OpenAI 发布案例，César de la Fuente 的实验室扫描现存与已灭绝生物的基因组，寻找对抗耐药性感染的抗菌候选分子。
OpenAI 在其新闻页面发布了一则案例，介绍一间研究实验室如何在工作中使用 Codex 与 ChatGPT。由 César de la Fuente 领导的实验室，正在扫描现存生物以及已灭绝生物的基因组，寻找可用于对抗耐药性感染的抗菌候选分子。
公开的摘要指向工作流程中的两个部分：在基因组数据上运行的筛查任务，以及驱动这些任务的代码。Codex 负责写代码和执行的环节，ChatGPT 则被放进研究流程本身。
除这段摘要之外，该公告没有给出量化结果，也没有说明已识别分子的数量，同样没有附上论文引用。想了解筛查方法、得到的候选分子以及验证方式，需要查阅原始来源。
原文链接：OpenAI，How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules。
Liquid AI has released LFM2.5-24B-A2B as an open model. It has 24 billion parameters in total but runs about 2.5 billion at each step. Trained for agents that use tools, the model generates 184 tokens per second on an Apple M5 Max, according to results shared by the company.
أطلقت Liquid AI نموذج LFM2.5-24B-A2B كنموذج مفتوح، ويضم 24 مليار معامل إجمالا لكنه يشغل نحو 2.5 مليار منها في كل خطوة. وبحسب النتائج التي نشرتها الشركة، يولد النموذج المدرب للوكلاء الذين يستخدمون الأدوات 184 رمزا في الثانية على Apple M5 Max.
Liquid AI 以开放模型形式发布了 LFM2.5-24B-A2B。该模型总参数 240 亿，每步约激活 25 亿。根据官方公布的结果，这款为使用工具的智能体训练的模型在 Apple M5 Max 上每秒可生成 184 个 token。
Liquid AI, toplam 24 milyar parametreli ama her adımda yaklaşık 2,5 milyarını çalıştıran LFM2.5-24B-A2B'yi açık model olarak yayımladı. Araç kullanan ajanlar için eğitilen model, şirketin paylaştığı sonuçlara göre Apple M5 Max'te saniyede 184 token üretiyor.
