我們與 @InSilicoMed 合作，創建輕量級的科學基礎模型，用於藥物研究。一起，我們正在構建一系列在多個藥物發現子領域中具有最先進性能的液體基礎模型。💊 我們的目標是將藥物發現的前沿推向超越單一用途的專門模型，朝向有用且能夠完全在本地私有實例中攝取專有分子、測試和目標數據的基礎通用模型。 排在首位的模型是 LFM2-2.6B-MMAI，這是一個小型模型，能在完全私有的基礎設施上實現雲端規模的性能： > 分子優化：在 MuMO-Instruct 多參數優化中成功率高達 98.8%。 > 親和力預測：在 Insilico 的 2.5M / 689 目標基準上超越了 GPT-5.1、Claude Opus 4.5 和 Grok-4.1。 > 化學推理：強大的功能團推理（FGBench）和穩健的一步逆合成（ChemCensor）。 通過將 Liquid AI 的高效 LFM 技術與 Insilico 的 MMAI Gym 結合，這是一個擁有超過 1,000 個藥物基準的綜合訓練平台，我們觀察到本地部署可以在藥物發現任務的全範圍內提供具有競爭力的結果，所有這些都在一個系統中。 這些能力為製藥公司解鎖了立即有用的應用，特別是在高頻 ADMET 篩選、面向藥物化學的先導優化和防止浪費實驗努力的逆合成可行性評估中。

閱讀合作夥伴公告： 閱讀技術報告： 今天就獲取模型： 查看 @InSilicoMeds 的首席執行官及共同創辦人 @biogerontology 和 @liquidai 的首席執行官及共同創辦人 @ramin_m_h 在藥物發現方面的表現。