#药物发现
药企巨头 AstraZeneca 掏 15 亿美元和 insitro 合作用 AI 找新药，首付款就 4000 万美元，可以看看 AI 制药到底怎么落地。
OpenAI 总裁 Greg Brockman 上 No Priors 播客，聊了 Dots 主动智能体怎么做、UI 会怎么变，还有药物发现这块的新思路。
这论文把 160 万个分子骨架做成智能体的导航地图，练出的 MolHop-9B 在跨骨架分子设计上跑赢了 GPT-5.6-sol 和 Gemini-3.1-Pro，做药物发现的可以看看。
Latent Space 播客采访 Leash Bio，聊聊 DEL 实验数据怎么用来训练药物发现模型，还能揪出在基准测试里“作弊”的模型，做化学方向 AI 的人别错过。
药物研发圈的可以看看，这篇提出了 PerturbEnergy，用能量先验让模型更专注扰动效应，DEG 预测刷到了 SOTA，代码也开源了。
OpenAI 悄悄在 API 定价页挂了个 gpt-rosalind-discovery，价格和 gpt-rosalind-research 一样，名字带 discovery，八成是冲着药物研发去的。
本地小模型也能当药物发现的规划器了，Llama 3.2-3B 微调后工具调用准得吓人，就是碰到没见过的流程还会翻车。
McKinsey 拿出了实际数据：AI 参与的候选药物，发现时间砍掉 15% 到 80%，做医药或关注 AI 落地的可以看看。
Xaira不靠公开数据，自己造数据训练模型，听起来挺较真。听听他们为什么说因果模型必须配因果数据，对药物发现很有启发。
前Llama老大跑去做药了，他们用扩散模型搞的PEARL在OpenBind零样本赢了，共折叠也终于过了门槛。想了解AI怎么设计新药的可以看这个。
NVIDIA 开源了这个工具，让 AI 代理能直接调用分子模型做药物发现。用上它任务完成率翻倍还省 Token，做生物计算的同学可以试试。
谷歌云和SandboxAQ联手，把AI用在药物和材料研发上。AQCat找催化剂，AQPotency筛分子，都是实打实的科研加速器。
想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。
做药物研发和生命科学研究的团队终于有了更趁手的 AI 工具——GPT-Rosalind 把 GPT-5.5 的智能体能力带进了实验流程，建议相关领域的科研人员直接体验。
生命科学团队终于有了专为药物研发设计的 AI 模型——GPT-Rosalind 结合智能体编程和工具使用，做药物发现和实验设计的科研人员可以直接用起来，加速研究流程。
做药物发现或化学基因组学的团队终于有了一个标准化的多源转录组资源——37k化合物、136种细胞环境，直接拿来预训练或评估模型，省去数据清洗的麻烦。
ESMFold2 将语言模型用于蛋白质设计，解决了抗体和蛋白结合剂设计这一基础难题，做药物发现和生物工程的团队可以直接用这个开源模型加速新药研发。
科研人员终于有了AI助手来追踪论文和写实验代码，做生物医药或材料科学的团队可以直接用Gemini for Science加速研究，建议点开看看具体怎么用。