Nye innsikter i vitenskapen med LOGOS AI
I en verden full av spesialiserte vitenskapelige modeller – én for proteinfolding, én for molekyldesign, én for materialer – har Alibaba og Renmin University of China sluppet LOGOS: en enkelt modell som håndterer dem alle gjennom ett felles "vitenskapelig språk".
Hva LOGOS faktisk gjør
LOGOS står for "Language Of Generative Objects in Science" og ble sluppet 18. juni 2026 av Alibabas ATH-Token Foundry (Tongyi Lab) i samarbeid med Gaoling School of Artificial Intelligence ved Renmin University. Modellen koder proteiner, antistoffer, små molekyler, kjemiske reaksjoner, materialer og de romlige interaksjonene mellom dem – for eksempel kontaktpunktene mellom et protein og et molekyl som binder seg til det – inn i samme diskrete symbolvokabular. Én og samme autoregressive Transformer-modell håndterer dermed generering, prediksjon og design på tvers av alle disse feltene, uten å trenge egne geometriske nettverk for å håndtere 3D-strukturer – de romlige mønstrene blir i stedet tokenisert direkte, på samme måte som en språkmodell tokeniserer ord.
Tallene bak modellen
Treningsgrunnlaget er en korpus på 44,87 milliarder token fordelt på sju modaliteter: 28,9 milliarder token fra proteiner, 3 milliarder fra antistoffer, 2,1 milliarder fra små molekyler, og resten fra kjemiske reaksjoner, metall-organiske rammeverk og protein-ligand-interaksjoner. Modellfamilien spenner fra 1 til 8 milliarder parametere, med det Alibaba beskriver som stabil skalering på tvers av størrelsene.
Det mest oppsiktsvekkende resultatet: LOGOS-varianten med kun 1 milliard parametere slår Microsoft Researchs NatureLM – en modell med 8×7B parametere, altså rundt 56 ganger så mange – på flere sentrale vitenskapelige oppgaver. Det er en påstand fra Alibaba selv og bør leses som det, men den er konkret og etterprøvbar siden både modell og benchmark-sammenligninger er offentliggjort.
Hva du faktisk kan bruke den til
GitHub-repoet demonstrerer fire konkrete oppgavetyper: retrosyntese-prediksjon (finne hvilke utgangsstoffer som kan reagere til et gitt sluttprodukt), identifisering av bindingslommer i proteiner, design av ligander skreddersydd til en spesifikk bindingslomme, og ubetinget generering av nye, gyldige materialstrukturer. Alt er tilgjengelig som ferdige inferens-skript, ikke bare forskningskode.
Er dette allerede en milepæl?
Verdt å ha i bakhodet: repoet er splitter nytt, med rundt 17 stjerner på GitHub ved publiseringstidspunktet – dette er teknisk imponerende og godt dokumentert, men ennå ikke en modell med bred adopsjon i forskningsmiljøet. "Milepæl" er dermed en påstand om potensial, ikke en observasjon om faktisk gjennomslag ennå.
Oppsummering
LOGOS er en reell og godt dokumentert modell som forener flere vitenskapelige domener under samme tokeniseringstilnærming, med en oppsiktsvekkende parametereffektivitet sammenlignet med Microsofts NatureLM. Lisensen er Apache 2.0 som opprinnelig oppgitt, og modellvekter, inferenskode og teknisk rapport er alle fritt tilgjengelige – for både forskning og kommersiell bruk.
