AlphaFold3 级精度
Boltz-1 达到 AlphaFold3 级别的预测精度，同时完全开源并允许商业使用，正面解决了 AlphaFold3 不可商用带来的限制。
Boltz-1
AI TOOL PROFILE工具资料MIT 开源的生物分子结构预测模型，精度对标 AlphaFold3
价格官网未标价
平台—
归类大模型与开发平台
收录2024-12-06
复核2024-12-06
编辑评分
4.3 / 5
★★★★☆
Boltz-1编辑总结
Boltz-1 是 MIT 阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所（MIT Jameel Clinic）团队发布的生物分子结构预测模型，由 Jeremy Wohlwend、Gabriele Corso、Saro Passaro 三位主要开发者主导，Regina Barzilay 与 Tommi Jaakkola 两位教授指导，历时四个月完成。它最大的特点是真正开源且允许商业使用，精度达到 AlphaFold3 级别，而 AlphaFold3 既不完全开源也不对商业场景开放。团队希望它成为蛋白质设计与虚拟筛选的基础工具，帮助全球科研社区统一结构生物学的研究实践。短板同样明显：训练与推理对算力要求极高，团队为获得足够 GPU 不得不求助美国能源部和 Genesis Therapeutics；官网也未公开具体价格、授权条款与运行门槛。
Boltz-1是什么？
Boltz-1 是一个生物分子结构预测模型，名字取自描述分子结构分布的玻尔兹曼分布。它由 MIT Jameel Clinic 的 PhD 学生团队开发，指导者为 MIT 电气工程与计算机科学系教授 Regina Barzilay 和 Tommi Jaakkola。开发周期仅四个月，主要开发者是 Jeremy Wohlwend、Gabriele Corso 和 MIT Jameel Clinic 研究员 Saro Passaro。模型定位是面向全球科研社区，帮助标准化结构生物学的研究实践。
与 AlphaFold3 最大的区别在于开放性。AlphaFold3 于 2024 年 5 月发布后因不完全开源、不可商业使用而受到科学界批评；Boltz-1 则完全开源且可用于商业用途，精度达到 AlphaFold3 级别。这一差异直接回应了商业机构在药物开发中的实际需求——MIT 团队认为，让产业界研究者使用模型，能反过来推动模型改进。
使用方式上，学术研究者可以把它作为结构预测与虚拟筛选的基础模型，商业机构可以基于它构建与药物开发直接相关的流程，蛋白质设计方向的团队则可用它作为设计的起点。团队明确希望 Boltz-1 成为蛋白质设计和虚拟筛选的基础。
Boltz-1核心功能
完全开源可商用
作为首个真正开源的生物分子结构预测模型，Boltz-1 允许商业机构直接用于药物开发相关流程，不受学术研究范围限制。
四个月完成开发
由 MIT Jameel Clinic 的 PhD 学生团队在四个月内完成，指导者为 MIT EECS 教授 Regina Barzilay 与 Tommi Jaakkola。
蛋白质设计基础
团队期望 Boltz-1 作为蛋白质设计与虚拟筛选的基础模型，帮助全球科研社区标准化结构生物学的研究实践。
大规模训练与算力
训练规模远超实验室常规实验，团队为获取足够 GPU 先后求助美国能源部与 Genesis Therapeutics，才完成所需的算力工程。
Boltz-1适合谁用？
商业药物研发团队
推荐AlphaFold3 不可商用，Boltz-1 完全开源且允许商业使用，适合需要把结构预测直接嵌入药物开发流程的产业团队。
结构生物学研究者
推荐可作为蛋白质设计与虚拟筛选的基础模型，帮助统一研究实践；但训练与推理对算力要求很高，需先确认本地 GPU 资源。
算力有限的学术实验室
有条件开发团队为获得足够 GPU 不得不求助美国能源部与 Genesis Therapeutics，实验室若只有少量 GPU，运行门槛会比较高。
只做小分子预测的用户
有条件聚焦生物分子结构预测与蛋白质设计，未说明是否覆盖小分子专用场景，选型前建议先核对模型能力范围。
Boltz-1优点和缺点
优点
- 精度达到 AlphaFold3 级别，同时完全开源
- 允许商业使用，不受学术研究范围限制
- 由 MIT Jameel Clinic 团队开发，四位教授级指导者参与
- 四个月完成开发，主要开发者为三名 PhD 学生与研究员
- 面向蛋白质设计与虚拟筛选，可作为基础模型使用
缺点
- 训练规模极大，对 GPU 算力要求很高
- 团队需借助美国能源部与 Genesis Therapeutics 的算力
- 官网未公开具体价格与授权条款细节
- 结构数据库数据复杂，模型训练需要大量试错
Boltz-1常见问题
Boltz-1 和 AlphaFold3 有什么不同？＋
两者精度相当，Boltz-1 达到 AlphaFold3 级别。核心区别在开放性：AlphaFold3 于 2024 年 5 月发布后因不完全开源、不可商业使用而受到科学界批评；Boltz-1 完全开源且允许商业使用，MIT 团队正是希望借此推动学术界之外的创新。
Boltz-1 可以用来做什么？＋
团队希望它被用作蛋白质设计和虚拟筛选的基础模型，帮助全球科研社区标准化结构生物学的研究实践。商业机构可以把它用在药物开发相关流程中，这也是它区别于 AlphaFold3 的关键场景。
运行 Boltz-1 需要多少算力？＋
称训练规模非常大，团队开发过程中为获取足够 GPU，先后向美国能源部和 Genesis Therapeutics 寻求协助。团队指出，该领域多数学术实验只连接少量 GPU，远不足以完成 Boltz-1 所需的工程规模。
开发 Boltz-1 遇到的主要困难是什么？＋
开发者 Gabriele Corso 表示最大挑战是规模，包括数据、训练和算力，整体比实验室以往做过的任何项目都大。Jeremy Wohlwend 则指出另一难点是数据复杂性：PDB 等结构数据库为生物学家构建，并不直接适合模型训练，存在许多边缘情况，需要大量试错。
Boltz-1竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Boltz-1本工具 | 4.3 | 未标价 | AlphaFold3 级精度；完全开源可商用；四个月完成开发；蛋白质设计基础 | — |
| NEAR AI | — | 按 token 计费，输入输出分开报价，每 1M token 起；无平台费 | 构建世界上最好的真正开放的人工智能，让用户拥有数据和 AI 的未来 | API / Web |
| FiveThirtyNine | — | 未标价 | AI 预测模型，探索未来可能性 | — |
| multi-token prediction | — | 未标价 | 多令牌预测模型，提升语言模型的效率与性能 | — |
| XPack | — | 未标价 | 全球首个开源的 MCP 交易平台 | — |
| timesfm-2.0-500m-pytorch | — | 未标价 | 由 Google Research 开发的预训练时间序列预测模型 | — |
