主张背后的代码

基于扩散模型的无机晶体结构生成模型，覆盖整个元素周期表，可微调后按化学体系、空间群和目标性质定向生成。

权重：基础模型和各性质条件微调模型的 checkpoint 放在 Hugging Face（无门槛，MIT license）和 Git LFS 上；README 说明这些权重是用本仓库重新训练的，与论文所用并不相同，论文中用到的 ICSD 结构（4.4k 有序 + 117.7k 无序）因 license 原因无法公开。

它体现的取舍：代码和权重都是 MIT、无门槛，但论文的评估依赖 DFT 和需要授权的 ICSD 数据；仓库默认评估改用 MatterSim 机器学习力场，README 自己也提醒结果可能与 DFT 不同，需要用 DFT 复核。权重开放并不等于论文里的新颖性和稳定性数字可以复现。

benchmark 与现实：Nature 论文中唯一合成成功的候选物 TaCr2O6，实际得到的是预测有序结构的成分无序版本，实测体积模量最高 169 GPa，目标为 200 GPa（即论文所说的“误差在 20% 以内”）。2026 年 Materials Horizons 上 Juelsholt 的论文通过晶体学分析指出，这一物相与 1971 年就已报道、且在 MatterGen 训练集中的 Ta1/2Cr1/2O2 相同。这与 Cheetham 和 Seshadri 2024 年对 Google GNoME 的批评一脉相承：他们认为同时满足新颖、可信、有用三点的化合物“证据很少”。

它回答的问题：当核心卖点是“发现了新材料”时，你怎么定义“新”才能经得起领域专家的检验？对外宣布之前，你会设置什么样的验证关口？

来源：huggingface.co/…/microsoft/mattergen · raw.githubusercontent.com/…/HEAD/README.md · nature.com/…/articles/s41586-025-08628-5 · doi.org/…/10.1039/D6MH00268D · europepmc.org/…/MED/42007796 · doi.org/…/10.1021/acs.chemmater.4c00643 · 公司档案 →

用于训练和运行 MACE（高阶等变消息传递）机器学习原子间势的代码库，并提供 MACE-MP、MACE-OFF、MACE-MH 等预训练基础模型。

权重：权重无需申请即可下载，但各模型 license 不同：MACE-MP-0a/0b3 和 MACE-MPA-0 是 MIT；MACE-OMAT-0、MACE-OFF23、MACE-MATPES、MACE-OMOL/MH 则采用 Academic Software Licence（ASL），仅限学术非商业用途。

它体现的取舍：代码是 MIT，模型目录却一分为二：早期基于 MPtrj 训练的模型是 MIT，而用更大数据集（OMat、OMol、MATPES）训练的新模型采用非商业的 ASL。能否商用，取决于你选了哪个 checkpoint。

benchmark 与现实：MACE 参与排名的 Matbench Discovery，是把模型当作预筛选器、以 DFT 计算的稳定性数据为基准打分，而不是实验。另一项研究发现，MACE-MP-0（以及 M3GNet、CHGNet）在表面、缺陷、迁移势垒和声子等任务上相对 DFT 系统性低估能量和力，原因是训练数据集中在平衡结构附近。

它回答的问题：代码是 MIT，但最好的模型只能非商用：你如何逐个模型决定 license，又如何把这件事讲清楚，避免工业用户误用了不该用的 checkpoint？

来源：raw.githubusercontent.com/…/HEAD/README.md · raw.githubusercontent.com/…/HEAD/ASL.md · nature.com/…/articles/s42256-025-01055-1 · nature.com/…/articles/s41524-024-01500-6

Meta FAIR Chemistry 的集中式仓库，包含材料和分子机器学习的数据集、模型和工具，核心是通用原子间势模型 UMA。

权重：UMA 权重在 Hugging Face 上需人工审批：要填写法定全名、出生日期、所属机构和国家，并接受 FAIR Chemistry License v1（免版税、允许衍生，但附有使用政策，禁止军事、核等用途，发表论文须注明使用）。

它体现的取舍：代码 MIT，权重却要经过人工身份审核并接受自定义 license：模型在“可下载、可修改”意义上是开放的，但同时加上了使用限制和实名审核，这是 MIT 权重不会有的。

benchmark 与现实：Matbench Discovery 等基准以 DFT 数据为标准，而非实验；fairchem 自己的 README 也提醒，UMA/OMat24 模型基于 DFT/DFT+U 总能训练，未经修正与 Materials Project 的计算结果不兼容，所以榜单分数不能直接搬到具体工作流里。

它回答的问题：研究团队该不该给开放权重加上实名表单和自定义 license？你会损失多少采用率，又换来了哪些风险控制和可追责性？

来源：huggingface.co/…/facebook/UMA · raw.githubusercontent.com/…/HEAD/README.md · nature.com/…/articles/s42256-025-01055-1

用于表示和分析晶体结构与分子的 Python 库，支持多种电子结构软件的输入输出，是 Materials Project 的底层分析代码。

权重：不是模型，没有权重。

它体现的取舍：这是一个宽松 license 的基础设施库，按日历版本号频繁发版（2026-09-23 当天就发了两个版本），而下游项目希望改回语义化版本；它的 MP2020 能量修正方案也是 MACE、fairchem 等工具必须说明是否兼容的参照。

它回答的问题：你维护的是整个领域都依赖的基础库：怎么平衡发版速度和下游稳定性？你会承诺什么样的版本约定？

来源：github.com/…/materialsproject/pymatgen · github.com/…/pymatgen/releases · github.com/…/issues/2083 · raw.githubusercontent.com/…/HEAD/README.md

用于训练 Deep Potential 机器学习势函数并接入分子动力学（LAMMPS、i-PI、ASE 等）的软件包，目前主推预训练的 DPA4 模型。

权重：预训练的 DPA4-OMat24 系列 checkpoint（Nano 到 Plus）在 Hugging Face 上无需申请即可下载，但采用 CC-BY-NC-4.0，仅限非商业用途。

它体现的取舍：这是一个以社区名义运营的 LGPL 项目：DeePMD-kit v3 论文的作者单位中有北京的深势科技（DP Technology），DPA4 由北京科学智能研究院（AISI）、北京大学、深势科技和北京应用物理与计算数学研究所联合发布。代码是弱 copyleft，但主打的预训练权重只能非商用。

benchmark 与现实：DPA4 的宣传点是在 Matbench Discovery 综合分（CPS）上排名第一（截至 2026-05-22），但这个基准衡量的是模型作为预筛选器相对 DFT 稳定性数据的表现，并非实验结果。

它回答的问题：一个有公司背景的“社区”开源项目，在赞助方同时卖商业服务的情况下，如何保持中立基础设施的可信度？为什么代码用 LGPL，权重却只许非商用？

来源：huggingface.co/…/deepmodelingcommunity/DPA4-OMat24 · arxiv.org/…/html/2502.19161v2 · blogs.deepmodeling.com/…//DPA4_05_22_2026 · nature.com/…/articles/s42256-025-01055-1 · 公司档案 →

AlphaFold 3 的推理代码，可以预测蛋白质、核酸、配体和修饰残基组成的复合物的整体结构。

权重：自 2026 年 7 月 23 日起，参数改为直接下载，此前需要填表申请、由 Google DeepMind 自行决定是否批准。条款本身没变：只限非商业机构使用，不得用输出训练同类结构预测模型，也不得再分发参数。

它体现的取舍：2026 年访问分三步放开，权重条款始终没动：6 月 9 日代码从 CC BY-NC-SA 4.0 改成 Apache 2.0（提交说明写明只改代码），7 月 23 日申请表改为直接下载，8 月 21 日 README 开始把商业用户指向 Google Cloud。学术界拿到开放代码和免费下载，企业走付费通道。

它回答的问题：什么时候应该把代码和权重向学术界开放，同时把商业使用留在云 API 后面？“不得用输出训练模型”这一条保护的是什么？

来源：github.com/…/main/WEIGHTS_TERMS_OF_USE.md · google-deepmind/alphafold3 @ 7b197fe · google-deepmind/alphafold3 @ dd1a7ba · google-deepmind/alphafold3 @ 9b30e9a · 公司档案 →

Boltz-1 和 Boltz-2，开源的生物分子结构模型；Boltz-2 还预测蛋白-配体结合亲和力。

权重：代码和权重都是 MIT，README 明确写着学术和商业用途都免费。

它体现的取舍：从第一个版本起就完全宽松：自 2024 年 11 月 Boltz-1 起代码和权重都是 MIT，README 把自己定位为第一个接近 AlphaFold 3 精度的完全开源模型。开放本身就是它的差异化，而不是让步。

benchmark 与现实：README 称 Boltz-2 是第一个接近物理 FEP 方法精度、同时快 1000 倍的深度学习模型。但同一份 README 自 2025 年 6 月 Boltz-2 发布起，就一直写着 FEP+ 基准上的评估脚本和亲和力预测“即将发布”。

它回答的问题：如果模型是 MIT、竞争对手可以免费拿去用，商业模式从哪里来？当头条主张的评估代码迟迟没有发布，你欠用户什么？

来源：raw.githubusercontent.com/…/HEAD/README.md · github.com/…/main/LICENSE · doi.org/…/10.1101/2025.06.14.659707

Chai-1，一个多模态结构预测模型，覆盖蛋白、核酸、小分子和共价修饰，不提供 MSA 也能跑。

权重：Chai-1 的代码和权重都是 Apache 2.0，README 写明可以商用，包括药物发现。抗体设计模型 Chai-2 只有技术报告，不在这个仓库里。

它体现的取舍：Chai-1 在 2024 年 9 月以非商业社区许可证发布，两个半月后把代码和权重都改成 Apache 2.0。下一代模型 Chai-2 没有进仓库，README 给的入口是一个合作邮箱。

benchmark 与现实：README 说明，预印本和网页服务器的结果用的 MSA 搜索方式，与开源包调用的公共 MMseqs2 服务器不同，所以本地运行并不是报告数字所用的配置。

它回答的问题：开放上一代模型、保留下一代：什么时候开源昨天的模型，能为明天的模型带来信任和客户？

来源：raw.githubusercontent.com/…/HEAD/README.md · chaidiscovery/chai-lab @ 0c7cfd5

ESM3 生成式蛋白语言模型和 ESM C 表征模型的代码；原来的 evolutionaryscale/esm 仓库现在跳转到这里。

权重：按规模分档：1.4B 的 esm3-sm-open-v1 权重在 Hugging Face 上，MIT 许可；7B 和 98B 的旗舰 ESM3 模型要通过 Biohub 的 API 使用。使用还要遵守 Biohub 的可接受使用政策。

它体现的取舍：2026 年 5 月之前，这个仓库同时用着四套许可：代码和 ESM C 300M 用开放许可，ESM3 开放模型和 ESM C 600M 用非商业许可，另有免费的非商业 API 额度和付费的商业 API。2026 年 5 月 27 日改为 MIT，版权方变成 Chan Zuckerberg Biohub。规模分档没变：旗舰模型仍然只能通过 API 使用。

它回答的问题：一个模型家族怎么在开放权重和 API 之间分档？背后的机构换了主人，许可证阶梯会怎样？

来源：github.com/…/_assets/ESM3_README.md · Biohub/esm @ c94ed8d

在 Colab 笔记本或本地批处理工具里做结构预测，MSA 由公共 MMseqs2 服务器生成，而不用本地数据库搜索。

权重：ColabFold 自己不发布模型，它运行 AlphaFold2 等模型，贡献在于 MSA 服务器和封装。Chai-1 和 ColabFold 自己的 AlphaFold 3 输入导出也调用同一个服务器。

它体现的取舍：它把结构预测留在专业实验室里的两项成本（一块 GPU 和大规模序列数据库搜索）挪到了免费的 Colab GPU 和一台共享服务器上。README 的 FAQ 自己要求用户只从单个 IP 串行查询这台服务器，并说明自建搜索需要约 128 GB 内存。它拆掉的门槛，变成了别人也依赖的一项共享资源。

它回答的问题：它的普及靠的是省掉配置，而不是更好的模型：大家都依赖的共享服务器由谁买单？当模型是别人的，产品到底是什么？

来源：raw.githubusercontent.com/…/HEAD/README.md

PaperQA2 是一个 Python 包兼命令行工具（`pqa`），对 PDF、文本、Office 文档和源代码做智能体式 RAG，主要用于基于科学文献回答问题并给出引用。

权重：不发布模型权重；PaperQA2 通过 LiteLLM 调用外部 LLM 与 embedding 模型，默认使用 OpenAI，README 也给出了 llamafile/llama.cpp、Ollama 和 Sentence Transformers 等本地方案。

它体现的取舍：开源库提供的是 RAG 和智能体流程本身，PDF 和 LLM API key 都要用户自己准备。README 的 FAQ 写明，FutureHouse 内部版本用的是另一套工具，还有无法公开的论文访问 API 和许可。FutureHouse 在 2025 年 5 月推出托管平台，通过免费网页和 API 提供文献智能体 Crow，并自带论文语料库。2025 年底分拆出的营利公司 Edison Scientific 如今负责商业化。

benchmark 与现实：README 引用了 PaperQA2 论文中的“超越人类”结果，但它自己的 FAQ（“为什么我的结果和你们论文不同？”）说明，这些结果依赖内部工具和有许可的论文访问。FAQ 还说，论文中的智能体要在全部文献里自己检索相关论文，而不是从已知的相关 PDF 开始。所以开源用户不应指望原样复现论文中的数字。

它回答的问题：如果把智能体的核心代码开源，却保留了支撑头条 benchmark 的数据访问能力（有许可的全文语料），你会怎样定位开源库和托管产品的关系？对复现不出论文结果的用户，你会怎么解释？

来源：raw.githubusercontent.com/…/HEAD/README.md · futurehouse.org/…/research-announcements/launching-futurehouse-platform-ai-agents · techfundingnews.com/…//edison-raises-70m-ai-scientist-platform · arxiv.org/…/abs/2409.13740 · 公司档案 →

The AI Scientist（v1）是一套流水线：由 LLM 提出研究想法，在人工编写的模板（NanoGPT、2D Diffusion、Grokking）上修改并运行实验代码，撰写 LaTeX 论文，再自动评审。

权重：不涉及模型权重，运行依赖 API 模型（OpenAI、Anthropic、DeepSeek、OpenRouter 等）。代码许可证在 2025 年 12 月由 Apache 2.0 换成 Responsible AI 风格的自定义许可证，要求凡是用它生成的论文都必须显著声明由机器生成。

它体现的取舍：代码开源，运行成本也低（README：“用 Claude Sonnet 3.5 通常每篇不到 15 美元”），但它依赖前沿模型 API，而且会执行 LLM 写出的代码。README 要求用户自行容器化并限制联网，唯一的 Docker 镜像来自社区贡献。2025 年的许可证变更把“披露 AI 参与”从学术规范变成了具有法律约束的义务。

benchmark 与现实：Beel、Kan 和 Baumgart 的独立评估（arXiv 2502.14297）发现：新颖性判断很差，42% 的实验因代码错误失败。生成的论文引用数中位数只有 5 篇，结构错误频繁，部分数值结果是编造的，整体质量被比作“赶工的本科生论文”。不过每篇成本只有 6 到 15 美元，人工投入约 3.5 小时。

它回答的问题：你的开源智能体会自主运行自己写的代码，产出的论文乍看与人写的难以区分。哪些防护措施（沙箱、许可证、披露要求）应该内置在产品里，哪些可以交给用户自己负责？

来源：raw.githubusercontent.com/…/HEAD/LICENSE · raw.githubusercontent.com/…/HEAD/README.md · arxiv.org/…/abs/2502.14297v3

The AI Scientist-v2 是 v1 的后继版本，不再依赖模板，由一个实验管理智能体引导智能体式树搜索，完成提出假设、运行机器学习实验和撰写论文。Sakana 称它产出了第一篇完全由 AI 撰写、并通过同行评审的论文（ICLR 2025 workshop）。

权重：不涉及模型权重，运行依赖 OpenAI、Gemini 以及经由 Bedrock 调用的 Claude 等 API。许可证与 v1 相同，都强制要求声明论文由机器生成。

它体现的取舍：v2 放弃了 v1 的人工模板，换取开放式探索。它自己的 README 承认 v2“不一定比 v1 写出更好的论文”：在有好模板时 v1 成功率更高，v2 成功率较低。用 Claude 3.5 Sonnet 跑实验每次约 15 到 20 美元，写作阶段另加约 5 美元。和 v1 一样，因为要执行 LLM 写的代码，必须在沙箱中运行。

benchmark 与现实：Sakana 向 ICLR 2025 的 ICBINB workshop 投了 3 篇 AI 生成的论文。其中一篇得分 6/7/6（平均 6.33，高于该 workshop 的平均录用线），并按原计划在发表前撤稿。投哪几篇是人挑的；Sakana 自己也说三篇都达不到其心目中 ICLR 主会的录用标准，承认存在“令人尴尬的引用错误”，并指出 workshop 录用率（60-70%）远高于主会（20-30%）。

它回答的问题：像“首篇通过同行评审的 AI 论文”这样的里程碑，怎样宣布才算准确？人工筛选、workshop 与主会的差别、撤稿、引用错误这些限定条件，哪些该放进标题，哪些可以放在细则里？

来源：raw.githubusercontent.com/…/HEAD/LICENSE · raw.githubusercontent.com/…/HEAD/README.md · sakana.ai/…//ai-scientist-first-publication