模型与 Benchmark板块首页
总览
AI for Bio benchmark 总览模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…模型索引:112 个模型按领域分组44 个 benchmark 的规模、更新与 wet la…
Benchmark 档案:核心 30 项
01 CASP02 ProteinGym03 MoleculeNet04 TDC05 PoseBusters06 CASF-201607 USPTO family08 Basenji/Enformer test set09 scIB10 GuacaMol11 ClinVar hold-out protocol12 DUD-E / LIT-PCBA13 CAGI14 PubMedQA15 CAMEO16 GUE + Nucleotide Transform…17 CAFA18 LAB-Bench / LABBench219 PMO20 CACHE21 DREAM5 / BEELINE / CausalB…22 CAPRI23 BioASQ24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles26 FLIP / FLIP227 Polaris / ASAP / OpenADMET28 Adaptyv competitions / Ben…29 BixBench30 PLINDER / PINDER / Runs N'…
Benchmark 档案:补充 14 项
31 FoldBench32 CrossDocked202033 PoseX34 AbBiBench35 FLAb / FLAb236 AIntibody37 TraitGym38 BEND39 RNAGym40 MotifBench41 BioML-bench42 BioMysteryBench43 Ginkgo GDPa144 FS-Mol
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

MiniMol:Valence Labs (Recursion Pharmaceuticals)

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

千万参数级分子基础模型,用数千个监督任务密集预训练后做性质预测。

小分子 · AI 原生 biotech · 美国 · 全站实体页 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 MiniMol;别名:minimol
家族 否(单一模型;同门前作 MolE 另有记录)
机构 Valence Labs (Recursion Pharmaceuticals)(全站页:recursion-pharmaceuticals)
机构类型 / 国家 AI 原生 biotech / 美国
模型类别 性质预测(分子基础模型,图模型)
领域 小分子
首次发布 (依据:arXiv 2404.14986 v1 提交日(另被一个机器学习会议的 workshop 收录))
其他里程碑 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1(此后无新版本));代码发布 (包登记平台 1.3.5(1.3.4 为 2024-08-05))
最近更新 ,代码发布:公开包版本 1.3.4(2024-08-05)与 1.3.5(2024-08-22);对应仓库存在但无 release 或 tag,最后提交 2025-05-29 为存储路径维护。此为最近一次有出处的事件(订正站上「发布后无更新」的记法:该包版本晚于首发)。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:开放;权重:不明†(未核实);作者称开源,公开包可安装;本轮未在预期组织路径下找到官方仓库与权重(旧路径失效),许可与权重状态未核实
状态 仅维护:仅维护性提交,最后一次为 2025-05-29
报过的 benchmark 1 项计入(榜 1)
湿实验验证 无
全站实体页 全站实体页
截至 2026-11-16

做什么

走「小模型加大量监督任务」的路线:约千万参数,在数百万分子、数亿标签、约三千个稀疏定义的图级与节点级任务(含量子化学与生物任务)上预训练,再用于下游性质预测。与同门 MolE 相比分子集更小但标签更密;与 Uni-Mol2 相比规模小两个数量级以上,强调参数效率。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(榜 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
04 TDC (ADMET + DTI) 官方参赛 / 官方榜单 是 — 榜单 ADMET 分组(22 个数据集):摘要称在其中 17 个任务上显著优于此前最佳的基础模型,但未点名对照模型;另在官方分任务榜上有条目,位次落后于若干指纹与梯度提升方法 出处

其他评测(不在 44 项内)

  • 参数效率对比(仅与基线对比,自报):以参数量远小于同类基础模型为卖点与对照,属自报定位而非独立评测

开发方称:密集的多任务监督预训练让千万参数级模型在多数 ADMET 任务上显著优于此前最佳的分子基础模型。

独立证据:公开 ADMET 分任务榜收录其条目,可与其他提交并列查看,但榜方未做独立复跑。

训练数据

类别 值 说明 出处
a 公开库 是 约 600 万分子、约 5 亿标签、约 3,300 个图级与节点级任务;摘要未列具体库名 出处
b 私有 / 授权 未披露 — —
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 — —

湿实验验证

无。开发方未报告湿实验验证,或本站未收录可核的记录。

背景

  • 机构:开发方是一家上市 AI 制药公司的 AI 研究部门,2023 年在一个机器学习会议上宣布成立,由母公司的机器学习团队与其收购的一家分子设计公司合并而成;母公司 2013-11-05 成立,总部在美国犹他州盐湖城。
  • 融资:未披露
  • 产品与合作:该研究部门与一所美国大学的团队共同开发了共折叠与亲和力模型 Boltz-2;同门前作为 MolE。
  • 相关模型:MolE、Boltz-2、Uni-Mol2、KERMT

怎么看

  1. 「17 个任务更好」是对「此前最佳基础模型」的对比,不等于超过所有方法:官方分任务榜上多个指纹与梯度提升模型领先。
  2. 来自 workshop 论文,未见正式期刊版,预印本只有 v1。
  3. 该 benchmark 的数据集小、方差大,名次间距接近噪声。
  4. 官方仓库与权重本轮未定位到,开源程度按未核实处理。

局限与注意

  1. 开源与权重状态未核实(预期仓库路径失效)。
  2. 摘要未点名被比较的基础模型。
  3. 仅 workshop 论文,无期刊版本。
  4. 站上「发布后无更新」的记法已订正为公开包版本。

来源

  1. 预印本 arXiv 2404.14986(预印本)
  2. 会议 workshop 条目(官方网站)
  3. 包登记页(包仓库)
  4. 代码仓库(无 release/tag)(仓库)
  5. 公开 ADMET 分任务榜(示例任务)(榜单)

更正记录

以下为本轮核对中改过的字段,原值按记录照录。

字段 原 现 原因 出处 发现日期
latest_update 2024-04-23,发布后无更新 2024-08-22,公开包 1.3.5(推翻「无后续」) — 依据 2026-11-16
latest_update.event_kind none-since-release code-release — 依据 2026-11-16

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。