Auf der API-Pricing-Seite von OpenAI ist kürzlich ein Name erschienen, der eigentlich nicht da sein sollte. Ein neuer Lebenswissensmodell gpt-rosalind-discovery, der noch nicht offiziell veröffentlicht wurde, ist leise aufgetaucht. Sein Preis ist genau gleich wie der bereits bekannt gewordene Modell gpt-rosalind-research. Die Öffentlichkeit vermutet, dass dieses neue Modell speziell auf die Arzneimittelentdeckung abzielt.
Dies ist keine einzelne Markteinführung. OpenAI hat bereits eine Marke namens Rosalind für das Lebenswesenbereich etabliert und mehrere Produktlieferwege geschaffen – zuvor hatte es bereits mit vielen Pharmaunternehmen zusammengearbeitet, um AI-Medikamente zu entwickeln, und außerdem ein biologisches Schutzprogramm eingeführt. Noch bemerkenswerter ist die Identität: Unter den führenden Großmodellherstellern für KI-Technologie ist OpenAI das erste Unternehmen, das für den Bereich des Lebenswesenbereich eine unabhängige Marke, eine unabhängige Zulassungsprüfung und iterierte Modelle etabliert hat. Es positioniert sich sehr zurückhaltend; es ist nur ein Dienstleister für Modelle – es verkauft spezielle Modelle an überprüfte Institutionen, ohne selbst in die Medikamentenindustrie einzutreten und dort eigene Pflanzen anzubauen.
Der Bereich der Life Sciences ist für Großmodellhersteller sehr attraktiv: Sie haben eine starke Zahlungsfähigkeit und klare Problembereiche – es handelt sich dabei um typische hochwertige, vertikale Scenarien. Die aktuelle Strategie von OpenAI besteht darin, zunächst führende Pharmaunternehmen und Forschungseinrichtungen mit günstigen Angeboten anzusprechen und in realen Szenarien Daten und Methoden zu sammeln. Doch die Realität ist auch klar: Im gesamten Bereich AI4Bio fehlen bisher noch großflächige klinische Tests. Die Rolle der Modelle beschränkt sich größtenteils darauf, den Menschen Arbeit abzunehmen – es ist noch nicht so weit, dass die Modelle selbst Entscheidungen über neue Medikamente treffen können.
OpenAI versucht, die Modelle in der Life-Science-Branche nach Aufgaben zu unterteilen und mit dieser differenzierten Methode so schnell wie möglich den Einsatz zu realisieren. Doch das aktuelle Problem ist, dass noch nicht klar ist, worin sich die beiden gleichpreisigen Modelle unterscheiden und welchen echten Vorteil das neue Modell bringen kann. Ob es später wirklich in Laboren und Pharmafirmen Bestand hat, muss erst durch Bewertungen und Experimente bewiesen werden.