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…

ProGen3:Profluent

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

稀疏 MoE 自回归蛋白语言模型,主打规模律与用实验数据做对齐。

蛋白 · AI 原生 biotech · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 ProGen3;别名:progen3-3b;有歧义、不自动链接:ProGen
家族 否:本记录只覆盖本模型,属于 ProGen 系列
机构 Profluent
机构类型 / 国家 AI 原生 biotech / 美国
模型类别 蛋白语言模型(自回归生成)
领域 蛋白(次领域:分子生成)
首次发布 (依据:预印本 v1) 权重于 2025-03-20 上传模型托管站,按本轮口径仓库/托管站创建日不作首发
其他里程碑 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1);权重发布 †(未核实)(模型托管站权重上传(112M–3B))
最近更新 ;未检出发布后更新(截至 2026-11-16):代码仓库最后一次提交为 2025-07-21 的构建文件修改,不构成新版本;未检出期刊发表或新一代模型(截至 2026-11-16)。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:部分开放;权重:非商用†(未核实);中小档权重可在模型托管站下载(非商用类条款),最大一档未发布;站上原写「权重未开放」需订正;许可证文本本轮未逐条复核
状态 仅维护:12 个月内只有构建文件级改动,无新版本
报过的 benchmark 1 项计入(榜 1)
湿实验验证 1 条记录
全站实体页 无(全站实体库未检出对应模型页面,只有开发方机构页)
截至 2026-11-16

做什么

自回归生成蛋白序列,改用稀疏 MoE 架构并系统研究参数与数据的规模律,再用有限实验数据做对齐,目标是生成可表达、有功能的蛋白。与同机构的 Profluent-E1 分工不同:后者偏编码与打分,本模型偏生成;与 ESM3 等生成式 pLM 属同一类路线。

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
02 ProteinGym 官方参赛 / 官方榜单 是 — 榜单 零样本替换 DMS 官方汇总表收录多个尺寸档;最大一档未收录 出处

其他评测(不在 44 项内)

  • 规模律自测(自建任务集,自报):在自建数据上比较不同参数档的生成多样性与可表达性,属开发方自设任务
  • 实验数据对齐评测(湿实验验证,自报):用实测适应度检验对齐效果,数据与规模未公开,外部无法复核

开发方称:模型越大,可生成的可表达、有功能蛋白越多样,并可用少量实验数据对齐。

独立证据:官方零样本榜收录了它的多个尺寸档,属组织方维护的第三方口径。

训练数据

类别 值 说明 出处
a 公开库 是 自建的蛋白图谱 v1:34 亿条全长蛋白、1.1 万亿氨基酸 token,来自基因组与宏基因组并经自家清洗 出处
b 私有 / 授权 未披露 — 出处
c 自产 wet lab 训练数据 是 对齐阶段用了「有限的实验室数据」(活性、表达、稳定性、结合),规模与来源未披露 出处
d 仅用于验证的 wet lab 是 另做了合成表达与抗体候选的结合与可开发性测试,数量未披露 出处

湿实验验证

每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。

实验 靶点数 受测设计 命中 成功率 最佳亲和力 分母口径 版本 来源类型 日期 核实 执行方 说明 出处
生成序列的表达与抗体候选测试 — — — — — 展示页未给设计数与分母 showcase page 自报 †(未核实) 未核实† 执行方未披露 开发方另称对齐后预测与实测适应度的相关度上升,属自报且无逐条数据,不作为独立证据 出处

背景

  • 机构:开发方是 2022 年成立于美国加州的 AI 原生蛋白与基因编辑公司,2024 年报道约 20 人,当前人数无公开口径。
  • 融资:2024-03 融资 3,500 万美元(一家风投领投);2025-11-19 融资 1.06 亿美元(两家机构联合领投),累计约 1.5 亿美元;估值未官方披露。
  • 产品与合作:产品线含本模型、Profluent-E1 与一款开放基因编辑蛋白;2026-04-28 与一家大型药企签订重组酶多项目合作,里程碑付款上限为公开口径,预付款未披露。
  • 相关模型:Profluent-E1、ESM3

怎么看

  1. 它的主力是生成,而被收录的官方榜测的是零样本打分,两者不是一回事。
  2. 相邻两档参数在该榜上的差距很小,论文的规模结论无法在这个榜上验证。
  3. 对齐用的实验数据规模未披露,提升幅度无法独立复现。
  4. 训练集为私有整理的大规模集合,外界无法核对它与评测集的重叠。

局限与注意

  1. 站上原写「权重未开放」,实际中小档权重可下载、最大一档未发布,须分档陈述。
  2. 湿实验只有展示页描述、无数量,按未核实处理,不给数字。
  3. 最大一档未进入官方榜,关于它的任何位次说法都无出处。

来源

  1. 预印本(预印本)
  2. 开发方展示页(官方页面)
  3. 模型托管站权重页(模型仓库)
  4. 代码仓库(仓库)
  5. 官方零样本汇总表(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
open_status.weights 权重未开放(授权 / 早期 API) 中小档权重在模型托管站公开可下载(非商用类条款),最大一档未发布 — 依据 2026-11-16
latest_update 无后续事件的表述 改为「未检出发布后更新(截至 2026-11-16)」,并说明 2025-07-21 的提交只是构建文件修改 — 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。