我们与 @InSilicoMed 联手创建轻量级科学基础模型，用于制药研究。我们正在共同构建一系列具有多种药物发现子领域的先进性能的液体基础模型。💊 我们的目标是将药物发现的前沿推向超越单一用途、专业化模型，朝向有用的基础通用模型，这些模型能够在本地私有实例中完全处理专有分子、测定和靶点数据。 首个模型是 LFM2-2.6B-MMAI，这是一个小型模型，在完全私有基础设施上实现云规模性能： > 分子优化：在 MuMO-Instruct 多参数优化中成功率高达 98.8%。 > 亲和力预测：在 Insilico 的 2.5M / 689 目标基准测试中超越了 GPT-5.1、Claude Opus 4.5 和 Grok-4.1。 > 化学推理：强大的功能团推理（FGBench）和稳健的一步逆合成（ChemCensor）。 通过将 Liquid AI 的高效 LFM 技术与 Insilico 的 MMAI Gym 结合，这是一种拥有超过 1,000 个制药基准的综合培训平台，我们观察到本地部署可以在药物发现任务的全范围内提供具有竞争力的结果，所有这些都在一个系统中。 这些能力为制药公司解锁了立即可用的应用，特别是在高频 ADMET 筛选、面向药物化学的先导优化和逆合成可行性评估中，避免了实验努力的浪费。

阅读合作伙伴公告： 阅读技术报告： 今天获取模型： 查看 @InSilicoMeds 的首席执行官和联合创始人 @biogerontology 以及 @liquidai 的首席执行官和联合创始人 @ramin_m_h 在药物发现方面的内容。