Мы объединяем усилия с @InSilicoMed для создания легковесных научных базовых моделей для фармацевтических исследований. Вместе мы создаем серию жидких базовых моделей с передовыми показателями в нескольких поддоменах открытия лекарств. 💊 Наша цель — продвинуть границы открытия лекарств за пределы специализированных моделей с одной целью и к универсальным базовым моделям, которые полезны и способны обрабатывать собственные молекулы, анализы и данные о мишенях полностью в локальных частных экземплярах. Первая модель в очереди — LFM2-2.6B-MMAI, небольшая модель, которая достигает облачной производительности, работая полностью на частной инфраструктуре: > Оптимизация молекул: до 98,8% успеха в много параметрической оптимизации MuMO-Instruct. > Прогнозирование аффинности: превзошла GPT-5.1, Claude Opus 4.5 и Grok-4.1 на бенчмарке Insilico с 2,5M / 689 целями. > Химическое рассуждение: сильное рассуждение по функциональным группам (FGBench) и надежная одношаговая ретросинтез (ChemCensor). Объединив эффективную технологию LFM от Liquid AI с MMAI Gym от Insilico, комплексной платформой обучения с более чем 1,000 фармацевтическими бенчмарками, мы наблюдаем, что развертывание на месте может обеспечить конкурентоспособные результаты по всему спектру задач открытия лекарств, все в одной системе. Эти возможности открывают немедленно полезные приложения для фармацевтических компаний, особенно в высокочастотном скрининге ADMET, оптимизации лидов в области медицинской химии и оценке осуществимости ретросинтеза, что предотвращает напрасные экспериментальные усилия.

Прочитайте объявление о партнерстве: Прочитайте технический отчет: Получите модель сегодня: Смотрите CEO и соучредителя @InSilicoMeds @biogerontology и CEO и соучредителя @liquidai @ramin_m_h по вопросам открытия лекарств.