OpenAI telah membuka pendaftaran untuk ChatGPT for Academic Researchers, sebuah program yang memberikan akses gratis kepada 100.000 ilmuwan yang memenuhi syarat ke keluarga model paling mumpuni mereka, GPT-5.6, bersama dengan lingkungan pengodean Codex dan serangkaian alat penelitian khusus domain. 10.000 peneliti pertama akan mendapatkan akses musim panas ini, dengan peluncuran berkelanjutan hingga tahun 2027. Peserta awal sudah termasuk Institute for Advanced Study dari Princeton dan École normale supérieure dari Prancis [1][2].
Siapa yang Memenuhi Syarat dan Apa Saja yang Termasuk dalam Paketnya
Kelayakan dibatasi secara sengaja. Pendaftar harus merupakan staf pengajar riset atau peneliti pascadoktoral di institusi pengakreditasi yang memiliki aktivitas penelitian tinggi. Mereka memverifikasi afiliasi melalui SheerID dan menyerahkan makalah yang telah dipublikasikan dalam tiga tahun terakhir di arXiv, bioRxiv, atau ChemRxiv dalam salah satu dari tujuh bidang yang didukung: Ilmu Biologi, Kimia dan Material, Ilmu Komputer, Ilmu Bumi dan Planet, Teknik, Matematika, atau Fisika [1].
Setiap peneliti yang disetujui menerima paket setara dengan langganan ChatGPT Pro OpenAI senilai $200 per bulan secara gratis, dengan batas penggunaan yang lebih tinggi, kemampuan riset mendalam yang diperluas, dan jendela konteks yang lebih besar. Paket ini mencakup seluruh keluarga GPT-5.6 — Sol untuk masalah ilmiah dan matematika yang menuntut, Terra untuk tugas penelitian harian yang seimbang, dan Luna untuk respons lebih cepat pada beban kerja ringan — ditambah ChatGPT Work untuk proyek agenik multi-langkah dan Codex untuk menulis serta melakukan debugging kode analisis [1][2].
Peneliti dapat mengundang hingga empat kolaborator institusi per ruang kerja. Setiap kolaborator harus memverifikasi afiliasi mereka dan dihitung dalam batas 100.000 akun program tersebut. Data yang dibagikan melalui program ini secara default tidak digunakan untuk melatih model OpenAI, dan ruang kerja dilengkapi dengan perlindungan privasi dan keamanan tingkat bisnis yang setara dengan pelanggan perusahaan komersial [1][2][3].
Selain model inti, program ini mencakup lebih dari 75 keterampilan ilmu hayati — konektor bergaya plugin untuk genetika, genomik, pengurutan generasi berikutnya (NGS), analisis sel tunggal, pemodelan protein, dan penemuan obat. Konektor tambahan menghubungkan ke database literatur ilmiah, repositori genomik dan klinis publik, platform citra satelit, notebook komputasi, dan manajer referensi [1]. OpenAI juga menjanjikan pelatihan dan dukungan langsung bagi peneliti dengan berbagai tingkat pengalaman AI [2].
Pertimbangan Praktis dalam Rangkaian Alat
Suite terintegrasi ini sangat kuat tetapi sangat terikat satu sama lain. Peneliti yang membangun alur kerja di sekitar 75+ konektor OpenAI mendapatkan kenyamanan tetapi mengorbankan portabilitas. Jika OpenAI mengubah API atau menghentikan dukungan sebuah konektor, alur kerja yang bergantung padanya akan terputus. Lab yang sudah mengandalkan alat open-source seperti Snakemake atau Nextflow mungkin merasa Codex berguna untuk pembuatan kode sambil tetap menjaga eksekusi di luar ekosistem OpenAI.
Batas empat kolaborator per ruang kerja juga memaksa adanya pilihan. Lab menengah dengan enam postdoc tidak dapat mengundang semua orang ke satu ruang kerja tunggal; mereka harus membaginya ke dalam dua ruang kerja atau menerima bahwa beberapa anggota bekerja tanpa akses program. Hal ini lebih menguntungkan tim kecil yang terfokus daripada kelompok kolaboratif besar.
Apa yang Sebenarnya Dikatakan oleh Benchmark — dan Apa yang Tidak
OpenAI menonjolkan dua angka utama: GPT-5.6 Sol mencetak skor 83% pada FrontierMath Tier 4, naik 10,5 persentase poin dibandingkan GPT-5.5, dan menyelesaikan 31,5% tugas pada GeneBench Pro, lebih dari dua kali lipat performa pendahulunya pada versi benchmark yang lebih mudah [1].
Kedua benchmark tersebut membawa catatan penting yang tidak ditampilkan secara menonjol di halaman program. FrontierMath dikembangkan dengan pendanaan dari OpenAI, yang memegang akses eksklusif ke subset masalah benchmark tersebut, menurut pengungkapan konflik kepentingan dari Epoch AI sendiri. GeneBench Pro adalah benchmark milik OpenAI sendiri, yang diperkenalkan pada 30 Juni 2026. Keduanya belum divalidasi secara independen oleh pihak ketiga [1].
Tingkat kelulusan 31,5% pada GeneBench Pro juga berarti GPT-5.6 Sol Pro masih gagal pada sekitar tujuh dari sepuluh tugas penelitian biologi yang kompleks. Batas tersebut selaras dengan apa yang diakui OpenAI sendiri: Joy Jiao, kepala riset ilmu hayati perusahaan tersebut, mengatakan pada peluncuran GPT-Rosalind bulan April 2026 bahwa OpenAI tidak percaya AI dapat menciptakan pengobatan penyakit baru secara mandiri [1].
Secara terpisah, sebuah studi Washington State University yang diterbitkan pada Maret 2026 menemukan bahwa jika disesuaikan dengan faktor tebakan, ChatGPT hanya mengidentifikasi pernyataan ilmiah yang salah dengan benar sebanyak 16,4% dari waktu — sebuah hasil yang mempersulit klaim tentang AI sebagai asisten riset untuk evaluasi hipotesis [1].
Membaca Angka Secara Kritis
Hasil FrontierMath dan GeneBench Pro paling tepat diperlakukan sebagai indikator arah, bukan bukti kemampuan ilmiah otonom. Model yang menguasai masalah kompetisi matematika mungkin masih kesulitan dengan penalaran yang lebih berantakan dan bergantung pada konteks yang dibutuhkan oleh biologi lab basah (wet-lab) yang sebenarnya. Peneliti harus menjalankan validasi mereka sendiri pada tugas-tugas khusus domain sebelum mempercayai output model untuk hal apa pun di luar brainstorming.
Bagaimana Alur Kerja Riset Dirancang untuk Bekerja
OpenAI membingkai program ini di sekitar cakupan seluruh siklus kerja ilmiah, bukan sekadar tugas-tugas terpisah. ChatGPT menangani ideasi, survei literatur, pembuatan hipotesis, dan penyusunan manuskrip. Codex mengelola lapisan eksekusi: menulis dan melakukan debugging kode analisis, memproses dataset, dan membangun alur kerja komputasi yang dapat direproduksi. ChatGPT Work — mode agenik dengan cakupan jangka panjang yang dapat merencanakan dan mengeksekusi di berbagai sesi multi-langkah — menargetkan proyek berkelanjutan seperti penulisan hibah, tinjauan literatur, dan persiapan manuskrip [1][2].
Data perilaku yang dikutip OpenAI menunjukkan bahwa minat terhadap hal ini sangat nyata. Setiap minggu, sekitar 1,3 juta orang menggunakan ChatGPT untuk sains dan matematika tingkat lanjut, menghasilkan sekitar 8,4 juta pesan — aktivitas organik yang sudah ada sebelum adanya program terstruktur. Peneliti dalam 20% teratas penggunaan AI dalam bidang mereka hampir dua kali lipat lebih mungkin dibandingkan rekan sejawatnya untuk memberikan tugas AI yang diperkirakan membutuhkan empat jam atau lebih upaya manusia: sekitar 7% dari permintaan mereka dibandingkan dengan 3,5% di antara pengguna ringan dalam disiplin ilmu yang sama [1][2].
Contoh Alur Kerja: Pipeline Genomik
Sesi tipikal mungkin dimulai dengan seorang peneliti menempelkan file FASTA dan meminta ChatGPT untuk menyarankan kandidat gen untuk suatu fenotipe. Model tersebut mengusulkan daftar dengan anotasi. Peneliti kemudian meminta Codex untuk menghasilkan skrip Python menggunakan BioPython untuk melakukan referensi silang kandidat tersebut terhadap genom referensi. Codex menulis skrip, menandai dependensi yang hilang, dan menyarankan perintah instalasi conda. Peneliti menjalankan skrip secara lokal, memverifikasi output, dan menggunakan ChatGPT Work untuk menyusun bagian metode yang menjelaskan pipeline tersebut.
Setiap langkah menghemat waktu tetapi menambah ketergantungan pada model OpenAI. Jika lingkungan komputasi lab berubah atau perilaku model bergeser setelah pembaruan, kode yang dihasilkan sebelumnya mungkin perlu divalidasi ulang.
Konteks Strategis: Mengapa Sekarang, dan Apa yang Harus Diperhatikan Peneliti
Program ini bertepatan dengan pengumuman terpisah dari OpenAI yang merinci bagaimana mereka memangkas biaya menjalankan agen mereka. Bagian kuncinya adalah harness agen, sebuah lapisan open-source yang berada di bawah Codex dan ChatGPT Work yang mengarahkan model, alat, dan konteks. Awal tahun ini, beberapa pengembang mengalami tagihan bulanan sebesar $20.000 karena agen mereka menghabiskan daya komputasi. OpenAI mengoptimalkan harness tersebut: GPT-5.6 Sol sekarang mengalahkan Claude Fable 5 pada benchmark pengodean terkemuka sambil menggunakan 54% lebih sedikit token output, dan model yang lebih ringan, GPT-5.5 Luna, biayanya 80% lebih murah daripada Sol. Dalam sebuah putaran rekursif, OpenAI menggunakan Codex untuk menulis ulang dan mengoptimalkan kernel produksi mereka sendiri, meningkatkan efisiensi token lebih dari 15% — model tersebut membantu memangkas biayanya sendiri [4].
Inference yang lebih murah adalah hal yang memungkinkan OpenAI memberikan model secara gratis di bagian atas corong (funnel). Perusahaan-perusahaan mulai jenuh dengan “tokenmaxxing,” kebiasaan membuang daya komputasi mentah pada setiap tugas; Databricks mengatakan pengendalian biaya AI sekarang menjadi pertanyaan utama yang mereka dengar dari pelanggan. Pemberian gratis dan pemotongan biaya adalah strategi yang sama [4].
Risiko Ketergantungan
Alat frontier gratis memperdalam ketergantungan bidang tersebut pada stack satu perusahaan tepat pada saat OpenAI belajar menjalankan stack tersebut dengan biaya lebih rendah. Membuat satu generasi ilmuwan berpikir di dalam ChatGPT adalah jenis benteng (moat) tersendiri. Penawaran Claude Science dari Anthropic yang bersaing, yang diluncurkan lima minggu sebelumnya, melewatkan verifikasi kredensial yang diwajibkan OpenAI, menyajikan alternatif bagi peneliti yang menginginkan proses onboarding yang lebih cepat [1][4].
Peneliti yang bergabung dalam program ini harus mendokumentasikan bagian mana dari alur kerja mereka yang bergantung pada alat khusus OpenAI dan menyiapkan solusi cadangan. Lab yang menggunakan Codex untuk pembuatan kode tetapi tetap menjaga lingkungan eksekusinya dalam Python standar dapat berpindah model dengan upaya moderat. Lab yang membangun secara mendalam pada 75+ konektor OpenAI akan menghadapi migrasi yang lebih sulit.
Langkah Praktis Berikutnya bagi Peneliti yang Tertarik
Jika Anda memenuhi kriteria kelayakan, pendaftaran telah dibuka sekarang melalui Help Center OpenAI. Siapkan verifikasi SheerID Anda dan preprint yang memenuhi syarat dari tiga tahun terakhir. Pertimbangkan kolaborator mana yang akan diundang — masing-masing dihitung dalam batas program dan harus memverifikasi secara independen.
Evaluasi apakah alur kerja Anda lebih diuntungkan oleh rangkaian alat terintegrasi OpenAI atau dari Claude Science milik Anthropic yang lebih ringan tetapi dapat diakses secara instan. Dan perlakukan klaim benchmark sebagai sinyal arah, bukan jaminan: model tersebut masih gagal dalam sebagian besar tugas biologi yang kompleks dan kesulitan untuk menandai pernyataan ilmiah yang salah secara andal.
Sumber
- OpenAI Launches Free AI Access for Scientists: Apply Now, Model Weights…
- OpenAI launches free ChatGPT program for 100,000 academic researchers
- OpenAI Will Provide Free AI Models To Select Researchers
- OpenAI gives 100,000 scientists free AI, and shows how - TNW
- OpenAI Research | Release
- Prism | A free, LaTeX Editor and AI-native workspace for… - OpenAI
- OpenAI launches GPT-5 free to all ChatGPT users - Ars Technica
