Kami bekerja sama dengan @InSilicoMed untuk membuat model landasan ilmiah yang ringan untuk penelitian farmasi. Bersama-sama, kami membangun serangkaian model alas bedak cair dengan kinerja canggih di berbagai subdomain penemuan obat. 💊 Tujuan kami adalah untuk mendorong batas penemuan obat melampaui model khusus tujuan tunggal dan menuju model generalis dasar yang berguna dan mampu menyerap molekul proprietari, pengujian, dan data target sepenuhnya dalam instans pribadi lokal. Model pertama yang sejalan adalah LFM2-2.6B-MMAI, model kecil yang mencapai kinerja skala cloud sambil beroperasi sepenuhnya pada infrastruktur pribadi: > Optimasi molekuler: Keberhasilan hingga 98,8% pada pengoptimalan multi-parameter MuMO-Instruksi. > Prediksi Affinity: Mengungguli GPT-5.1, Claude Opus 4.5, dan Grok-4.1 pada benchmark target 2,5M / 689 Insilico. > Penalaran kimia: Penalaran kelompok fungsional yang kuat (FGBench) dan retrosintesis 1 langkah padat (ChemCensor). Dengan menggabungkan teknologi LFM Liquid AI yang efisien dengan MMAI Gym Insilico, platform pelatihan komprehensif dengan lebih dari 1.000 tolok ukur farmasi, kami mengamati bahwa penerapan di tempat dapat memberikan hasil yang kompetitif di seluruh spektrum tugas penemuan obat, semuanya dalam satu sistem. Kemampuan ini membuka aplikasi yang segera berguna bagi perusahaan farmasi, terutama dalam skrining ADMET frekuensi tinggi, pengoptimalan timbal yang menghadap kimia obat, dan penilaian kelayakan retrosintesis yang mencegah upaya eksperimental yang sia-sia.

Baca pengumuman kemitraan: Baca laporan teknis: Dapatkan modelnya hari ini: Lihat @InSilicoMeds CEO dan Cofounder @biogerontology dan @liquidai CEO dan Cofounder @ramin_m_h tentang penemuan obat.