256M参数的医学领域语言模型，用于医学文本处理等任务
SmolDocling-256M-preview是由ds4sd推出的一个具有256M参数的语言模型，专注于医学领域。其重要性在于为医学文本处理、医学知识提取等任务提供了有效的工具。在医学研究和临床实践中，大量的文本数据需要进行分析和处理，该模型能够理解和处理医学专业语言。主要优点包括在医学领域有较好的性能表现，能够处理多种医学相关的文本任务，如疾病诊断辅助、医学文献摘要等。该模型的背景是随着医学数据的增长，对处理医学文本的技术需求日益增加。其定位是为医学领域的研究人员、医生、开发者等提供语言处理能力支持，目前未提及价格相关信息。
一个专注于前沿科技和创新技术的平台，涵盖AI、生物技术、量子计算等多个领域。
Build Y是一个由Necrozma Labs开发的前沿科技平台，旨在展示和探索各种创新技术。该平台涵盖了从人工智能到生物技术、从量子计算到可持续能源等多个领域的最新研究成果。其主要优点是为工程师和科学家提供了一个集中展示和交流的场所，促进了跨学科的技术合作和创新。该平台的背景是推动全球科技进步，通过分享最新的研究成果和技术突破，激发更多创新思维。目前平台的具体价格和定位信息未明确，但其目标是成为科技领域的知识共享中心。
Evo 2 是一个强大的 AI 基础模型，用于解析 DNA、RNA 和蛋白质的遗传密码。
Evo 2 是由 NVIDIA 推出的 AI 基础模型，旨在通过深度学习技术解析生物分子的遗传密码。该模型基于 NVIDIA DGX Cloud 平台开发，能够处理大规模的基因组数据，为生物医学研究提供强大的工具。Evo 2 的主要优点在于其能够处理长达 100 万个 token 的基因序列，从而更全面地理解基因组的复杂性。该模型在生物医学领域的应用前景广阔，包括疾病诊断、药物开发和基因编辑等。Evo 2 的开发得到了 Arc 研究所和斯坦福大学的支持，目标是推动生物医学研究的创新和突破。
AI co-scientist 是一个基于 Gemini 2.0 的多智能体 AI 系统，旨在帮助科学家生成新的研究假设和实验方案，加速科学发现。
AI co-scientist 是谷歌研究团队开发的一款多智能体 AI 系统，旨在通过人工智能技术辅助科学研究。该系统基于 Gemini 2.0 构建，能够模拟科学方法的推理过程，生成新的研究假设和实验方案。它通过多智能体协作，利用生成、反思、排名、进化等多种机制，不断优化输出结果。AI co-scientist 的主要优点包括高效生成新颖的科学假设、强大的跨学科知识整合能力以及与科学家的协作能力。该系统目前处于研究阶段，通过与全球顶尖科研机构合作，验证其在生物医学等领域的应用潜力。
BioEmu 是一个用于可扩展模拟蛋白质平衡系综的生成式深度学习模型。
BioEmu 是微软开发的一种深度学习模型，用于模拟蛋白质的平衡系综。该技术通过生成式深度学习方法，能够高效地生成蛋白质的结构样本，帮助研究人员更好地理解蛋白质的动态行为和结构多样性。该模型的主要优点在于其可扩展性和高效性，能够处理复杂的生物分子系统。它适用于生物化学、结构生物学和药物设计等领域的研究，为科学家提供了一种强大的工具来探索蛋白质的动态特性。
70亿参数的元基因组基础模型，用于流行病监测和病原体检测.
METAGENE-1是由南加州大学、Prime Intellect和核酸观测站的研究人员合作开发的一款元基因组基础模型。该模型具有70亿参数，经过1.5万亿个碱基对的DNA和RNA序列训练，这些序列来自人类废水样本。METAGENE-1的主要功能是帮助公共卫生应用，如流行病监测、病原体检测和新兴健康威胁的早期发现。其优势在于能够捕捉人类微生物组中完整的基因组信息分布，具有强大的泛化能力。
医学研究伴侣，一站式获取高质量科研文章
Cure AI 是一款专为医学研究人员设计的工具，旨在通过访问超过2600万篇PubMed文章，提供高效、高质量的科研支持。其主要优点包括强大的证据排名功能、自然语言查询处理能力以及无缝的文献导航体验。Cure AI 的背景信息显示，它致力于简化科研流程，帮助研究人员快速找到相关且可靠的文献资源。产品目前提供免费试用，并有多种付费计划可供选择，适合不同规模和需求的研究团队。
首个真正开源的生物分子结构预测模型
Boltz-1是由麻省理工学院（MIT）阿卜杜拉·拉蒂夫·贾米尔健康机器学习诊所（MIT Jameel Clinic）的研究人员开发的首个真正开源的生物分子结构预测模型，其准确性达到了AlphaFold3的水平。该模型以玻尔兹曼分布命名，是一种描述分子结构分布的概率度量。Boltz-1的开发旨在鼓励超越学术界的创新，为商业用途提供支持。它由博士生Jeremy Wohlwend、Gabriele Corso和MIT Jameel Clinic研究员Saro Passaro领导开发，得到了MIT电气工程和计算机科学（EECS）教授Regina Barzilay和Tommi Jaakkola的指导。Boltz-1的开发面临了规模和数据处理的挑战，但最终成功构建了必要的计算能力，为结构生物学研究实践的标准化提供了基础，有望加速生命改变药物的创造。
AI驱动的医学文献搜索引擎，一键翻译多种文档格式。
超能文献是一个AI驱动的医学文献搜索引擎，提供文档翻译服务，支持PDF、PPTX、XLSX、DOCX、TXT、HTML等多种文件格式的一键翻译。产品背景信息显示，它旨在帮助用户快速准确地翻译医学文献，提高工作效率。产品的主要优点包括内容专业精准、版式完美如初、一键下载和自由编辑。此外，产品还提供了新用户注册赠送7天会员权益、注册即送500积分以及每日登录赠送100积分等优惠活动。
AI在医学领域的初步研究
o1 in Medicine是一个专注于医学领域的人工智能模型，旨在通过先进的语言模型技术，提升医学数据的处理能力和诊断准确性。该模型由UC Santa Cruz、University of Edinburgh和National Institutes of Health的研究人员共同开发，通过在多个医学数据集上的测试，展示了其在医学领域的应用潜力。o1模型的主要优点包括高准确率、多语言支持以及对复杂医学问题的深入理解能力。该模型的开发背景是基于当前医疗领域对于高效、准确的数据处理和分析的需求，尤其是在诊断和治疗建议方面。目前，该模型的研究和应用还处于初步阶段，但其在医学教育和临床实践中的应用前景广阔。
生成幻想生物和角色的AI模型
Dark fantasy FLUX是一个专注于生成幻想生物和角色的AI模型，擅长创造具有流体金属质感的服装和带有魔法或科技光效的图像。它能够生成具有暗色调氛围的图片，同时不影响对写实内容的响应。该模型由Black Forest Labs, Inc.授权，适用于非商业用途。
先进的多模态基础模型，用于分子结构预测。
Chai-1是一个用于药物发现的多模态基础模型，能够预测蛋白质、小分子、DNA、RNA、共价修饰等的分子结构。它在PoseBusters基准测试中达到了77%的成功率，与AlphaFold3相当。Chai-1无需多序列比对即可运行，保持了大部分性能，并且能够更准确地折叠多聚体结构。此外，Chai-1可以与实验室数据结合，提高预测性能。该模型旨在将生物学从科学转变为工程，推动AI在生物学研究中的应用。
探索生命交互的奥秘
Chai Discovery是一个专注于解码生命交互的网站，它可能涉及生物信息学、基因组学或相关领域，旨在通过先进的技术手段揭示生命体之间复杂的相互作用。该产品或技术的重要性在于它可能为生命科学、医学研究和相关领域提供深入的洞见和数据支持。
AI系统设计新型蛋白质，助力生物和健康研究。
AlphaProteo是DeepMind推出的首个AI系统，用于设计新型、高强度的蛋白质结合体，作为生物和健康研究的构建模块。这项技术有潜力加速我们对生物过程的理解，并助力新药的发现、生物传感器的开发等。AlphaProteo能够为多种目标蛋白质生成新的蛋白质结合体，包括与癌症和糖尿病并发症相关的VEGF-A。它在实验成功率和结合亲和力方面均优于现有方法，能够显著减少涉及蛋白质结合体的初步实验所需的时间。
AI驱动的医学文献搜索引擎
Suppr 超能文献是一个利用人工智能技术驱动的医学文献搜索引擎，旨在帮助医学研究人员快速检索和获取相关医学领域的最新研究进展和临床试验信息。它通过限定时间、类型、影响因子、作者、期刊等多重条件，提供精准的文献检索服务，极大地提高了医学研究的效率和质量。
基于咳嗽声音分析的疾病检测模型
Health Acoustic Representations (HeAR) 是由谷歌研究团队开发的生物声学基础模型，旨在通过分析人体发出的声音，如咳嗽声，来识别疾病的早期迹象。该模型经过了3亿条音频数据的训练，特别针对咳嗽声音使用了约1亿条数据。HeAR 能够识别与健康相关的声音模式，为医疗音频分析提供了强大的基础。HeAR 模型在多种任务中的表现优于其他模型，并在不同麦克风上具有更好的泛化能力。此外，使用 HeAR 训练的模型在训练数据较少的情况下也能达到高性能，这对于数据稀缺的医疗研究领域至关重要。HeAR 目前已向研究人员开放，以加速开发定制的生物声学模型，减少数据、设置和计算的需求。
大规模多模态医学数据集
MedTrinity-25M是一个大规模多模态数据集，包含多粒度的医学注释。它由多位作者共同开发，旨在推动医学图像和文本处理领域的研究。数据集的构建包括数据提取、多粒度文本描述生成等步骤，支持多种医学图像分析任务，如视觉问答（VQA）、病理学图像分析等。
生物医学领域的专业通用模型
UltraMedical项目旨在开发生物医学领域的专业通用模型，这些模型旨在回答与考试、临床场景和研究问题相关的问题，同时保持广泛的通用知识基础，以有效处理跨领域问题。通过使用先进的对齐技术，包括监督微调(SFT)、直接偏好优化(DPO)和赔率比偏好优化(ORPO)，训练大型语言模型在UltraMedical数据集上，以创建强大且多功能的模型，有效服务于生物医学社区的需求。
科学延长寿命，提升生活质量
Zest - Longevity是一个旨在帮助用户实现更长寿、更健康生活的应用程序。它基于过去十年来科学研究对衰老生物学根源的探索，提供了一种工具，让用户能够从核心层面上应对衰老，甚至预防和逆转生物衰老过程。该应用程序由医生、长寿科学家和研究人员团队共同开发，并持续更新评估推荐方案。Zest通过跟踪8个关键的长寿支柱：情绪、睡眠、运动、阳光暴露、冷浸、禁食、补充剂和血液测试，帮助用户形成每日推荐目标，综合这些目标形成用户的长寿得分。此外，Zest与Vital SDK和数字生物标记的被动跟踪兼容，支持几乎所有可穿戴设备，结合行为科学和长寿科学，运用心理学和神经科学帮助用户维持延长生命的习惯。
© 2025 AIbase 备案号：闽ICP备08105208号-14