Ci stiamo unendo a @InSilicoMed per creare modelli scientifici leggeri per la ricerca farmaceutica. Insieme, stiamo costruendo una serie di modelli di fondazione liquida con prestazioni all'avanguardia in diversi sottodomini della scoperta di farmaci. 💊 Il nostro obiettivo è spingere i confini della scoperta di farmaci oltre modelli specializzati a scopo unico e verso modelli generalisti fondamentali che siano utili e capaci di elaborare molecole proprietarie, saggi e dati target interamente all'interno di istanze private locali. Il primo modello in arrivo è LFM2-2.6B-MMAI, un modello piccolo che raggiunge prestazioni a scala cloud operando interamente su infrastrutture private: > Ottimizzazione molecolare: Fino al 98,8% di successo nell'ottimizzazione multi-parametrica MuMO-Instruct. > Predizione di affinità: Ha superato GPT-5.1, Claude Opus 4.5 e Grok-4.1 nel benchmark di Insilico di 2,5M / 689-target. > Ragionamento chimico: Forte ragionamento sui gruppi funzionali (FGBench) e solida retrosintesi a 1 passo (ChemCensor). Combinando la tecnologia LFM efficiente di Liquid AI con l'MMAI Gym di Insilico, una piattaforma di formazione completa con oltre 1.000 benchmark farmaceutici, osserviamo che il deployment on-premise può fornire risultati competitivi in tutto lo spettro delle attività di scoperta di farmaci, il tutto in un unico sistema. Queste capacità sbloccano applicazioni immediatamente utili per le aziende farmaceutiche, in particolare nello screening ADMET ad alta frequenza, nell'ottimizzazione dei lead in chimica medicinale e nella valutazione della fattibilità della retrosintesi che previene sforzi sperimentali sprecati.