OpenAI открыла прием заявок на участие в программе ChatGPT для академических исследователей (ChatGPT for Academic Researchers). В рамках этой инициативы 100 000 квалифицированных ученых получат бесплатный доступ к самому мощному семейству моделей GPT-5.6, среде программирования Codex и набору специализированных исследовательских инструментов. Первые 10 000 исследователей получат доступ уже этим летом, а поэтапное развертывание будет продолжаться до 2027 года. Среди первых участников уже значатся Институт перспективных исследований Принстона и Высшая нормальная школа Франции [1][2].
Кто может участвовать и что входит в пакет услуг
Критерии отбора намеренно уже. Заявители должны быть преподавателями-исследователями или постдоками в признанных учебных заведениях с высокой исследовательской активностью. Подтверждение принадлежности к организации происходит через SheerID; также необходимо предоставить статью, опубликованную за последние три года в arXiv, bioRxiv или ChemRxiv в одной из семи поддерживаемых областей: биологические науки, химия и материаловедение, компьютерные науки, науки о Земле и планете, инженерия, математика или физика [1].
Каждый одобренный исследователь получает эквивалент подписки ChatGPT Pro стоимостью 200 долларов в месяц бесплатно, но с более высокими лимитами использования, расширенными возможностями глубокого исследования (deep research) и увеличенными окнами контекста. Пакет включает всё семейство GPT-5.6: Sol для сложных научных и математических задач, Terra для сбалансированных повседневных исследовательских задач и Luna для быстрых ответов при легких нагрузках, а также ChatGPT Work для многоэтапных агентских проектов и Codex для написания и отладки аналитического кода [1][2].
Исследователи могут пригласить до четырех институциональных коллабораторов в свое рабочее пространство. Каждый участник должен подтвердить свою принадлежность к организации, и это учитывается в общем лимите программы в 100 000 аккаунтов. Данные, передаваемые через программу, по умолчанию не используются для обучения моделей OpenAI, а рабочие пространства обладают уровнем конфиденциальности и безопасности бизнес-класса, эквивалентным коммерческим корпоративным клиентам [1][2][3].
Помимо основных моделей, программа включает более 75 навыков в области наук о жизни — коннекторы в стиле плагинов для генетики, геномики, секвенирования следующего поколения, анализа единичных клеток, моделирования белков и разработки лекарств. Дополнительные коннекторы связывают систему с базами научной литературы, публичными геномными и клиническими репозиториями, платформами спутниковых снимков, вычислительными блокнотами и менеджерами ссылок [1]. OpenAI также обещает обучение и прямую поддержку исследователям с разным уровнем опыта работы с ИИ [2].
Практические компромиссы в инструментарии
Интегрированный набор инструментов мощен, но тесно связан между собой. Исследователи, выстраивающие рабочие процессы вокруг 75+ коннекторов OpenAI, получают удобство, но жертвуют мобильностью. Если OpenAI изменит API или удалит коннектор, зависимые конвейеры (pipelines) перестанут работать. Лаборатории, которые уже полагаются на инструменты с открытым исходным кодом, такие как Snakemake или Nextflow, могут найти Codex полезным для генерации кода, сохраняя при этом выполнение вычислений вне экосистемы OpenAI.
Ограничение в четыре коллаборатора на рабочее пространство также вынуждает делать выбор. Средняя лаборатория с шестью постдоками не может пригласить всех в одно рабочее пространство; ей придется разделить их на два пространства или смириться с тем, что часть сотрудников будет работать без доступа к программе. Это дает преимущество небольшим, сфокусированным командам перед крупными исследовательскими группами.
Что на самом деле говорят бенчмарки — и чего они не говорят
OpenAI выделяет два ключевых показателя: GPT-5.6 Sol набирает 83% в FrontierMath Tier 4 (прирост на 10,5 процентных пункта по сравнению с GPT-5.5) и решает 31,5% задач в GeneBench Pro, что более чем в два раза превышает производительность предшественника на более простой версии этого бенчмарка [1].
Оба бенчмарка имеют существенные оговорки, которые не выделены на странице программы. FrontierMath был разработан при финансировании OpenAI, которая, согласно заявлению о конфликте интересов от Epoch AI, сохраняет эксклюзивный доступ к части задач бенчмарка. GeneBench Pro — это собственный бенчмарк OpenAI, представленный 30 июня 2026 года. Ни один из них не прошел независимую проверку третьей стороной [1].
Процент успешных ответов в 31,5% в GeneBench Pro также означает, что GPT-5.6 Sol Pro все еще ошибается примерно в семи из десяти сложных задачах биологических исследований. Этот потолок совпадает с тем, что сама OpenAI признавала ранее: Джой Цзяо, руководитель направления исследований в области наук о жизни в компании, заявила на презентации GPT-Rosalind в апреле 2026 года, что OpenAI не считает, что ИИ уже способен самостоятельно создавать новые методы лечения заболеваний [1].
Кроме того, исследование Университета штата Вашингтон, опубликованное в марте 2026 года, показало, что с поправкой на фактор угадывания ChatGPT правильно идентифицирует ложные научные утверждения лишь в 16,4% случаев — этот результат ставит под сомнение заявления об ИИ как о полноценном ассистенте для проверки гипотез [1].
Критический взгляд на цифры
Результаты FrontierMath и GeneBench Pro лучше рассматривать как индикаторы направления развития, а не как доказательство автономных научных способностей. Модель, которая блестяще справляется с задачами математических олимпиад, все еще может испытывать трудности с более запутанными, контекстно-зависимыми рассуждениями, которых требует реальная биологическая лаборатория. Исследователям следует проводить собственную валидацию на узкоспециализированных задачах, прежде чем доверять результатам модели для чего-либо, кроме мозгового штурма.
Как спроектирован рабочий процесс исследования
OpenAI выстраивает программу вокруг охвата всего цикла научной работы, а не отдельных задач. ChatGPT берет на себя генерацию идей, обзор литературы, выдвижение гипотез и составление черновиков рукописей. Codex управляет уровнем исполнения: написанием и отладкой аналитического кода, обработкой наборов данных и созданием воспроизводимых вычислительных рабочих процессов. ChatGPT Work — режим агентского взаимодействия с длительным горизонтом планирования, способный планировать и выполнять задачи в рамках многоэтапных сессий — ориентирован на длительные проекты, такие как написание грантов, обзор литературы и подготовка публикаций [1][2].
Поведенческие данные, на которые ссылается OpenAI, свидетельствуют о реальном спросе. Каждую неделю около 1,3 миллиона человек используют ChatGPT для продвинутых задач в области науки и математики, генерируя около 8,4 миллиона сообщений — это органическая активность, которая возникла еще до запуска структурированной программы. Исследователи, входящие в топ-20% по объему использования ИИ в своих областях, почти в два раза чаще своих коллег поручают ИИ задачи, требующие, по оценкам, четырех и более часов человеческого труда: примерно 7% их запросов против 3,5% среди менее активных пользователей в тех же дисциплинах [1][2].
Пример рабочего процесса: Геномный конвейер
Типичная сессия может начаться с того, что исследователь вставляет FASTA-файл и просит ChatGPT предложить гены-кандидаты для определенного фенотипа. Модель предлагает список с аннотациями. Затем исследователь просит Codex сгенерировать Python-скрипт с использованием BioPython для перекрестной проверки этих кандидатов с референсным геномом. Codex пишет скрипт, указывает на недостающую зависимость и предлагает команду для установки через conda. Исследователь запускает скрипт локально, проверяет результат и использует ChatGPT Work для написания раздела «Методы», описывающего этот конвейер.
Каждый шаг экономит время, но усиливает зависимость от моделей OpenAI. Если вычислительная среда лаборатории изменится или поведение модели сменится после обновления, ранее сгенерированный код может потребовать повторной проверки.
Стратегический контекст: почему сейчас и на что обратить внимание исследователям
Программа совпадает с отдельным анонсом OpenAI, в котором подробно описывается, как компания радикально снизила стоимость запуска своих агентов. Ключевым элементом является агентный каркас (agent harness) — open-source слой, который работает под Codex и ChatGPT Work, управляя моделью, инструментами и контекстом. В начале этого года некоторые разработчики получали счета на 20 000 долларов в месяц из-за высокого потребления вычислительных ресурсов агентами. OpenAI оптимизировала этот каркас: теперь GPT-5.6 Sol превосходит Claude Fable 5 в ведущем бенчмарке по программированию, используя при этом на 54% меньше выходных токенов, а более легкая модель GPT-5.5 Luna стоит на 80% дешевле, чем Sol. В качестве рекурсивного поворота OpenAI использовала Codex для переписывания и оптимизации собственных производственных ядер, повысив эффективность токенов более чем на 15% — модель помогла снизить собственную стоимость [4].
Дешевый инференс — это то, что позволяет OpenAI раздавать модели бесплатно на входе в воронку. Корпоративный сектор разочаровался в «tokenmaxxing» — привычке бросать сырые вычислительные мощности на каждую задачу; Databricks заявляет, что сдерживание затрат на ИИ сейчас является главным вопросом, который они слышат от клиентов. Раздача бесплатных ресурсов и снижение затрат — это одна и та же стратегия [4].
Риск зависимости
Бесплатные передовые инструменты углубляют зависимость отрасли от стека одной компании именно в тот момент, когда OpenAI учится запускать этот стек дешевле. Приучение целого поколения ученых к мышлению внутри ChatGPT — это своего рода «защитный ров» (moat). Конкурирующее предложение Anthropic — Claude Science, запущенное на пять недель раньше, — не требует проверки учетных данных, которую требует OpenAI, предлагая альтернативу для исследователей, которым важна скорость подключения [1][4].
Исследователям, присоединяющимся к программе, следует документировать, какие части их рабочего процесса зависят от специфических инструментов OpenAI, и иметь запасные варианты. Лаборатория, использующая Codex для генерации кода, но сохраняющая стандартную среду Python, может с умеренными усилиями переключиться на другую модель. Лаборатория, глубоко выстроившая процессы на 75+ коннекторах OpenAI, столкнется с гораздо более сложной миграцией.
Практические шаги для заинтересованных исследователей
Если вы соответствуете критериям отбора, заявка уже открыта в Справочном центре OpenAI. Подготовьте верификацию SheerID и подходящий препринт за последние три года. Подумайте, каких коллабораторов стоит пригласить — каждый из них учитывается в лимите программы и должен пройти независимую проверку.
Оцените, принесет ли больше пользы вашему рабочему процессу интегрированный инструментарий OpenAI или более легкий, но доступный сразу Claude Science от Anthropic. И относитесь к заявлениям о бенчмарках как к индикаторам направления, а не гарантиям: модель все еще ошибается в большинстве сложных биологических задачах и с трудом надежно выявляет ложные научные утверждения.
Источники
- 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
