IV.6Научные исследования, математика и новые материалы

GALACTICA 30B — языковая модель, разработанная командой Papers with Code в Meta AI для работы с научными текстами и данными. Это авторегрессионный декодерный трансформер семейства OPT с 39,8 млрд параметров и контекстом до 2048 токенов; репозиторий содержит веса PyTorch. Модель обучена на 106 млрд токенов научных публикаций, учебников, справочников и других открытых научных источников. Модель предназначена для генерации научных текстов, ответов на научные вопросы, математических рассуждений, суммаризации, предсказания цитирований, извлечения сущностей и оценки свойств молекул. Она рассчитана прежде всего на исследователей и разработчиков научных инструментов. Карточка сообщает о результатах на ряде научных и языковых задач, но также предупреждает о галлюцинациях, смещении в пользу популярных работ и предвзятости. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

GLACIER-100k-MiniMol — мультимодальная модель для получения представлений молекул и предсказания их свойств. Она объединяет молекулярные графы, строки SMILES и физико-химические дескрипторы; архитектура использует графовый, текстовый и табличный энкодеры, а также модуль объединения представлений с учётом геометрии Финслера. Модель описана как student-teacher foundation model, обученная для молекулярного вывода и исследования химических структур. Основной сценарий применения — извлечение эмбеддингов молекул для последующего предсказания свойств и анализа химических соединений. Репозиторий содержит пользовательскую архитектуру и средства загрузки, поэтому для работы требуется скачать файлы модели. Формат весов — PyTorch. Лицензия — MIT. Размер модели, длина контекста и поддерживаемые естественные языки в предоставленных материалах не указаны.

Intern-S1-mini — открытая мультимодальная модель рассуждений, разработанная командой InternLM. Она предназначена для диалога и анализа текстовых и визуальных данных, с особым упором на научные задачи. Модель построена на плотной языковой модели Qwen3 с 8 млрд параметров и визуальном энкодере InternViT на 0,3 млрд параметров; README сообщает о дополнительном предварительном обучении на 5 трлн мультимодальных токенов, более половины которых относятся к научным данным. Модель может разбирать изображения и видео, рассуждать по тексту, а также работать с молекулярными формулами и последовательностями белков благодаря динамическому токенизатору. Предусмотрены режимы с рассуждением и без него; режим рассуждения включён по умолчанию. Для запуска автор рекомендует Transformers версии 4.55.2 или новее. Указана лицензия Apache-2.0. Высокие требования к вычислительным ресурсам ограничивают локальное применение: для развёртывания мини-версии в таблице указана одна видеокарта A100, H800, H100 или H200.

LLaMat-3 — специализированная языковая модель для материаловедения, разработанная M3RG и DAIR в IIT Delhi. Она создана на основе Meta Llama 3 8B и продолжительно предобучена на данных по материаловедению; число параметров составляет 7,5 млрд, контекст — до 8192 токенов. Модель работает с английским текстом и поддерживает диалоговый режим. LLaMat-3 предназначена как основа для адаптации к научным задачам: извлечения информации, понимания таблиц, разбора исследовательских данных и генерации кристаллических структур. Для предобучения использовались Cerebras CS-2, а для дообучения и инференса — вычислительный кластер IIT Delhi. Модель распространяется по лицензии Llama 3; перед применением следует учитывать её условия.

SMI-TED — химическая языковая модель IBM Research, построенная как трансформерный энкодер-декодер для работы со строками SMILES. Модель предварительно обучена на 91 млн молекул из PubChem; в публикации описаны варианты размером 289 млн и 8×289 млн параметров. Репозиторий содержит веса PyTorch и safetensors, а в Hugging Face модель помечена для извлечения признаков. Модель предназначена для преобразования SMILES в векторные представления и их применения в задачах классификации, регрессии и предсказания квантовых свойств молекул. Декодер также позволяет восстанавливать строки SMILES из представлений. Предобучение включало маскирование токенов и реконструкцию SMILES; в обучающих данных длина соединений ограничивалась 202 токенами. Модель ориентирована на химию и материаловедение, использует строки SMILES и не описана как мультимодальная. Лицензия репозитория — Apache-2.0. В README сообщается о конкурентных результатах на наборах MoleculeNet и результатах уровня state of the art на ряде бенчмарков, однако конкретные гарантии качества для каждой задачи не приводятся.

MIST-1.8B-hxiygjsm-esol — модель для оценки растворимости молекул, разработанная Electrochemical Energy Group Мичиганского университета. Она принимает молекулярные строки SMILES и предсказывает экспериментальную водную растворимость log S; вариант дообучен на наборе ESOL из бенчмарка MoleculeNet, содержащем 1 128 малых молекул. В основе модели — энкодер RoBERTa-PreLayerNorm с 24 слоями, размером скрытого состояния 1536, 24 головами внимания и максимальной длиной последовательности 2048 токенов. К энкодеру добавлена двухслойная MLP с GELU и dropout; скрытые состояния токенов сводятся к вектору по представлению первого токена. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей masked language modeling, затем модель дообучили для регрессии. Модель предназначена для исследовательской оценки растворимости соединений и ранжирования кандидатов по прогнозу log S. README сообщает о случайном разбиении данных 80/10/10 и использовании RMSE, но не приводит численного результата метрики. Для входа используются SMILES, обычно в кекулизованном виде. Лицензия в метаданных и карточке — Apache 2.0; README также указывает на исследовательское использование, отсутствие коммерческого применения без отдельного соглашения и ограничения на перераспространение без разрешения.

Это дообученная модель семейства MIST, разработанная Electrochemical Energy Group Мичиганского университета для предсказания свойств молекул по строкам SMILES. Вариант основан на энкодере MIST-28M-ti624ev1 и дообучен на QM9 из бенчмарка MoleculeNet. Архитектура включает энкодер RoBERTa-PreLayerNorm с 8 слоями, размером скрытого состояния 512 и контекстом до 2048 токенов, а также двухслойную MLP-голову для многозадачной регрессии. Модель принимает SMILES-представление молекулы и выдаёт прогнозы 12 квантово-химических свойств, включая энергетические, электронные и термодинамические характеристики. Предобучение выполнялось на SMILES из Enamine REAL Space с задачей masked language modeling; для дообучения использовался QM9, содержащий небольшие органические молекулы. В метаданных указаны Transformers и формат Safetensors. Лицензия в метаданных — Apache-2.0, однако README указывает ограничения: исследовательское использование, отсутствие разрешения на перераспределение без согласования и запрет коммерческого использования без отдельного лицензионного соглашения. Прогнозы относятся к области малых молекул QM9; точность за пределами близкого химического пространства не гарантируется.

MIST-28M — модель семейства Molecular Insight SMILES Transformers, разработанная группой Electrochemical Energy Group Мичиганского университета. Это энкодер RoBERTa-PreLayerNorm с 8 слоями, размером скрытого состояния 512, 8 головами внимания и максимальной длиной последовательности 2048 токенов, дообученный на наборе tmQM для прогнозирования квантово-химических свойств молекул. На вход подаются молекулярные строки SMILES; модель формирует векторное представление и регрессионные прогнозы восьми свойств. Модель предназначена для анализа органометаллических соединений и предсказания их свойств, вычисленных методами квантовой химии. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей маскированного языкового моделирования, а дообучение — на данных tmQM. Веса опубликованы в формате Safetensors; лицензия в метаданных указана как Apache-2.0. При этом README ограничивает использование исследовательскими целями, запрещает коммерческое применение без отдельного соглашения и указывает на отсутствие гарантий корректности прогнозов.

polyBERT — химическая языковая модель для представления полимеров, описанная авторами Kuenneth и Ramprasad. Она преобразует строки PSMILES в плотные 600-мерные векторы, кодирующие химическую структуру полимеров, чтобы использовать их в задачах машинного анализа и поиска сходства. Модель построена на архитектуре DeBERTa v2, содержит 28,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для химической информатики полимеров: векторы можно применять для сравнения структур и извлечения признаков для последующего анализа. Карточка указывает на использование Sentence-Transformers или Transformers с подходящей операцией pooling. Модель опубликована в форматах PyTorch и Safetensors. В README указано, что условия использования описаны в файле LICENSE, но текст лицензии не предоставлен.

PolyTAO — предварительно обученная генеративная языковая модель для проектирования полимеров. Репозиторий hkqiu содержит версию модели на архитектуре T5 с 123,8 млн параметров; она принимает текстовую последовательность из 15 числовых характеристик полимера и генерирует текстовое представление полимера по заданным свойствам. Характеристики описывают молекулярную массу, число атомов и различные типы колец, доноров и акцепторов водородных связей, а также другие структурные свойства. Модель предназначена для генерации кандидатов полимеров с заданными характеристиками в задачах химического дизайна и исследования материалов. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0. В карточке не приведены сведения о поддерживаемых естественных языках.

SciCore-Mol — исследовательская система на основе языковой модели, разработанная авторами из Пекинского университета, Университета Цинхуа и Нанкинского университета для работы с молекулярными данными и химическими задачами. В карточке Hugging Face представлена плотная модель Qwen3ForCausalLM на 7,6 млрд параметров с контекстом 40 960 токенов; в README описана архитектура с подключаемыми модулями: GVP-энкодером молекулярных структур, диффузионным генератором и Reaction Transformer для реакционных данных. Модули вызываются специальными токенами и объединяются со скрытыми состояниями LLM. Модель предназначена для генерации ответов в диалоговом формате и специализированных сценариев химии: предсказания продуктов реакций и выхода, ретросинтетического анализа, описания молекул, решения молекулярных задач и оценки ADMET при оптимизации лекарств. В README также перечислены проверки на химических подмножествах MMLU и наборах ChemBench4K, ORD и SMolInstruct. Метаданные указывают английский и китайский языки, формат весов Safetensors и лицензию Apache-2.0. Полная подготовка системы требует CUDA 12.1 и рекомендуется на восьми GPU A800/A100 с 80 ГБ памяти; это требование относится к обучению, а не обязательно к запуску готового чекпойнта.

ATOMIC-LLaVA — специализированная модель «зрение—язык» для анализа изображений просвечивающей электронной микроскопии (TEM). Разработана авторами исследования ATOMIC и дообучена в два этапа на базе LLaVA-v1.5-7B с Vicuna-v1.5-7B. В метаданных указано 6,6 млрд параметров, архитектура LLaVA на базе LLaMA и контекст 4096 токенов. Модель предназначена для ответов на вопросы об изображениях TEM и работы с научными микрофотографиями в материаловедении. Для обучения использованы TEM-фрагменты из журналов Nature Portfolio; README также сообщает о парах для выравнивания и диалогах для настройки инструкций. Модель принимает изображение и текст, выдаёт текст; в карточке заявлен английский язык. Для запуска требуется репозиторий LLaVA: напрямую загрузить модель через Transformers нельзя. Лицензия — Llama 2.

CheMatE-v0 — модель для построения эмбеддингов химических текстов и молекул, представленных в формате SMILES. Она разработана SchwallerGroup и дообучена на базе SchwallerGroup/CheMatE-v0-MLM. Модель использует архитектуру ModernBERT, содержит 149 млн параметров и обрабатывает последовательности длиной до 8192 токенов. Модель предназначена для получения векторных представлений описаний на естественном языке и молекулярных строк, например для поиска химически похожих записей и сопоставления текста с молекулами. Она распространяется в формате safetensors и используется через Sentence Transformers. Лицензия — MIT.

MIST — Molecular Insight SMILES Transformers — это молекулярный энкодер, разработанный Electrochemical Energy Group Мичиганского университета. Модель на 1,8 млрд параметров предварительно обучена на примерно 116 млрд токенов SMILES из набора Enamine REAL Space с помощью masked language modeling; архитектура в метаданных — RoBERTa PreLayerNorm для заполнения маски. Метаданные указывают 2,4 млрд параметров и контекст 2048 токенов. Модель предназначена для представления молекул по строкам SMILES и последующего дообучения для прогноза молекулярных свойств. Её можно использовать для получения эмбеддингов и оценки структурного сходства молекул, а также как основу для supervised-предсказаний свойств. Карточка демонстрирует токенизацию кекулизованных SMILES; задачей Hugging Face указано заполнение маски. Модель принимает текстовые SMILES и выдаёт текстовые предсказания маски или векторные представления. Веса распространяются по лицензии Apache-2.0, однако README отдельно запрещает перераспределение без разрешения и коммерческое использование без лицензионного соглашения и указывает на исследовательское применение без гарантий корректности. Перед использованием следует учитывать эти условия и проверять точность прогнозов на целевой задаче.

maayans/modernbert-embed-large__ratio-address — англоязычная модель эмбеддингов на базе ModernBERT-large, дообученная для операции ADDRESS в наборе RATIO. Она кодирует запросы и предложения-кандидаты, чтобы находить научный подход или идею, отвечающие на проблему из запроса. Модель предназначена для семантического поиска по научной литературе и тематического retrieval; для запросов и документов следует использовать префиксы `search_query: ` и `search_document: ` соответственно. Модель основана на плотной архитектуре ModernBERT, содержит 394,7 млн параметров и поддерживает контекст до 8192 токенов. Она обучена контрастивным методом на обучающей части RATIO address. Репозиторий использует библиотеку sentence-transformers и формат safetensors; лицензия — Apache-2.0. Карточка указывает на один из девяти чекпойнтов RATIO, различающихся энкодерами и операциями идеации.

MoLFormer-XL-both-10% — химическая языковая модель от исследовательской группы IBM, представленная в статье Ross et al. Она обучена на SMILES-последовательностях малых молекул из ZINC и PubChem: эта версия использовала по 10% каждого набора. Модель содержит 51,4 млн параметров и построена на Transformer с линейным механизмом внимания и rotary embeddings; предобучение использует masked language modeling, а длина последовательности ограничена 202 токенами. Модель предназначена прежде всего для извлечения векторных представлений молекул и последующей тонкой настройки для задач предсказания свойств. Эмбеддинги можно применять для оценки сходства молекул, визуализации и обучения предикторов; поддерживаются также masked language modeling и классификация последовательностей, например для оценки растворимости или токсичности. В README приведены результаты тонкой настройки на 11 задачах MoleculeNet. Модель не предназначена для генерации молекул и не тестировалась на молекулах длиннее примерно 200 атомов. Неканонические или некорректные SMILES могут ухудшить качество; при обучении удалялась изомерная информация. Лицензия — Apache-2.0.

MolParser-Mobile — компактная модель UniParser для распознавания химических структур на изображениях (OCSR). Она преобразует изображения молекул в строки E-SMILES и предназначена для быстрого извлечения структур из химической литературы и обработки больших коллекций изображений. Архитектура — vision encoder-decoder на базе Transformers; в README указано 9,98 млн параметров. Модель принимает изображения и выдаёт текстовую запись структуры молекулы. Авторы заявляют, что модель в 38 раз быстрее MolParser 1.0 и достигает пропускной способности 1 520 молекул в секунду на одной NVIDIA RTX 4090D, сохраняя высокую точность на тестах распознавания химических структур. Эти результаты приведены авторами и зависят от условий оценки и оборудования. Веса распространяются по лицензии CC BY-NC-SA 4.0 и разрешены только для некоммерческого использования; для коммерческого применения требуется отдельная лицензия.

Chemma-2B — дообученная причинная языковая модель для работы с малыми молекулами, созданная на основе Gemma-2B. Она продолжает предобучение на наборе PubChemForLM: около 40 млрд токенов, описывающих более 110 млн молекул PubChem, их вычисленные свойства и сходство. Модель имеет архитектуру GemmaForCausalLM, 2,5 млрд параметров и контекст 2048 токенов; токенизатор Gemma расширен химическими тегами. Модель предназначена для генерации молекулярных строк SMILES с заданными свойствами, предсказания свойств молекул, поиска похожих соединений и оптимизации молекул. Для работы используются структурированные теги вроде [SAS], [QED], [WEIGHT], [TPSA], [CLOGP], [FORMULA], [RINGCOUNT] и [SIMILAR]; произвольные инструкции на естественном языке не поддерживаются. Модель доступна под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение. Сгенерированные строки могут быть некорректными, дублирующимися, химически неправдоподобными, небезопасными для синтеза или не соответствовать заданному диапазону свойств. Предсказанные свойства не являются экспериментальными измерениями; обучающие данные могут содержать ошибки и смещения, а знания модели ограничены данными до 26 января 2023 года. Модель не предназначена для клинических решений и не заменяет экспертную оценку или экспериментальную проверку.

ChemQwen-vL — мультимодальная модель для химии, разработанная prithivMLmods путём дообучения Qwen2-VL-2B-Instruct. Она принимает изображения и текстовые запросы, распознаёт химические структуры на изображениях, генерирует для них идентификаторы InChI и текстовые описания, а также отвечает на вопросы о химических схемах. Модель построена на архитектуре Qwen2-VL, поддерживает изображения произвольного разрешения и контекст до 32 768 токенов; размер — 1,5 млрд параметров. В карточке заявлена поддержка химического текста на английском, китайском, немецком, французском, японском, корейском, арабском и других языках. Модель предназначена для задач хемоинформатики, научного анализа и обучения, включая распознавание структур и обработку химических иллюстраций. Лицензия — Apache-2.0. Карточка предупреждает, что точность может снижаться на сложных или нестандартных схемах, изображениях низкого качества и редких обозначениях; результаты для важных лабораторных решений требуют проверки человеком.

GALACTICA 6.7B — языковая модель, разработанная командой Papers with Code в Meta AI для задач в научной сфере. Это авторегрессионный трансформер с архитектурой decoder-only на базе OPT; версия standard содержит 6,7 млрд параметров по карточке модели. Метаданные указывают 8,8 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель обучена на 106 млрд токенов открытых научных текстов и данных: научных статьях, учебниках, справочных материалах, энциклопедиях и базах знаний. Она предназначена для научных вопросов и ответов, математических рассуждений, предсказания цитирований, суммаризации и генерации документов, а также извлечения сущностей и предсказания свойств молекул. Поддерживает генерацию текста; описание также отмечает токенизацию разных модальностей, но не уточняет их состав. Модель может помогать исследователям и разработчикам научных инструментов, однако способна галлюцинировать, в том числе при выдаче цитат, и проявляет смещения. Для генерации ответов, требующих достоверности, необходима проверка результатов. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

GeomLlama-xyz — созданная авторами исследовательской работы дообученная версия Llama-3.1-8B-Instruct для генерации трёхмерных конформеров молекул по строке SMILES. Модель выдаёт декартовы координаты атомов в формате XYZ: по одной строке на атом с обозначением элемента и координатами в ангстремах. Она обучена на объединённых наборах GEOM-QM9 и GEOM-Drugs, поэтому предназначена как для небольших молекул, так и для более крупных лекарственно-подобных соединений. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров; в метаданных указан контекст до 131 072 токенов. Для обучения использовался Axolotl и LoRA с последующим объединением адаптера с базовыми весами; также применялись данные для репетиции общих инструкций. Модель принимает текстовую инструкцию со SMILES и генерирует текстовые координаты, которые можно разобрать как блок XYZ. Лицензия указана как llama3.1; использование должно соответствовать её условиям и условиям базовой модели Meta.

seyonec/PubChem10M_SMILES_BPE_450k — модель семейства ChemBERTa на архитектуре RoBERTa, опубликованная Seyone Chithrananda и соавторами. Это языковая модель для химических строк SMILES: она обучена на корпусе из 10 миллионов записей PubChem с токенизацией Byte Pair Encoding и предсказывает замаскированные фрагменты последовательности. Модель предназначена для заполнения пропусков в SMILES и получения представлений молекул, которые можно использовать в задачах анализа химических соединений и прогнозирования их свойств. Архитектура — RobertaForMaskedLM, размер — 96,6 млн параметров, длина контекста — 512 токенов. Вход — текстовые последовательности SMILES; естественный язык для модели не заявлен. Репозиторий предоставляет веса PyTorch и Flax. Карточка Hugging Face не содержит сведений о лицензии и отдельных ограничениях качества, поэтому условия использования и специфические ограничения по ней подтвердить нельзя.

quinex-context-v0-783M — модель Jülich Systems Analysis, дообученная на базе FLAN-T5 Large для извлечения контекста измерений количественных величин из текста. Она использует архитектуру T5 encoder-decoder и многошаговые вопросы и ответы, чтобы определить измеряемое свойство, сущность, временные и пространственные рамки, источник, метод и другие условия измерения. Модель предназначена для работы вместе с отдельными моделями идентификации количественных величин и может применяться к научным и техническим текстам. В карточке приведены результаты оценки на тестовом наборе, включая F1 88,29 для общего извлечения и оценки на статьях из нескольких научных областей. Метаданные указывают 385,2 млн параметров, контекст до 512 токенов, поддержку английского языка и формат Safetensors. В README указано другое число параметров — 783 млн. Лицензия Apache-2.0.

RetroReasoner-RL — модель KU-AGI для генерации текста, дообученная на базе Qwen3-8B и ориентированная на задачи химии, ретросинтетического анализа и рассуждений. Модель имеет 7,6 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для использования через библиотеку Transformers. Основной заявленный язык — английский.

TEM-LLM — мультимодальная языковая модель для анализа изображений просвечивающей электронной микроскопии (TEM), разработанная на базе LLaVA-v1.5-7B и дообученная с помощью четырёхэтапного обучения с учётом сложности примеров. Для обучения использовано около 216 тысяч пар вопрос–ответ по 40 тысячам изображений TEM. Модель принимает изображение и текстовый вопрос и формирует текстовый ответ; размер составляет 6,6 млрд параметров, контекст — 4096 токенов. Модель предназначена для классификации режимов съёмки CTEM, HRTEM, STEM и дифракции, обнаружения и подсчёта наночастиц и границ зёрен, интерпретации микроструктурных особенностей и составления описаний изображений. Она специализирована на материаловедении и научном анализе TEM-снимков. Для инференса требуется репозиторий LLaVA: напрямую загрузить модель через Transformers нельзя. Ответы дают приблизительные качественные описания, а не точные количественные измерения; на изображениях и вопросах вне целевой области результаты могут быть ненадёжными. Лицензия — Llama 2.

jiangg/chembert_cased — предварительно обученная модель BERT, представленная в работе «Automated Chemical Reaction Extraction from Scientific Literature». Она разработана для анализа химической научной литературы и обучена на корпусе примерно из 200 тысяч публикаций ACS. Модель содержит 135,5 млн параметров, работает с текстом и поддерживает контекст до 512 токенов. Модель предназначена как языковая основа для извлечения сведений о химических реакциях из научных публикаций и смежных задач обработки химических текстов. В карточке указана реализация на PyTorch. Авторы просят цитировать публикацию Guo и соавторов 2021 года при использовании модели. Специализированные ограничения и условия лицензирования в предоставленных сведениях не описаны.

Chemlactica-125M — дообученная на химических данных причинная языковая модель, разработанная для генерации и оптимизации малых молекул, предсказания их свойств и генерации с заданными свойствами. Она продолжает предобучение facebook/galactica-125m на 40 млрд токенов из PubChemForLM, охватывающих более 110 млн молекул, вычисленные свойства и сходства. Модель построена на архитектуре OPTForCausalLM, содержит 151,7 млн параметров и использует контекст длиной до 2048 токенов. Модель работает со структурированными химическими префиксами и SMILES. Поддерживаемые теги свойств включают SAS, QED, молекулярную массу, TPSA, CLogP, формулу, число колец и сходство. Карточка описывает обучение и данные на английском языке; модель предназначена для химического моделирования, а не для свободного диалога. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Генерируемые строки могут быть некорректными или дублирующимися, а молекулы — химически неправдоподобными, трудно синтезируемыми или небезопасными. Предсказания свойств не являются экспериментальными измерениями; данные PubChem могут содержать ошибки и смещения, а актуальность модели ограничена датой среза обучающих данных — 26 января 2023 года. Модель предназначена для исследований и не заменяет экспертную проверку или эксперименты.

ChemQ3MTP-base — компактная авторская генеративная модель для химии, обученная на 2,33 млн валидных биоактивных молекул и природных продуктов из ChemBL34, COCONUTDB и SuperNatural3. Она использует причинный трансформер с архитектурой, подобной Qwen2, и многогоризонтальную цель предсказания токенов (MTP); размер по метаданным — 9,5 млн параметров, контекст — до 512 токенов. Модель предназначена для генерации новых молекул в представлении SELFIES, в том числе для исследовательской работы по поиску кандидатов в лекарственные средства и материалов. Встроены голова MTP для параллельного предсказания 1–3 будущих токенов и функции, рассчитанные на последующую RL-настройку. Веса распространяются по лицензии Apache 2.0; README отдельно указывает MIT для кода. Результаты модели являются предсказаниями и требуют экспериментальной проверки. README запрещает применение для создания опасных соединений, оружия и военных разработок, а также для неподтверждённых медицинских и регуляторных решений.

Graphormer-base-pcqm4mv2 — графовая Transformer-модель, разработанная Microsoft и предварительно обученная на PCQM4M-LSCv2. Она предназначена для классификации графов и получения их представлений; модель можно применять для моделирования молекул и дообучать для последующих задач. Архитектура Graphormer реализована в классе GraphormerForGraphClassification; размер модели — 113,2 млн параметров, формат — PyTorch. Модель работает с графовыми данными и ориентирована прежде всего на сценарии молекулярного моделирования. Большие графы требуют значительных ресурсов и могут приводить к нехватке памяти. Лицензия — MIT.

Intern-S1 — открытая мультимодальная модель рассуждений, разработанная командой InternLM. Она предназначена для диалога, общих задач и научных сценариев, включая интерпретацию химических структур, понимание последовательностей белков и планирование синтеза соединений. Модель объединяет языковую архитектуру Qwen3 с 235 млрд параметров типа MoE и визуальный энкодер InternViT на 6 млрд параметров; она дополнительно обучена на 5 трлн мультимодальных токенов, из которых более 2,5 трлн относятся к научным данным. Intern-S1 принимает текстовые и визуальные входы; README также описывает обработку видео. Модель поддерживает режим рассуждений, который включён по умолчанию, и может использоваться для общения с внешними инструментами через совместимый интерфейс. Для развёртывания полной версии README указывает минимум восемь ускорителей A100, H800 или H100 либо четыре H200. Для работы с Transformers требуется версия 4.53.0 или новее. Модель распространяется по лицензии Apache-2.0. Описанные научные возможности ориентированы на исследовательскую работу, но README не приводит отдельной оценки надёжности для конкретных научных задач; результаты следует проверять. Указанные требования к оборудованию делают локальное развёртывание ресурсоёмким.