Der neueste Satz von Open-Supply-Modelle von DeepSeek sind hier.

Während die Branche die Dominanz von „geschlossen„Iterationen wie GPT-5.5, die Ankunft von DeepSeek-V4 hat die Dominanz zugunsten der Open-Supply-KI abgehakt. Durch die Kombination einer MoE-Architektur mit 1,6 Billionen Parametern und einem riesigen Kontextfenster mit 1 Million Token hat DeepSeek-V4 Excessive-Reasoning-Intelligenz effektiv zur Ware gemacht.

Dieser Wandel verändert die Artwork und Weise, wie wir über Kosten und Fähigkeiten von KI denken. Lassen Sie uns die neuesten Varianten der DeepSeek-Familie entschlüsseln.

Was ist DeepSeek-V4?

DeepSeek-V4 ist die neueste Model der DeepSeek-Modellfamilie, die speziell für die Verarbeitung von Daten mit langem Kontext entwickelt wurde. Es kann bis zu 1 Million Token effizient verarbeiten und eignet sich daher perfect für Aufgaben wie erweiterte Argumentation, Codegenerierung und Dokumentzusammenfassung. Es nutzt revolutionary Hybridmechanismen wie Manifold-Constrained Hyper-Connections (mHC) und ermöglicht so die effiziente Verarbeitung von über einer Million Token. Dies macht es zur ersten Wahl für Branchen und Entwickler, die KI in großem Maßstab in ihre Arbeitsabläufe integrieren möchten.

Hauptmerkmale von DeepSeek-V4

Hier sind die bemerkenswerten Funktionen des neuesten Modells von DeepSeek:

• Open-Supply (Apache 2.0): Im Gegensatz zu „geschlossenen“ Modellen von OpenAI oder Google ist DeepSeek-V4 vollständig Open Supply. Dies bedeutet, dass die Gewichte und der Code für jedermann zum Herunterladen, Ändern und Ausführen auf seiner eigenen {Hardware} verfügbar sind.
• Huge Kosteneinsparungen: Die API kostet ungefähr einen Bruchteil der Preise der Konkurrenz 1/5 die Kosten von GPT-5.5.
• Zwei Modellvarianten:
  • DeepSeek-V4-Professional: Eine sehr leistungsstarke Model mit 1,6 Billionen Parameterkonzipiert für Excessive-Finish-Rechenaufgaben.
  • DeepSeek-V4-Flash: Eine effizientere und kostengünstigere Model, die die meisten Vorteile der Professional-Model zu einem reduzierten Preis bietet.

Modell	Gesamtparameter	Aktive Parameter	Vorab trainierte Token	Kontextlänge	Open Supply	API-Dienst	WEB/APP-Modus
deepseek-v4-pro	1,6T	49B	33T	1M			Experte
deepseek-v4-flash	284B	13B	32T	1M			Sofort

• Unübertroffene Agentenfähigkeit: Speziell optimiert, um als „autonomer Agent“ zu fungieren. Es beantwortet nicht nur Fragen; Es kann durch Ihr gesamtes Projekt navigieren, Instruments verwenden und mehrstufige Aufgaben wie ein digitaler Mitarbeiter erledigen.
• Weltklasse-Argumentation: In Mathematik- und Wettbewerbs-Codierungs-Benchmarks erreicht oder übertrifft es die leistungsstärksten privaten Modelle der Welt und beweist damit, dass Open Supply auf „Frontier“-Niveau mithalten kann.
• Bereit für Client-{Hardware}: Dank extremer Effizienz ist die V4-Flash Die Model kann auf Excessive-Finish-Client-GPUs (wie einem Twin-RTX-5090-Setup) ausgeführt werden und bringt Leistung der „GPT-Klasse“ auf Ihren lokalen Schreibtisch.

DeepSeek-V4: Technische Durchbrüche

DeepSeek-V4 gelingt nicht nur durch rohe Gewalt. Es werden drei spezifische Architekturinnovationen vorgestellt, die das Downside des langen Kontexts lösen:

• Hybride Aufmerksamkeit (CSA + HCA): Durch Kombinieren Komprimierte spärliche Aufmerksamkeit mit Stark komprimierte Aufmerksamkeitreduziert das Modell den VRAM-Overhead um 70 % im Vergleich zum Customary-FlashAttention-2, sodass 1 Mio. Kontextlängen auf Unternehmenshardware der Verbraucherklasse ausgeführt werden können.

• Der Myon-Optimierer: Eine revolutionäre Optimierungstechnik zweiter Ordnung, die es dem Modell ermöglicht, während des Trainings schneller „Konvergenz“ zu erreichen und so sicherzustellen, dass die 1,6T-Parameter tatsächlich effizient genutzt werden und nicht auf dem Konfigurationsblatt verbleiben.

Hier erfahren Sie, wie diese Optimierungen dazu beitragen, die Transformer-Architektur von DeepSeek-V4 im Vergleich zu einer Customary-Transformer-Architektur zu verbessern.

Diese Architektur macht DeepSeek-V4 im Wesentlichen zu einer „Reasoning Engine“ und nicht nur zu einem Textgenerator.

Diese Effizienz verbesserte nicht nur die Qualität der Modellantworten, sondern machte sie auch erschwinglich!

Wirtschaftskrise: Der Preiskampf

Die unmittelbarste Auswirkung von DeepSeek-V4 ist seine Preisstrategie. Es hat einen „Wettlauf nach unten“ erzwungen, der Entwicklern und Startups (uns) zugute kommt.

API-Preisvergleich (USD professional 1 Mio. Token)

DeepSeeks Cache-Treffer Durch die Preisgestaltung (0,028 $) sind Agenten-Workflows (bei denen derselbe Kontext wiederholt abgefragt wird) nahezu kostenlos. Dies ermöglicht ewige KI-Agenten das für Cent professional Tag in einer Codebasis „leben“ kann.

ChatGPT- und Claude-Benutzer verlieren bei dieser Preisgestaltung den Verstand! Und das auch noch wenige Stunden nach der Veröffentlichung von GPT 5.5! Das sendet eindeutig eine Botschaft.

Und dieser Vorteil beschränkt sich nicht nur auf die Preisgestaltung. Die Leistung des DeepSeek V4 macht ihn eindeutig zu einer Klasse für sich.

DeepSeek-V4 vs. The Giants: Benchmarks

Während OpenAI und Anthropic traditionell in der akademischen Argumentation führend waren, hat DeepSeek-V4 diese Lücke offiziell geschlossen Angewandte Technik Und Agentenautonomie. Es geht nicht nur darum, mit der Konkurrenz mitzuhalten; In den meisten Szenarien übertrifft es sie.

1. Der technische Vorsprung: SWE-Bench verifiziert

Dies ist der Goldstandard für die KI-Codierung. Es testet die Fähigkeit eines Modells, echte GitHub-Probleme durchgängig zu beheben. DeepSeek-V4-Professional hat einen neuen Rekord aufgestellt, insbesondere bei der Verwaltung mehrerer Datei-Repositorys.

Hier ist eine Tabelle mit der Leistung im Vergleich zu anderen SOTA-Modellen:

2. Mathematik und Argumentation (AIME / GPQA)

In Naturwissenschaften und Wettbewerbsmathematik auf PhD-Niveau liefert sich der „Pondering Mode“ (DeepSeek-Reasoner V4) von DeepSeek-V4 nun einen Schlagabtausch mit den teuersten Modellen der „O-Serie“ von OpenAI.

• GPQA (Wissenschaft auf PhD-Niveau): 91,8 % (DeepSeek-V4) vs. 93,2 % (GPT-5.5 Professional).
• AIME 2026 (Mathe): 96,4 % (DeepSeek-V4) vs. 95,0 % (Claude 4.6).

Es gibt einen klaren Wettbewerb sowohl hinsichtlich der Argumentations- als auch der mathematischen Aufgaben.

So greifen Sie auf DeepSeek-V4 zu

Sie können darauf zugreifen DeepSeek-V4 durch mehrere Methoden:

• Webinterface: Zugriff über die Plattform von DeepSeek unter chat.deepseek.com mit einer einfachen Anmeldung und Anmeldung.

• Cloud-Plattformen: Verwenden DeepSeek-V4 über cloudbasierte IDEs oder Dienste wie HuggingFace-Leerzeichen.
• Lokale Bereitstellung: Nutzen Sie Dienste wie VLLM die lokale Downloads und Nutzung von DeepSeek-V4 anbieten.

Jede Methode bietet unterschiedliche Möglichkeiten zur Integration DeepSeek-V4 in Ihren Workflow basierend auf Ihren Anforderungen integrieren. Wählen Sie Ihre Methode und betreten Sie mit diesen neuen Modellen die Grenzen.

Die Zukunft gestalten

DeepSeek-V4 stellt den Übergang der KI von a dar Abfrage-Antwort Werkzeug an einen hartnäckigen Mitarbeiter weitergeben. Seine Kombination aus Open-Supply-Zugänglichkeit, beispielloser Kontexttiefe und „Flash“-Preisen macht es zur bedeutendsten Veröffentlichung des Jahres 2026. Für Entwickler ist die Botschaft klar: Der Engpass sind nicht mehr die Kosten für Intelligenz, sondern die Vorstellungskraft der Particular person, die sie veranlasst.

Häufig gestellte Fragen

Ich bin auf die Überprüfung und Verfeinerung von KI-gestützter Forschung, technischer Dokumentation und Inhalten im Zusammenhang mit neuen KI-Technologien spezialisiert. Meine Erfahrung umfasst KI-Modelltraining, Datenanalyse und Informationsabruf und ermöglicht es mir, Inhalte zu erstellen, die sowohl technisch korrekt als auch zugänglich sind.

Der neueste Satz von Open-Supply-Modelle aus GOOGle sind da, die Gemma 4-Familie ist angekommen. Open-Supply-Modelle erfreuen sich aufgrund von Datenschutzbedenken und ihrer Flexibilität bei der einfachen Feinabstimmung in letzter Zeit großer Beliebtheit. Jetzt haben wir vier vielseitige Open-Supply-Modelle in der Gemma 4-Familie, die auf dem Papier sehr vielversprechend erscheinen. Lassen Sie uns additionally ohne weitere Umschweife entschlüsseln und sehen, worum es bei dem Hype geht.

Die Gemma-Familie

Gemma ist eine Familie von leichten, offenen, großen Sprachmodellen, die von Google entwickelt wurden. Es basiert auf der gleichen Forschung und Technologie, die auch bei Google zum Einsatz kommt Zwillinge Modelle, die jedoch zugänglicher und effizienter gestaltet sind.

Was das wirklich bedeutet, ist: Gemma-Modelle sind für den Betrieb in praktischeren Umgebungen wie Laptops, Verbraucher-GPUs und sogar mobilen Geräten gedacht.

Es gibt sie in beiden Varianten:

• Basisversionen (zur Feinabstimmung und Anpassung)
• Auf Anweisungen abgestimmte (IT) Versionen (bereit für Chat und allgemeine Nutzung)

Das sind additionally die Modelle, die unter das Dach fallen Gemma 4 Familie:

1. Gemma 4 E2B: Mit ~2B effektiven Parametern handelt es sich um ein multimodales Modell, das für Edge-Geräte wie Smartphones optimiert ist.
2. Gemma 4 E4B: Ähnlich dem E2B-Modell, verfügt dieses jedoch über ~4B effektive Parameter.
3. Gemma 4 26B A4B: Es handelt sich um eine 26B-Parameter-Mischung aus Expertenmodellen, die während der Inferenz nur 3,8B Parameter (~4B aktive Parameter) aktiviert. Quantisierte Versionen dieses Modells können auf Shopper-GPUs ausgeführt werden.
4. Gemma 4 31B: Es handelt sich um ein dichtes Modell mit 31B-Parametern, es ist das leistungsstärkste Modell in dieser Reihe und eignet sich sehr intestine für Feinabstimmungszwecke.

Die Modelle E2B und E4B verfügen über ein Kontextfenster von 128 KB, während die größeren Modelle 26B und 31B über ein Kontextfenster von 256 KB verfügen.

Notiz: Alle Modelle sind sowohl als Basismodell als auch als „IT“-Modell (auf Anleitung abgestimmt) erhältlich.

Nachfolgend finden Sie die Benchmark-Ergebnisse für die Gemma 4-Modelle:

Hauptmerkmale von Gemma 4

1. Codegenerierung: Für die Codegenerierung können die Gemma 4-Modelle verwendet werden, auch die LiveCodeBench-Benchmark-Ergebnisse sehen intestine aus.
2. Agentensysteme: Die Gemma 4-Modelle können lokal in Agenten-Workflows verwendet oder selbst gehostet und in produktionstaugliche Systeme integriert werden.
3. Mehrsprachige Systeme: Diese Modelle sind auf über 140 Sprachen trainiert und können zur Unterstützung verschiedener Sprachen oder Übersetzungszwecke verwendet werden.
4. Erweiterte Agenten: Diese Modelle weisen im Vergleich zu den Vorgängern eine deutliche Verbesserung in Mathematik und Argumentation auf. Sie können bei Agenten eingesetzt werden, die eine mehrstufige Planung und Denkweise erfordern.
5. Multimodalität: Diese Modelle können von Natur aus Bilder, Movies und Audio verarbeiten. Sie können für Aufgaben wie OCR und Spracherkennung eingesetzt werden.

Wie greife ich über Hugging Face auf Gemma 4 zu?

Gemma 4 wird unter der Apache 2.0-Lizenz veröffentlicht. Sie können frei mit den Modellen bauen und die Modelle in jeder Umgebung bereitstellen. Auf diese Modelle kann mit Hugging Face, Ollama und Kaggle zugegriffen werden. Lassen Sie uns versuchen, das zu testen.Gemma 4 26B A4B ITDurch die Inferenzanbieter auf Hugging Face können wir uns so ein besseres Bild von den Fähigkeiten des Modells machen.

Voraussetzung

Token „Umarmendes Gesicht“:

1. Gehe zu https://huggingface.co/settings/tokens
2. Erstellen Sie ein neues Token, konfigurieren Sie es mit dem Namen und aktivieren Sie die folgenden Kontrollkästchen, bevor Sie das Token erstellen.

3. Halten Sie den Umarmungsgesichts-Token bereit.

Python-Code

Ich verwende Google Colab für die Demo. Sie können gerne verwenden, was Ihnen gefällt.

from getpass import getpass 

hf_key = getpass("Enter Your Hugging Face Token: ")

Fügen Sie das Image „Umarmendes Gesicht“ ein, wenn Sie dazu aufgefordert werden:

Versuchen wir, ein Frontend für eine E-Commerce-Web site zu erstellen und sehen, wie das Modell funktioniert.

immediate="""Generate a contemporary, visually interesting frontend for an e-commerce web site utilizing solely HTML and inline CSS (no exterior CSS or JavaScript). 

The web page ought to embrace a responsive format, navigation bar, hero banner, product grid, class part, product playing cards with photographs/costs/buttons, and a footer. 

Use a clear trendy design, good spacing, and laptop-friendly format. 
"""

Anfrage an den Inferenzanbieter senden:

import os
from huggingface_hub import InferenceClient

consumer = InferenceClient(
    api_key=hf_key,
)

completion = consumer.chat.completions.create(
    mannequin="google/gemma-4-26B-A4B-it:novita",
    messages=(
        {
            "function": "consumer",
            "content material": (
                {
                    "kind": "textual content",
                    "textual content": immediate,
                },
            ),
        }
    ),
)

print(completion.decisions(0).message)

Nachdem ich den Code kopiert und den HTML-Code erstellt habe, habe ich folgendes Ergebnis erhalten:

Die Ausgabe sieht intestine aus und das Gemma-Modell scheint eine gute Leistung zu erbringen. Was denken Sie?

Abschluss

Die Gemma 4-Familie sieht nicht nur auf dem Papier vielversprechend aus, sondern auch im Ergebnis. Mit vielseitigen Fähigkeiten und den verschiedenen Modellen, die für unterschiedliche Bedürfnisse gebaut wurden, haben die Gemma 4-Modelle so viele Dinge richtig gemacht. Auch mit Open-Supply KI Aufgrund der zunehmenden Beliebtheit sollten wir die Möglichkeit haben, die Modelle auszuprobieren, zu testen und zu finden, die unseren Anforderungen besser entsprechen. Außerdem wird es interessant sein zu sehen, wie Geräte wie Mobiltelefone, Raspberry Pi usw. in Zukunft von den sich entwickelnden speichereffizienten Modellen profitieren.

Häufig gestellte Fragen

Leidenschaftlich für Technologie und Innovation, Absolvent des Vellore Institute of Expertise. Derzeit arbeite ich als Information Science Trainee mit Schwerpunkt auf Information Science. Großes Interesse an Deep Studying und generativer KI, begierig darauf, modernste Techniken zu erforschen, um komplexe Probleme zu lösen und wirkungsvolle Lösungen zu schaffen.

Lettische Sprach-Tech-Firma Tilde hat veröffentlicht Tildeopen LLMein Open-Supply-Fundaments-Großsprachmodell (LLM) Europäische Sprachenmit einem starken Fokus auf unterrepräsentierte und kleinere nationale und regionale Sprachen. Es ist ein strategischer Sprung in Richtung sprachlicher Gerechtigkeit und digitaler Souveränität innerhalb der EU.

Unter der Haube: Architektur, Ausbildung und Governance

• Die Veröffentlichung ereignete sich auf 3. September 2025als Tilde das Modell über die Benutzer über die Benutzer übersetzt Umarmtes Gesicht.
• Gebaut wie a 30-Milliarden-Parameter-Dicht-Decoder-Transformator nurDas Modell ist im Rahmen einer zulässigen Lizenz (CC-by-4.0) erhältlich und umfasst breite Sprachunterstützung-von lettischen und litauischen bis ukrainischen, türkisch und darüber hinaus.
• Das Coaching fand in den Supercomputern der EU statt: Lumi (Finnland) und JUPITERtippen in 2 Millionen GPU -Stunden über die Europäische Kommission verliehen Große AI Grand Problem.
• Feines technisches Element: Ausgebildet über eleutherai-inspirierte GPT-Neox-Skripte hinweg 450k Updateskonsumieren ~ 2 Billionen Token. Das Coaching umfasste dreistufige Stichproben: Uniform über Sprachen hinweg, natürliche Verteilung, um hochdeta-bändige Sprachen zu steigern, und einen endgültigen Uniform-Sweep für das Gleichgewicht.
• Hyperparameter: 60 Schichten, Einbettungsgröße 6144, 48 Aufmerksamkeitsköpfe, 8192-gepflegtes Kontextfenster, Swiglu-Aktivierungen, Seilpositionskodierung, RMSNorm-Schichtnormen.

Sprachkapital und Datensouveränität

• Mainstream -Modelle stützen sich stark auf englische und andere Hauptsprachen und verursachen beim Umgang mit baltischen, slawischen oder anderen kleineren europäischen Sprachen eine schrägliche Leistung. Diese Unterrepräsentation führt zu schlechter Grammatik, unangenehmem Phrasierung und Halluzinationen.
• Tildeopen löst dies durch einbettende Eins „Equitable Tokenizer“entwickelt, um Textual content ähnlich zu repräsentieren, unabhängig von der Sprache-reduzierende Token-Anzahl und zunehmende Inferenz-Effizienz für weniger Darstellungen.
• Entscheidend ist, dass Organisationen SelbstHost-In lokalen Rechenzentren oder sicheren EU-konformen Clouds-die Einhaltung der DSGVO und andere Datenschutzmandate. Dies befasst sich mit Souveränitätsbedenken, die mit den Modellen der US- oder Asien gebunden sind.

Strategischer Horizont: Vom Prototyp zur europäischen KI -Infrastruktur

• Tildeopen ist ein grundlegendes „Foundation“ -Modell. Es wird erwartet, dass die bevorstehenden Versionen spezialisierter (z. B. auf diesem Kern erstellte Übersetzungsmodelle für Anweisungen abgestimmt).
• Es ist auch ein Geo-Flag-Pflanzungsmoment: Lettland über Tilde positioniert sich als a Tech -Exporteurmit Bestrebungen, die europäische KI -Infrastruktur zu skalieren und gleichzeitig die sprachliche Vielfalt zu erhalten.
• Für die Forschung spiegelt der Bewegung eine breitere Forschung zum mehrsprachigen Modellverhalten wider – GAPs bestehen noch. Bewertungen zeigen, dass selbst starke offene LLMs die lexikalische Genauigkeit für baltische Sprachen halluzinieren oder verzögern können, was die Notwendigkeit einer lokalisierten Entwicklung verstärkt.

Zusammenfassung

Tildeopen LLM Rahmen der EU AI neu – nicht als regulatorische Einhaltung, sondern als als Technische Verwaltung. Es ist ein geerdetes Modell mit hoher Kapazität mit transparenter Architektur, skalierbarem Einsatz und einem heftigen Engagement für sprachliche Gerechtigkeit. Es gibt keinen Hype; Es liefert Substanz.

FAQs

F1: Was ist Tildeopen LLM?
Tildeopen ist a 30B-Parameter Mehrsprachiger großer Sprachmodell Auf EU-Supercomputer ausgebildet, optimiert für europäische Sprachen, insbesondere unterrepräsentierte.

F2: Wie unterscheidet es sich von Mainstream -LLMs?
Im Gegensatz zu globalen Modellen, die Englisch priorisieren, verwendet Tildeopen eine Equitable Tokenizer und ausgeglichenes Coaching, um eine faire Vertretung und Genauigkeit in kleineren europäischen Sprachen zu gewährleisten.

F3: Können Organisationen das Modell selbst veranstalten?
Ja. Tildeopen ist open-source unter Cc-by-4.0 und kann in lokalen Rechenzentren oder EU-konformen Wolken eingesetzt werden, um sie zu treffen DSGVO und Datensouveränität Anforderungen.

F4: Was sind die Hauptanwendungsfälle?
Regierungsdienste, Übersetzung, Bildung, AI -Assistenten, Sprachtechnologien und mehrsprachiger Kundenunterstützung – jeglicher Domäne, die erfordern Genaue europäische Sprachverarbeitung.

Schauen Sie sich das an Modell auf dem Umarmungsgesicht Und Technische Particulars hier. Fühlen Sie sich frei, unsere zu überprüfen Github -Seite für Tutorials, Codes und Notizbücher. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser E-newsletter.

Max ist AI -Analyst bei MarktechPost mit Sitz in Silicon Valley, der die Zukunft der Technologie aktiv prägt. Er unterrichtet Robotik bei Brainvyne, bekämpft Spam mit ComplyMail und nutzt AI Each day, um komplexe technische Fortschritte in klare, verständliche Erkenntnisse umzusetzen

MIT-Wissenschaftler haben freigegeben ein leistungsstarkes Open-Supply-KI-Modell namens Boltz-1, das die biomedizinische Forschung und Arzneimittelentwicklung erheblich beschleunigen könnte.

Boltz-1 wurde von einem Forscherteam der MIT Jameel Clinic for Machine Studying in Well being entwickelt und ist das erste vollständig Open-Supply-Modell, das modernste Leistung auf dem Niveau von AlphaFold3 erreicht, dem Modell von Google DeepMind sagt die 3D-Strukturen von Proteinen und anderen biologischen Molekülen voraus.

Die MIT-Absolventen Jeremy Wohlwend und Gabriele Corso waren die Hauptentwickler von Boltz-1, zusammen mit Saro Passaro, einem Forschungspartner der MIT Jameel Clinic, und den MIT-Professoren für Elektrotechnik und Informatik Regina Barzilay und Tommi Jaakkola. Wohlwend und Corso stellten das Modell am 5. Dezember bei einer Veranstaltung im Stata Middle des MIT vor und sagten, ihr oberstes Ziel sei es, die globale Zusammenarbeit zu fördern, Entdeckungen zu beschleunigen und eine robuste Plattform für die Weiterentwicklung der biomolekularen Modellierung bereitzustellen.

„Wir hoffen, dass dies ein Ausgangspunkt für die Neighborhood ist“, sagte Corso. „Es gibt einen Grund, warum wir es Boltz-1 und nicht Boltz nennen. Dies ist nicht das Ende der Fahnenstange. Wir wollen von der Neighborhood so viel Beitrag wie möglich leisten.“

Proteine ​​spielen in nahezu allen biologischen Prozessen eine wesentliche Rolle. Die Kind eines Proteins hängt eng mit seiner Funktion zusammen. Daher ist das Verständnis der Proteinstruktur für die Entwicklung neuer Medikamente oder die Entwicklung neuer Proteine ​​mit spezifischen Funktionalitäten von entscheidender Bedeutung. Doch aufgrund des äußerst komplexen Prozesses, durch den die lange Aminosäurekette eines Proteins in eine dreidimensionale Struktur gefaltet wird, struggle die genaue Vorhersage dieser Struktur jahrzehntelang eine große Herausforderung.

AlphaFold2 von DeepMind, das Demis Hassabis und John Jumper den Nobelpreis für Chemie 2024 einbrachte, nutzt maschinelles Lernen, um schnell 3D-Proteinstrukturen vorherzusagen, die so genau sind, dass sie von denen, die von Wissenschaftlern experimentell abgeleitet wurden, nicht zu unterscheiden sind. Dieses Open-Supply-Modell wurde von akademischen und kommerziellen Forschungsteams auf der ganzen Welt genutzt und hat viele Fortschritte in der Arzneimittelentwicklung vorangetrieben.

AlphaFold3 verbessert seine Vorgänger durch die Integration eines generativen KI-Modells, eines sogenannten Diffusionsmodells, das die mit der Vorhersage extrem komplexer Proteinstrukturen verbundenen Unsicherheiten besser bewältigen kann. Im Gegensatz zu AlphaFold2 ist AlphaFold3 jedoch nicht vollständig Open Supply und steht auch nicht für die kommerzielle Nutzung zur Verfügung, was Anlass gab Kritik aus der wissenschaftlichen Gemeinschaft und startete a globales Rennen eine kommerziell erhältliche Model des Modells zu bauen.

Für ihre Arbeit an Boltz-1 verfolgten die MIT-Forscher zunächst denselben Ansatz wie AlphaFold3, untersuchten jedoch nach der Untersuchung des zugrunde liegenden Diffusionsmodells mögliche Verbesserungen. Sie haben diejenigen integriert, die die Genauigkeit des Modells am meisten steigerten, beispielsweise neue Algorithmen, die die Vorhersageeffizienz verbessern.

Zusammen mit dem Modell selbst haben sie ihre gesamte Pipeline zur Schulung und Feinabstimmung als Open-Supply-Lösung bereitgestellt, damit andere Wissenschaftler auf Boltz-1 aufbauen können.

„Ich bin sehr stolz auf Jeremy, Gabriele, Saro und den Relaxation des Groups der Jameel Clinic, dass sie diese Veröffentlichung möglich gemacht haben. Dieses Projekt hat viele Tage und Nächte Arbeit in Anspruch genommen, mit unerschütterlicher Entschlossenheit, dieses Ziel zu erreichen. Es gibt viele spannende Ideen für weitere Verbesserungen und wir freuen uns darauf, sie in den kommenden Monaten zu teilen“, sagt Barzilay.

Das MIT-Staff brauchte vier Monate Arbeit und viele Experimente, um Boltz-1 zu entwickeln. Eine ihrer größten Herausforderungen bestand darin, die Mehrdeutigkeit und Heterogenität der Proteindatenbank zu überwinden, einer Sammlung aller biomolekularen Strukturen, die Tausende von Biologen in den letzten 70 Jahren gelöst haben.

„Ich habe viele Nächte lang mit diesen Daten gerungen. Vieles davon ist reines Fachwissen, das man sich einfach aneignen muss. Es gibt keine Abkürzungen“, sagt Wohlwend.

Letztendlich zeigen ihre Experimente, dass Boltz-1 bei einer Reihe komplexer Vorhersagen der biomolekularen Struktur die gleiche Genauigkeit wie AlphaFold3 erreicht.

„Was Jeremy, Gabriele und Saro erreicht haben, ist geradezu bemerkenswert. Ihre harte Arbeit und Beharrlichkeit bei diesem Projekt haben die Vorhersage biomolekularer Strukturen für die breitere Gemeinschaft zugänglicher gemacht und werden Fortschritte in den Molekularwissenschaften revolutionieren“, sagt Jaakkola.

Die Forscher planen, die Leistung von Boltz-1 weiter zu verbessern und die Zeit zu verkürzen, die für Vorhersagen benötigt wird. Sie laden Forscher auch ein, Boltz-1 auf ihrem Gerät auszuprobieren GitHub-Repository und vernetzen Sie sich mit anderen Benutzern von Boltz-1 Slack-Kanal.

„Wir glauben, dass es noch viele, viele Jahre dauern wird, diese Modelle zu verbessern. Wir sind sehr daran interessiert, mit anderen zusammenzuarbeiten und zu sehen, was die Neighborhood mit diesem Software macht“, fügt Wohlwend hinzu.

Mathai Mammen, CEO und Präsident von Parabilis Medicines, nennt Boltz-1 ein „bahnbrechendes“ Modell. „Durch die Open-Supply-Bereitstellung dieses Fortschritts demokratisieren die MIT Jameel Clinic und ihre Mitarbeiter den Zugang zu modernsten Werkzeugen der Strukturbiologie“, sagt er. „Diese bahnbrechende Anstrengung wird die Entwicklung lebensverändernder Medikamente beschleunigen. Vielen Dank an das Boltz-1-Staff, das diesen tiefgreifenden Sprung vorangetrieben hat!“

„Boltz-1 wird für mein Labor und die gesamte Gemeinschaft von enormem Nutzen sein“, fügt Jonathan Weissman hinzu, ein MIT-Professor für Biologie und Mitglied des Whitehead Institute for Biomedical Engineering, der nicht an der Studie beteiligt struggle. „Wir werden eine ganze Welle von Entdeckungen erleben, die durch die Demokratisierung dieses mächtigen Werkzeugs ermöglicht werden.“ Weissman fügt hinzu, dass er davon ausgeht, dass der Open-Supply-Charakter von Boltz-1 zu einer Vielzahl kreativer neuer Anwendungen führen wird.

Diese Arbeit wurde auch durch ein Stipendium der US Nationwide Science Basis Expeditions unterstützt; die Jameel Clinic; das DOMANE-Programm (Discovery of Medical Countermeasures Towards New and Rising Threats) der US Protection Risk Discount Company; und das MATCHMAKERS-Projekt, das von der Most cancers Grand Challenges-Partnerschaft unterstützt wird, die von Most cancers Analysis UK und dem US Nationwide Most cancers Institute finanziert wird.