Estamos nos unindo a @InSilicoMed para criar modelos científicos fundamentados leves para pesquisa farmacêutica. Juntos, estamos construindo uma série de modelos de fundação líquida com desempenho de ponta em múltiplos subdomínios de descoberta de medicamentos. 💊 Nosso objetivo é expandir a fronteira da descoberta de fármacos além de modelos especializados e de propósito único e avançar para modelos generalistas fundamentais que sejam úteis e capazes de ingerir moléculas proprietárias, ensaios e dados alvo inteiramente dentro de instâncias privadas locais. O primeiro modelo da linha é o LFM2-2.6B-MMAI, um modelo pequeno que alcança desempenho em escala de nuvem operando inteiramente em infraestrutura privada: > Otimização molecular: Sucesso de até 98,8% na otimização multiparâmetro MuMO-Instruct. > Previsão de Afinidade: Superou GPT-5.1, Claude Opus 4.5 e Grok-4.1 no benchmark da Insilico de 2,5M / 689-alvo. > Raciocínio químico: Raciocínio forte de grupos funcionais (FGBench) e retrossíntese sólida de um passo (ChemCensor). Ao combinar a eficiente tecnologia LFM da Liquid AI com a Mmai Gym da Insilico, uma plataforma abrangente de treinamento com mais de 1.000 benchmarks farmacêuticos, observamos que a implantação on-premise pode entregar resultados competitivos em todo o espectro de tarefas de descoberta de medicamentos, tudo em um único sistema. Essas capacidades desbloqueiam aplicações imediatamente úteis para empresas farmacêuticas, especialmente em triagem ADMET de alta frequência, otimização de leads enfrentados por química medicinal e avaliação de viabilidade por retrossíntese, prevenindo esforço experimental desperdiçado.

Leia o anúncio da parceria: Leia o relatório técnico: Adquira o modelo hoje: Veja @InSilicoMeds CEO e Cofundador @biogerontology e @liquidai CEO e Cofundador @ramin_m_h sobre descoberta de medicamentos.