通义实验室于2026年6月18日宣布开源首个基于统一“科学语法”的多领域科学生成基础模型 LOGOS（Language Of Generative Objects in Science）。
该模型由 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院共同研发，旨在打破传统 AI for Science（AI4S）领域“一任务一专家模型”的割裂现状，通过将蛋白质、小分子、材料和化学反应等异构科学对象编码为统一的离散 Token 序列，实现了跨领域知识的整合与原生大模型框架下的自回归生成。
LOGOS 核心突破在于其创新的“科学语法”设计与空间交互离散化技术，使模型无需依赖稀缺的3D 坐标数据和专用几何网络，仅凭序列预测即可深度理解复杂的3D 空间互作规律，并实现预训练与下游任务在形式与目标上的完全一致。
评测数据显示，仅拥有1B 参数量的 LOGOS-1B 在口袋条件配体生成、逆合成预测（Top-1准确率达74.8%）、口袋位点识别(HOLO4K 数据集 Top-n 准确率达58.5%)以及 MOF 材料生成(新型构建单元比例提升76%)等六大代表性任务中，均一致性地匹配或超越了领域专用方法，甚至以1/56的参数量在多个任务上超越了8×7B 的 NatureLM。
通过继承大语言模型（LLM）的预训练权重，LOGOS 不仅能直接复用 vLLM 推理加速、模型量化等成熟的工程基建，更打破了学科壁垒，推动自然科学研究从“筛选已知”向“设计驱动”转变。目前，该模型的权重、推理代码及技术报告已在全球开源。
