Nos estamos asociando con @InSilicoMed para crear modelos de fundación científica ligeros para la investigación farmacéutica. Juntos, estamos construyendo una serie de modelos de fundación líquida con un rendimiento de vanguardia en múltiples subdominios del descubrimiento de fármacos. 💊 Nuestro objetivo es llevar la frontera del descubrimiento de fármacos más allá de modelos especializados de un solo propósito y hacia modelos generalistas fundamentales que sean útiles y capaces de ingerir moléculas, ensayos y datos de objetivos propietarios completamente dentro de instancias privadas locales. El primer modelo en la fila es LFM2-2.6B-MMAI, un modelo pequeño que logra un rendimiento a escala en la nube mientras opera completamente en infraestructura privada: > Optimización molecular: Hasta un 98.8% de éxito en la optimización multi-parámetro MuMO-Instruct. > Predicción de afinidad: Superó a GPT-5.1, Claude Opus 4.5 y Grok-4.1 en el benchmark de 2.5M / 689 objetivos de Insilico. > Razonamiento químico: Fuerte razonamiento de grupos funcionales (FGBench) y sólida retrosíntesis de 1 paso (ChemCensor). Al combinar la eficiente tecnología LFM de Liquid AI con el MMAI Gym de Insilico, una plataforma de entrenamiento integral con más de 1,000 benchmarks farmacéuticos, observamos que el despliegue en las instalaciones puede ofrecer resultados competitivos en todo el espectro de tareas de descubrimiento de fármacos, todo en un solo sistema. Estas capacidades desbloquean aplicaciones inmediatamente útiles para las empresas farmacéuticas, particularmente en el cribado ADMET de alta frecuencia, optimización de plomo en química medicinal y evaluación de viabilidad de retrosíntesis que previene el esfuerzo experimental desperdiciado.

Lee el anuncio de la asociación: Lee el informe técnico: Consigue el modelo hoy: Ve al CEO y cofundador de @InSilicoMeds @biogerontology y al CEO y cofundador de @liquidai @ramin_m_h en el descubrimiento de fármacos.