通义实验室联合开源统一科学大模型 LOGOS，1B 参数表现超过 NatureLM

通义实验室在2026年6月18日正式宣布，开源首个建立在统一“科学语法”之上的多领域科学生成基础模型 LOGOS（Language Of Generative Objects in Science）。

这款模型由 ATH-Token Foundry 携手中国人民大学高瓴人工智能学院共同打造，目标是改变传统 AI for Science（AI4S）领域“一个任务配一个专家模型”的割裂局面。它把蛋白质、小分子、材料以及化学反应等不同类型的科学对象，统一编码成离散 Token 序列，从而实现跨领域知识融合，并在原生大模型框架下完成自回归生成。

LOGOS 的关键创新，在于其提出了全新的“科学语法”设计以及空间交互离散化方法。借助这一方案，模型不必依赖稀缺的 3D 坐标数据和专门的几何网络，只通过序列预测，就能深入理解复杂的 3D 空间相互作用规律，同时让预训练和下游任务在形式与目标上保持完全一致。

从评测结果来看，参数规模仅为 1B 的 LOGOS-1B，在口袋条件配体生成、逆合成预测（Top-1 准确率达到 74.8%）、口袋位点识别（HOLO4K 数据集 Top-n 准确率达到 58.5%）以及 MOF 材料生成（新型构建单元比例提升 76%）等六项代表性任务中，整体都做到了与领域专用方法持平甚至超越。更值得关注的是，它还以仅为对方 1/56 的参数量，在多个任务上超过了 8×7B 的 NatureLM。

由于继承了大语言模型（LLM）的预训练权重，LOGOS 不但可以直接沿用 vLLM 推理加速、模型量化等成熟工程能力，还进一步打通了不同学科之间的界限，推动自然科学研究从“筛选已知”迈向“设计驱动”。目前，这一模型的权重、推理代码和技术报告都已经面向全球开源。