Nos estamos asociando con @InSilicoMed para crear modelos científicos básicos y ligeros para la investigación farmacéutica. Juntos, estamos construyendo una serie de modelos de fundación líquida con un rendimiento de última generación en múltiples subdominios de descubrimiento de fármacos. 💊 Nuestro objetivo es ampliar la frontera del descubrimiento de fármacos más allá de modelos especializados y de propósito único y avanzar hacia modelos generalistas fundamentales que sean útiles y capaces de ingerir moléculas propietarias, ensayos y datos objetivo completamente dentro de instancias privadas locales. El primer modelo en la línea es LFM2-2.6B-MMAI, un modelo pequeño que logra un rendimiento a escala de nube operando completamente sobre infraestructura privada: > Optimización molecular: Hasta un 98,8% de éxito en la optimización multiparámetro de 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: razonamiento fuerte de grupos funcionales (FGBench) y retrosíntesis sólida de un 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 referencias farmacéuticas, observamos que el despliegue local 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 compañías farmacéuticas, especialmente en cribado ADMET de alta frecuencia, optimización de plomo frente a química medicinal y evaluación de viabilidad por retrosíntesis que evita esfuerzos experimentales desperdiciados.

Lee el anuncio de la sociedad: Lee el informe técnico: Consigue el modelo hoy: Consulta @InSilicoMeds CEO y cofundador @biogerontology y @liquidai CEO y cofundador @ramin_m_h sobre descubrimiento de fármacos.