Insilico Medicine 公司擴展其 MMAI Gym AI 訓練平台，推出三款基準排行榜入口，為科學研究與藥物發現領域提供標準化的 AI 系統評估與改進工具，並展現其AI模型在藥物開發任務上比通用模型高出十倍的效能，有望加速新藥研發進程。
總部位於香港的生物科技公司 Insilico Medicine（Insilico Medicine）於4月14日宣布，擴展旗下 MMAI Gym 平台，導入三款基準排行榜入口，旨在全面評估與改進在科學研究及藥物發現領域的 AI 系統。
MMAI Gym 是一個用於基礎模型（foundation model）訓練與大規模基準測試的框架平台，其目標是讓各機構能訓練專用於特定領域推理的模型，並評估這些模型在真實任務中的表現。此平台整合了來自藥物發現、生物學、化學及更廣泛科學領域的基準測試任務，提升科學 AI 的標準化與可擴展性。
新推出的基準排行榜入口分為三大類別：ScienceAI Bench 旨在評估生物學、化學、長壽研究、材料科學及農業等廣泛科學領域的推理能力；藥物發現基準（Drug Discovery Benchmark, DDB）則專注於端到端的藥物發現流程，涵蓋標靶識別、分子設計與優化；Insilico Bench 則包含 Insilico Medicine 針對複雜藥物發現挑戰所開發的專有基準，其中 TargetBench 用於評估標靶識別能力，並已成功驗證其最新標靶發現模型 TargetPro，相關研究成果已發表於《科學報告》（Scientific Reports）。
Insilico Medicine 強調，這些基準類別刻意重疊，以便進行多維度評估，同時涵蓋通用型與專業型任務。這些公共排行榜入口目前已涵蓋超過 200 項基準任務，未來預計將進一步擴展。公司先前的研究顯示，透過 MMAI Gym 訓練的基礎模型，在關鍵藥物發現基準上的效能比通用型基礎模型提升高達十倍，而通用模型在約 75% 至 95% 的專業任務上表現不佳。
Insilico Medicine 執行長 Alex Zhavoronkov（Alex Zhavoronkov）表示：「MMAI Gym 建立了一個統一的系統，用於訓練、評估並持續改進科學領域的 AI。透過建立標準化的基準和訓練環境，我們正為藥物發現領域帶來可擴展、值得信賴的 AI。」
今年3月，Insilico Medicine 與 Liquid AI 共同推出了 LFM2-2.6B-MMAI (v0.2.1) 模型，這是透過首次 MMAI Gym 合作訓練出的首個模型。儘管 LFM2-2.6B-MMAI (v0.2.1) 採用輕量化的本地部署設計，卻在多項關鍵任務上展現了領先業界水準的表現。該模型的訓練過程與最終效能細節已獲國際學習表徵會議（ICLR）2026年接受發表。
Insilico Medicine 致力於整合人工智慧與自動化技術，加速藥物發現、推動生命科學創新並延長健康壽命。該公司於 2025 年 12 月 30 日在香港證券交易所主板掛牌上市（股票代碼：03696.HK），其藥物解決方案涵蓋纖維化、腫瘤學、免疫學、疼痛、肥胖症與代謝紊亂等領域，並將 Pharma.AI 技術應用於先進材料、農業、營養產品及獸醫學等更廣泛的領域。