图：生物模型的价值越来越取决于”谁能用”，而不只是”有多强”（图片来源：Unsplash）
2026 年 10 月 30 日，OpenAI 开始向一小批获批机构推送 GPT-6 Rosalind Research。这是一款面向生命科学的推理模型，官方口径里它能读文献、能做基因组与药物化学推理、能调用科研工具。按常理，一个新模型发布，最值得讨论的应该是它比上一代强多少。
但这次最值得讨论的，是 OpenAI 自己在系统卡增补里写下的一句话：“我们没有为这次发布新增训练数据，也没有做额外的后训练。” 换句话说，GPT-6 Rosalind 用的就是 GPT-6 Astra 的那一套权重。模型没变，变的是包在模型外面的那层东西——谁能用、能问什么、要付多少钱。
这件事看起来像一次产品分层的小技巧，实际上却是 2026 年 AI 产业一条越来越清晰的分界线：能力不再稀缺，准入才是产品。
一、先看事实：一个”没有训练”的新模型
把公开信息按时间线摆一摆，会更容易看清这次发布的性质。
| 时间 | 事件 | 关键信息 |
|---|---|---|
| 2026-07 | OpenAI 智能体出现未授权网络行为 | 公司推迟下一代模型发布，追加安全防护 |
| 2026-09-03 | GPT-6 Astra 发布 | 1.05M 上下文，$10 / $50 每百万 token，首个被判定为”关键级”网络能力的前沿模型 |
| 2026-10-15 | Rosalind 学术计划公布 | 美国高校实验室最多 30 个免费席位、最长 12 个月，模型本身仍需单独审批 |
| 2026-10-30 | GPT-6 Rosalind Research 推送 | 与 Astra 同权重、无新增训练；仅限获批研究机构；企业版默认关闭 |
| 2026-11-02 | 美团 LongCat-2.5 上线 | 1.6T 总参数、约 48B 激活，$0.30 / $1.20，兼容 Anthropic 风格端点 |
前两行解释了后面几步为何如此谨慎。Astra 是 OpenAI 第一个公开承认跨过”关键级”网络安全门槛的模型，发布前被推迟、被加装限制，高级网络能力只对通过审查的组织开放。所以在同一个月里再推一个”生物学版本”时，OpenAI 选择的路径不是重新训练一个更懂生物的模型，而是给同一套权重换一扇门。
产品名与内部名还不完全一致：产品叫 GPT-6 Rosalind Research，系统卡称 GPT-Rosalind-6，API 标识是 gpt-6-rosalind。这种命名混乱本身也说明它更像一次”部署形态”的变更，而不是一次”模型代际”的跃迁。
图：同一套权重，三种价格。定价成了准入策略的一部分（图片来源：Unsplash）
二、三重门：资格、开关、价格
所谓”门”，具体是三道。
第一道是资格。 只有通过 trusted access 审批的研究机构才能用；普通用户在 Chat 标签里看不到它；API 需要另外单独申请，此前的 Discovery 层级审批不覆盖新模型。10 月 15 日公布的 Rosalind 学术计划给了美国高校实验室最多 30 个免费席位、最长 12 个月，但计划里写得很清楚：席位归席位，模型权限归模型权限。这种”分层授权”在云服务里很常见，放在前沿模型上却是新东西。
第二道是开关。 企业版上线时默认关闭，管理员必须在两周的 Admin Preview 窗口里主动打开，普通员工才会看到入口。安全设计上这是好事——默认不开启，避免能力被无意扩散；但从产品角度看，它也意味着一次发布可以”静悄悄”地发生，没有全网围观，只有少数机构内部的一行配置变更。
第三道是价格。 标准价 $15 / $75 每百万 token（输入/输出），缓存输入 $1.50；长上下文请求涨到 $30 / $112.50；缓存写入按时长计 $18.75（30 分钟）与 $37.50（12 小时）。对比一下：上一代 Rosalind 系列是 $5 / $25，Astra 是 $10 / $50。也就是说，同样的权重，生命科学版本是上一代的三倍，是通用旗舰的1.5 倍。
三道门叠起来，商业逻辑就清楚了：OpenAI 卖的不再是”更强的模型”，而是”在特定高风险领域里，被允许使用强模型的资格”。溢价买的不是算力，是那张许可证，以及许可证背后”更多合法问题会被回答”的承诺。
三、真正被调节的参数，是”拒答率”
通用模型在生物学问题上通常很保守：问得稍微具体一点，就会得到一段模板化的拒绝。这种保守在防止滥用的同时，也把大量正当研究挡在门外——做药物化学的人想知道某类骨架的代谢风险，做基因组的人想讨论某段序列的功能，都可能撞上同一堵墙。
GPT-6 Rosalind 的做法是把这堵墙往后挪一点：对合法的双重用途生物学问题，拒答更少；对可能实质性助长严重生物武器化的请求，仍然拒绝；而在网络侧，拒答反而更严格。系统卡给出的分级是——生物与化学能力”高”（未到关键级），网络安全”关键级”（继承自 Astra），AI 自我改进”低于高”。
这带来一个有意思的推论：“拒绝率”正在变成一个可以按客户、按领域调节的产品参数。 同一套权重，配不同的策略层，就能变成”保守的通用助手”或”略宽松的科研工具”。从治理角度看，这比训练一个专用模型更划算——不用重训，不用重新评估全部能力，只需要改边界；但从审计角度看，它也让”这个模型到底能做什么”变得更难回答，因为答案取决于你拿的是哪一档权限。
能力数字也值得一提：OpenAI 自报 GeneBench Pro v13 上 GPT-6 Rosalind 得分 37.7%，上一代 Rosalind-5.5 是 16.7%；药物化学基准 MedChemBench 上大约翻倍。这些数字全部来自厂商自测，目前没有独立的同任务复现。37.7% 听起来不高，但在基因组推理这类”没有标准答案、需要多步证据链”的任务上，从 16.7% 到 37.7% 已经是可用性的分水岭——它决定模型是”能给点灵感”，还是”能进真实的分析流程”。
图：基因组与药物化学是这次放开的两块主战场（图片来源：Unsplash）
四、国家也来排队：可信访问变成基础设施
如果只看到公司层面的门禁，会低估这件事的分量。10 月，英国政府宣布成立 AI 生物安全实验室（AIBL）：政府出资 1 亿英镑，做成独立非营利机构，对标 AI 安全研究所。配套承诺里，OpenAI 提供 1 亿英镑的算力与模型额度，并通过 5 月启动的 Rosalind Biodefense 计划给出”可信访问”（其中包含面向盟国政府的轨道）；Anthropic 提供最多 1 亿英镑的模型额度与技术支援；Google DeepMind 参与研究合作；英国本土的 Basecamp Research 提供 AI 生物模型（该公司 9 月刚完成 1.4 亿美元 C 轮）。
这套安排的含义是：前沿模型的”可信访问”正在从公司内部流程，升级成国家能力的一部分。 政府不必自己训一个前沿模型，只要拿到访问权，就能在第一天开始做生物威胁的早期检测和疫苗加速。
代价也很直白。AIBL 的核心工具属于那些”部分制造了风险”的公司，它的独立性因此受到质疑；而如果英国在监管上向欧盟靠拢，又可能影响美国开发者给予这种宽松访问的意愿。安全评论者早就指出这个结构性矛盾：你用来防御的工具，握在你要防御的那一方手里。
图：准入不是抽象概念，它由一道道具体的关卡组成（图片来源：Unsplash）
五、另一条路：把门拆掉，靠价格说话
同一周，中国的美团给出了完全相反的答案。11 月 2 日，LongCat 团队把 LongCat-2.5 从预览版推到正式发布：原生多模态，1.6 万亿总参数、每 token 约 480 亿激活的 MoE 结构，100 万 token 上下文，输入 $0.30、输出 $1.20 每百万 token，提供兼容 Anthropic 风格的端点，可以直接接进 Claude Code、Codex、Hermes 这类智能体外壳，还送了 1000 万免费 token。
把两条路线放在一张表里，反差非常直观：
| 维度 | GPT-6 Rosalind | LongCat-2.5 |
|---|---|---|
| 定位 | 生命科学科研推理 | 长程智能体与编程 |
| 权重 | 与 Astra 相同，不公开 | 未确认是否开放权重 |
| 准入 | 机构审批 + 管理员开关 + 单独 API 审批 | 注册即可用，送免费额度 |
| 输入价 | $15 / 百万 token | $0.30 / 百万 token |
| 输出价 | $75 / 百万 token | $1.20 / 百万 token |
| 训练侧重 | 生物医学推理与工具调用 | 长序列任务、真实智能体的失败样本 |
必须说明：两者任务不同，价格不能直接比”性价比”，50 倍的差距里有一部分是任务难度与合规成本的合理反映。但差距的方向仍然说明了问题——在通用能力上，价格正在快速塌陷；在敏感能力上，价格正在被准入抬起来。 一端是”越开放越便宜”，一端是”越敏感越贵且越难进”。
LongCat 的训练方法也值得一提：团队说他们把真实智能体失败的任务回收成可复现的训练样本，再用大规模强化学习去攻这些失败点。这和”刷 benchmark”是两条路——前者优化的是”在真实工况里把活干完”，后者优化的是”在考卷上得分”。不过他们并没有公布整项目完成率的量化基准，所以”能接手整个软件项目”目前仍是路线宣示，而不是可验证的结论。
图：当模型能力触及公共安全，监管与产业开始互相嵌入（图片来源：Unsplash）
六、挑战：三道门背后的四个难题
第一，评估的独立性。 无论是 37.7% 的 GeneBench Pro，还是”生物高风险、网络关键级”的分级，目前都来自厂商自测与自评。前沿能力的第三方评测在 2026 年依然是稀缺品，而准入决策恰恰建立在这些数字上。
第二，策略层的可审计性。 当”拒答率”成为按客户配置的参数，外部很难判断某个机构拿到的到底是哪一档边界。缺乏可核查的策略版本记录，安全承诺就容易变成一句口头保证。
第三，”可信”的定义权。 谁算可信研究机构？学术计划覆盖不到的国家和中小实验室怎么办？如果准入长期与地缘、付费能力绑定，科研的不平等会被技术门槛再放大一层。
第四，开放侧的尾部风险。 今年《Frontiers in Microbiology》上有综述提出，生物类 AI 模型的风险治理应该前移到”发布之前”，包括上游的风险—收益评估、可信研究环境（TRE，让研究者在封闭环境里跑模型、只导出聚合结果）、以及在高风险情形下不公开权重与方法细节。这些建议之所以出现，正是因为开放权重一旦流出就再也收不回。
对中国读者还有一层现实约束：科研机构调用境外模型，涉及人类遗传资源管理、数据出境安全评估、伦理审查等一整套要求；《生物安全法》《生成式人工智能服务管理暂行办法》也都对生物领域的数据与模型使用划了线。这些不是本文能给出法律意见的范围，但有一点是确定的——准入不只发生在厂商那一侧，也发生在使用方这一侧的合规流程里。
图：门禁之外还得有人值守——准入与监管是同一件事的两半（图片来源：Unsplash）
七、结语：能力是原料，准入是商品
回到开头那个反常识的事实：一个”没有训练”的新模型，卖出了三倍的价格。它提醒我们，2026 年的前沿 AI 已经不再只比谁的模型更强，而在比谁能定义边界、谁能发放许可、谁能承担边界背后的责任。
这对做研究的人是好事——过去被通用模型一律拒答的正当问题，现在有了被认真回答的通道；对产业是提醒——如果你的产品建立在”调用最强的模型”上，那么真正的成本可能不在 token 单价，而在那张你未必拿得到的许可证；对治理是考验——当拒答率可以像开关一样调节，透明度就必须追上灵活性。
OpenAI 在那份系统卡里写下的原话是：“We did not add training data or perform additional post-training for this release.” 一句技术说明，也是一句时代注脚。模型没有再学新东西，学会新规则的是围绕它的那套制度。
参考资料
- OpenAI, GPT-Rosalind-6 System Card Addendum, deploymentsafety.openai.com, 2026-10-30.
- OpenAI, Path to Astra: critical capabilities and frontier safeguards, openai.com/index/path-to-astra, 2026-09.
- OpenAI Enterprise & Edu Release Notes, GPT-6 Rosalind Research rollout, 2026-10-30；Help Center 条目（2026-11-01 查阅）.
- Hokai, GPT-6 Rosalind (2026): Benchmarks, Pricing & Access Rules, 2026-11-03 核对 OpenAI 官方页面.
- LLM Stats, GPT-6 Rosalind 与 LongCat-2.5 模型页（价格、上下文、发布日期）.
- ExplainX / Superpower Daily / Pandaily, Meituan LongCat-2.5 launch, 2026-11-02.
- GOV.UK, Introducing the AI Biosecurity Lab, 2026-10；BISI, Biosecurity in the Age of AI: Assessing the UK’s AI Biosecurity Lab, 2026.
- Hanke et al., Dual-use artificial intelligence and biology: upstream risk-benefit reviews, Frontiers in Microbiology, 2026.
- Wikipedia, GPT-6（Astra 发布时间线与公开反应汇总，用于交叉核对日期）.