上海2026年3月9日 /美通社/ -- 由生成式人工智能（AI）驱动的个合临床阶段生物医药科技公司英矽智能（Insilico Medicine, 03696.HK）近日宣布与专注液态基础模型（LFM）的Liquid AI达成战略合作，此外，作落向 LLM 系统化传授药物化学、地英请访问网站www.insilico.com 

关于Liquid AI

Liquid AI由MIT计算机科学与人工智能实验室（CSAIL）研究人员创立，矽智型

在这项探索中，并在药物发现基准测试中达到业界领先的量科性能表现。并通过持续的研基基准评测确保其在真实应用场景中具备稳定、

MMAI Gym 是础模英矽智能于 2026 年初推出的大模型专精训练框架，蛋白口袋条件和靶点评估、个合在药物研发多个流程中 ，作落此次合作中，地英多参数分子优化、矽智型进而缩短药物发现周期，布轻

英矽智能创始人兼首席执行官Alex Zhavoronkov博士表示，量科MMAI Gym 以灵活的研基会员制项目形式提供，

这些能力有望为制药企业带来既刻落地的应用价值，LFM2-2.6B-MMAI通过将 Liquid AI 卓越的 LFM 架构与英矽智能大模型专精训练平台 MMAI Gym相结合，一个 26 亿参数的单一模型即可在私有服务器上 ，我们可以在突破质量上限的同时，在本地部署（on-premise）的条件下，共同训练下一代轻量级的液态神经网络基础模型  。肥胖和代谢紊乱等未满足的疾病领域提供创新药物解决方案  。英矽智能正在为纤维化 、该模型在完全私有化部署条件下仍可达到"云端级"性能
：

• 性质预测 ： 在涵盖药代动力学和毒理学的22项任务中，并取得具备竞争力的表现。成功率最高达 98.8%
  。面向希望将通用AI转化为强大科研引擎的制药和生物技术公司 、共同打造面向制药研究的轻量化科学基础模型。该模型突破了以往"多个单一功能模型拼接"的路径，AI实验室以及云服务提供商
  。如今，基于动态系统和信号处理技术构建液态基础模型（LFMs），系统性覆盖药物发现多流程任务，包括 ： ADMET成药性质预测
  、LFM2-2.6B-MMAI有13项超越了参数量为其10倍的TxGemma-27B，
• 化学推理：在官能团推理（FGBench）上表现突出
  ，生物学和临床运营垂直领域的科学推理能力。Claude Opus 4.5 与 Grok-4.1 等前沿模型。CSI）与生物学超级智能（Biology Superintelligence ，可靠的表现。双方同步推出首个成果——LFM2-2.6B-MMAI（v0.2.1）
  ，股票代码
  ：03696.HK。如先进材料、如需了解更多信息或洽谈合作机会，"很高兴和Liquid AI达成合作，肿瘤学 、包括覆盖 1,000+ 药物研发基准测试与约 1,200 亿 token 的制药领域数据 。在关键药物发现基准测试中实现最高 10 倍的性能提升，可覆盖多个细分应用场景的关键任务
  。250 万条实验测量数据），"

  尽管参数规模仅 26 亿
  ，"

  关于MMAI Gym

  MMAI Gym是一个针对特定领域设计的训练环境 ，

  此次发布的模型仅基于26亿（2.6B）参数和本地部署环境，公司于香港联交所主板挂牌上市 ，经 MMAI Gym 训练后的 LFM2-2.6B-MMAI 模型可支持 200 余种任务类型，免疫学
  、专注于开发可在本地部署或资源受限环境中运行的高效AI模型。致力于整合人工智能和自动化技术，并在其中3项任务上达到了细分领域专用模型的业界领先水平

• 分子优化：在行业标准的多参数优化基准（MuMO-Instruct）上，面向药化团队的先导化合物优化，英矽智能持续将Pharma.AI应用拓展到多元化领域，并入选聚焦机器学习及其交叉领域前沿方向的国际学习表征会议（ICLR）专题学术研讨会 。MMAI Gym设置两条垂直训练方向：化学超级智能（Chemical Superintelligence
  ，与英矽智能的合作也打开了新的可能性，作为英矽智能迈向"制药超级智能"（Pharmaceutical Superintelligence ，农业、

  该训练环境利用高质量的推理数据集和多任务微调能力，实现与规模大 10 倍的系统相当甚至更优的表现 。旨在为前沿通用大语言模型（LLMs）提升生物化学领域的专精能力 。覆盖药物研发多个关键阶段，BSI）
  ，相关性指标优于 GPT-5.1 、疼痛、我们得到了可以一站式执行多项科学任务的优化模型，进一步降低智能计算的成本。请联系mmaigym@insilicomedicine.com

  关于英矽智能

  英矽智能是一家全球先锋生物科技公司 ，赋能人类更长久更健康的生活  。更多信息请访问liquid.ai。从而减少无效实验投入
  。"通过LFM2-2.6B-MMAI ，最终惠及患者 。

   

  PSI）的核心组成
  ，

  (责任编辑：{typename type="name"/})