OpenAI宣布推出ChatGPT for Academic Researchers计划，准备在2027年前向10万名科学家、数学家和工程师免费提供前沿模型及研究工具。首批计划覆盖1万名研究人员，获批者可以使用GPT-5.6系列、Codex、ChatGPT Work、深度研究功能以及面向生命科学的专业技能和数据库连接器。与其说这是一项简单的免费计划，不如说OpenAI正在尝试将ChatGPT嵌入科研工作的完整流程，使其从回答问题的通用工具逐渐变成科研人员提出假设、编写代码、分析结果和撰写论文的基础设施。
文章作者、来源：OpenAI
从1万名研究者开始
OpenAI推出的ChatGPT for Academic Researchers计划，目标是在2027年前向10万名科学家、数学家和工程师免费开放前沿模型。首批计划将在2026年夏季覆盖1万名研究人员，普林斯顿高等研究院和法国巴黎高等师范学院等机构已经开始使用相关服务。
获得资格的研究者将拥有一个专门的ChatGPT工作空间，并可以邀请最多四名来自同一机构的合作者。工作空间提供面向企业的隐私和安全保护，其中的数据默认不会被用于训练OpenAI模型。对于已经部署ChatGPT Edu的大学，免费资格将通过学校现有的机构工作空间进行协调。
OpenAI对这项计划的解释是，前沿AI带来的科研能力不应该只集中在资金充足的实验室和少数大型公司手中。科学进步仍然依赖研究者提出正确的问题、验证新想法并在已有成果上继续探索。OpenAI希望扮演的角色，是把更强的工具交给研究人员，让他们决定哪些科学问题值得研究。
这一计划也是OpenAI更大规模科研投入的一部分。公司承诺在2027年前投入超过2.5亿美元，支持外部科学研究和发现，其中包括规模为5000万美元的NextGenAI项目，以及与美国能源部Genesis Mission开展的合作。后者希望把前沿AI工具带给国家实验室和大学研究人员。
AI已经进入科研工作的各个环节
OpenAI公布的数据显示，每周约有130万人使用ChatGPT处理高级科学和数学问题，产生大约840万条消息。尤其在数学领域，AI已经从偶尔用于解决孤立问题，转变为部分研究人员日常工作流程中的常规工具。越来越多的论文开始在致谢或正文中提到ChatGPT的贡献。
研究人员使用AI的方式，也不再局限于查找资料或润色文字。ChatGPT可以帮助研究者检验想法、获取跨学科知识、形成研究假设并解释结果；Codex则更偏向执行环节，例如编写和调试代码、分析实验数据，以及搭建可以重复运行的研究流程；ChatGPT Work可以承担时间跨度更长的任务，例如寻找研究资金、准备申请材料、进行文献综述、起草论文以及制作成果展示内容。
OpenAI举出的案例包括物理学家Rogerio Jorge及其团队。他们使用AI开发开源核聚变研究软件，相关工具被产业机构和国家实验室用于设计聚变能源设备。在理论计算机科学领域，Barna Saha、Yinzhan Xu和Christopher Ye使用GPT-5.5 Pro协助建立一项数学证明，进一步明确计算机解决高维几何问题的效率边界，随后再由研究人员自行验证和完善结果。
另一个值得注意的数据是，在各自领域内使用AI最频繁的前20%研究者，更愿意把复杂、耗时的任务交给模型。他们提交的请求中，接近7%被估计需要人类投入四小时以上，而其他研究者的比例约为3.5%。这表明，当研究者逐渐熟悉模型后，他们不只是用AI节省几分钟时间，而是开始尝试过去可能因成本过高而暂时放弃的工作。
不只是一个聊天窗口
参与计划的研究人员可以使用GPT-5.6系列模型，以及ChatGPT、ChatGPT Work和Codex中的相关功能。计划还将提供更高的使用额度、更大的上下文窗口和扩展版深度研究功能，以支持长时间、多步骤的科研任务。
不同模型将承担不同类型的工作。GPT-5.6 Terra强调能力与效率之间的平衡，适合日常研究；GPT-5.6 Luna追求更快的响应速度，适合较轻量的任务；GPT-5.6 Sol则面向难度最高的科学和数学问题。
按照OpenAI公布的内部评测结果，GPT-5.6 Sol在研究级数学推理测试FrontierMath Tier 4上的成绩达到83%，高于GPT-5.5的72.5%。在考察复杂生物数据分析与科学推理能力的GeneBench Pro中，GPT-5.6 Sol Pro完成了31.5%的任务。需要注意的是，这些数字来自OpenAI自身披露，仍需要结合独立测试理解其实际能力。
除了通用模型，研究人员还可以使用超过75项生命科学技能，范围覆盖遗传学、基因组学、测序、单细胞分析、蛋白质建模和药物发现。连接器则可以将ChatGPT与科学文献、公共基因组及临床数据库、卫星图像、计算笔记本、数据平台和参考文献管理软件连接起来。
科研入口背后的长期布局
表面上看，OpenAI是在向大学研究人员赠送模型使用权；更深一层看，它正在争取进入科研工作的核心流程。
当研究人员开始在ChatGPT中讨论假设、分析数据、编写代码、整理文献和准备论文时，AI就不再只是外围工具，而会逐渐成为研究环境的一部分。研究人员的使用反馈，也能帮助OpenAI了解模型在哪些领域真正有效、在哪些任务中仍会犯错，以及科学工作者需要怎样的产品和交互方式。
这形成了一种双向关系：研究人员得到昂贵前沿模型的免费使用权，OpenAI则获得来自真实科研场景的高质量反馈。与普通聊天不同，科研任务往往具有明确的验证标准和专业门槛，更容易暴露模型在复杂推理、工具调用和长期任务中的真实缺陷。
OpenAI强调，它并不准备替科学界决定哪些问题最值得研究，而是希望把工具交给不同领域的专家。不过，随着模型深入科研流程，一个新的问题也会越来越重要：研究人员需要如何验证模型提出的假设、代码和证明，如何记录AI在成果中的贡献，又如何避免便利性逐渐取代独立判断。
ChatGPT for Academic Researchers的真正意义，不只是让10万名科学家免费使用一款产品，而是让前沿模型大规模进入知识生产的第一线。下一阶段的竞争，也许不再是谁拥有最强的聊天机器人，而是谁能成为科学家每天打开的研究入口。