AI Radar — лента📊 Малые модели обошли GPT и Gemini на задачах старения. Insilico Medicine выложила открытый набор
Insilico Medicine опубликовала в Cell открытый набор инструментов для исследований старения.
Пять компактных моделей (0,6–9 млрд параметров) на базе Qwen3 и Liquid AI LFM2 обошли frontier-модели Google и OpenAI с отрывом в два-три раза.
Что показали. L-Qwen3.5-9B заняла 4,4 место на лидерборде LongevityBench из 17 задач — лучший результат среди всех моделей. Для сравнения, Gemini 3.1 Pro оказался на 8,2. При предсказании протеомного возраста ошибка компактной модели составила 5,7 года против 10,1 года у лучшей frontier-системы. На 10-летней смертности по данным NHANES точность достигла 0,890.
Что внутри. Архитектура MoE от Liquid AI и дообучение на биологических данных старения. Платформа Longevity Claw содержит 233 биологических часов и 429 165 коэффициентов в модуле предсказания возраста — она номинировала 328 генов-мишеней среди 14 признаков старения с 5,6-кратным обогащением относительно экспериментально подтверждённых кандидатов.
Результаты замерены на собственных синтетических задачах LongevityBench; неясно, коррелируют ли они с успехом в реальных клинических исследованиях.
Что это значит: у исследователей появился открытый и воспроизводимый инструментарий для работы с биологией старения без зависимости от закрытых frontier-моделей.
Оригинальная публикация в Telegram