/ Модель

Характеристики

Контекст
1 025 токенов
Параметры
1,5 млрд
Размер весов
20 ГБ
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
20 янв 2026

ProtGPT3-10B

Генерация текстаТекст → текст3 профессии

Авторегрессионная модель AI4PD для генерации белковых последовательностей по промпту в задачах вычислительного исследования и проектирования белков.

48скачиваний за 30 дней1лайквеса обновлены18 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ProtGPT3-10B — авторегрессионная языковая модель белковых последовательностей из семейства ProtGPT3, разработанного AI4PD. Она генерирует последовательности аминокислот по заданному префиксу или промпту и предназначена для вычислительного исследования и проектирования белков. Модель использует причинную архитектуру Mixtral с mixture-of-experts и обучена предсказывать следующий элемент в белковых последовательностях. В метаданных указаны 1,5 млрд параметров и контекст до 1025 токенов; веса опубликованы в формате safetensors для библиотеки Transformers.

Модель может помогать создавать кандидаты белковых последовательностей для последующей вычислительной оценки и экспериментальной проверки. Она обучена на общедоступных наборах белковых последовательностей, поэтому может наследовать их смещения. Сгенерированные последовательности могут быть нефункциональными, нестабильными, нерастворимыми или биологически неправдоподобными; модель не гарантирует безопасность, функциональность или возможность синтеза. Её не следует использовать как единственное основание для клинических, экологических, экспериментальных или критически важных решений. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • генерация кандидатов белковых последовательностей
  • продолжение заданной аминокислотной последовательности
  • подготовка последовательностей для вычислительной оценки белков

Ограничения

Сгенерированные последовательности могут быть нефункциональными, нестабильными, нерастворимыми или биологически неправдоподобными и требуют вычислительной и экспериментальной проверки. Модель может воспроизводить смещения обучающих данных; её не следует использовать как единственное основание для клинических, экологических или критически важных решений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for ProtGPT3-1OB

Model Description

ProtGPT3-10B is a single-sequence autoregressive protein language model for protein sequence generation. It is the largest model in the ProtGPT3 family, an open-source suite of promptable and aligned protein language models ranging from 112M to 10B parameters. ProtGPT3 models use a causal Mixtral-style Mixture-of-Experts architecture and are trained for causal language modeling on protein sequences.

For more info and guidance on how to generate sequences with ProtGPT3-10B check out the extensive description provided in ProtGPT3-1.3B, just replacing the model name (i.e., model_name=AI4PD/ProtGPT3-10B).

Also consider using the ProtGPT3-10B-dpo version for an equivalent model size, but with improved sequence generation.

Out-of-Scope Use

The model should not be used as the sole basis for experimental, clinical, environmental, or safety-critical decisions. Generated proteins require downstream computational and experimental validation. The model is not guaranteed to generate functional, soluble, safe, or synthesizable proteins.

Bias, Risks, and Limitations

ProtGPT3-1OB learns from public protein sequence datasets and may reproduce biases present in those datasets. Generated sequences may be low-complexity, nonfunctional, unstable, insoluble, or biologically implausible. Protein generation models may also present dual-use risks if used irresponsibly.

Citation

BibTeX:

@article{garibbo2026protgpt3,
  title={ProtGPT3: an Open-source family of Promptable and Aligned Protein Language Models},
  author={Garibbo, Michele and Boxo Corominas, Gerard and Stocco, Filippo and Illanes Vicioso, Ramiro and Middendorf, Lasse and Ferruz, Noelia},
  journal={bioRxiv},
  pages={2026--06},
  year={2026},
  publisher={Cold Spring Harbor Laboratory}
}

More Information

For guidance on how to generate sequences with ProtGPT3-10B check out the extensive description provided in ProtGPT3-1.3B. All models and code are released through the Hugging Face ecosystem and accompanying code repository.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
dba7945

0 моделей