkzeugaufrufe vollständig protokollieren
• Fehler nach fachlicher Schwere bewerten, nicht nur als Durchschnittswert
• Token-, Werkzeug- und Prüfkosten pro abgeschlossenem Ergebnis messen
• Irreversible Labor-, klinische oder regulatorische Schritte nie automatisch ausführen

Die MindrAils-Einordnung

Das September-Update ist relevant, weil spezialisierte Frontier-Modelle damit einen Schritt vom geschlossenen Versuch in einen klar bepreisten Organisationszugang machen. GPT-Rosalind verbindet Modellleistung, Codex-Werkzeuge und Life-Sciences-spezifische Arbeitsabläufe. Für Pharma-, Biotech- und Forschungsteams wird dadurch erstmals konkreter kalkulierbar, wie sich ein eigener Pilot technisch und wirtschaftlich aufsetzen lässt.

Die verantwortbare Aussage bleibt dennoch enger als ein Durchbruch in der Arzneimittelforschung. OpenAI hat Zugang und Preise erweitert und legt eigene Benchmarks vor. Ob das Modell in einem bestimmten Labor schneller, genauer oder günstiger arbeitet, muss unter kontrollierten Bedingungen nachgewiesen werden. Gerade im wissenschaftlichen Umfeld sind nachvollziehbare Quellen, reproduzierbare Artefakte und fachliche Freigaben wichtiger als eine beeindruckende Einzelantwort.