/ Модель

Характеристики

Контекст
1 025 токенов
Параметры
21 млн
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
22 дек 2025

ProtGPT3-112M

Генерация текстаТекст → текст3 профессии

Компактная авторегрессионная модель AI4PD для генерации белковых последовательностей и их продолжения по затравке.

784скачиваний 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

ProtGPT3-112M — авторегрессионная языковая модель для генерации белковых последовательностей, разработанная командой AI4PD. Это самая компактная модель семейства ProtGPT3. Она принимает одну белковую последовательность или затравку и продолжает её, предсказывая последовательность токен за токеном. Архитектура — причинная Mixtral-подобная смесь экспертов; модель содержит 21 млн параметров и рассчитана на контекст до 1025 токенов.

Модель подходит для генерации и исследования вариантов белковых последовательностей. Она обучена на общедоступных данных о белках и может наследовать их смещения. Результаты могут быть нефункциональными, нестабильными, нерастворимыми или биологически неправдоподобными; функциональность, безопасность и возможность синтеза не гарантируются. Сгенерированные последовательности требуют вычислительной и экспериментальной проверки, а модель не должна быть единственным основанием для клинических, экологических или критически важных решений. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация белковых последовательностей по затравке
  • продолжение заданной аминокислотной последовательности
  • создание вариантов белковых последовательностей для вычислительного анализа

Ограничения

Сгенерированные последовательности могут быть нефункциональными, нестабильными, нерастворимыми или биологически неправдоподобными и требуют вычислительной и экспериментальной проверки. Модель не предназначена для самостоятельного принятия клинических, экологических или иных 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 ProtGPT3-112M

Model Description

ProtGPT3-112M is a single-sequence autoregressive protein language model for protein sequence generation. It is the smallest 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 ProtGPT3-112M check out the extensive description provided in ProtGPT3-1.3B, just replacing the model name (i.e., model_name=AI4PD/ProtGPT3-112M).

Also consider using the ProtGPT3-112M-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

ProtGPT3-112M 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 ProtGPT3-112M 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
49689e7

0 моделей