JapanFold holder open‑source beregninger for lægemiddelforskning i Japan

ai& og Tenstorrent lancerede JapanFold den 3. september 2026, en lægemiddelforskningsplatform, der leverer open‑source modeller for strukturel biologi udelukkende på infrastruktur i Japan. Plattformen kører på ai&’s suveræne infrastruktur, som drives af Tenstorrent Galaxy superklustre, og virksomhederne siger, at al beregning udføres inden for landet.

Japanske forskere, lægemiddelvirksomheder og biotekfirmaer kan få adgang til modellerne til, hvad virksomhederne beskriver som en brøkdel af omkostningerne ved konventionel cloud‑infrastruktur. ai& siger, at de dækker udgiftsomkostningerne ved inferens, så forskere, universiteter og institutter i Japan kan bruge hver model gratis. Virksomheden beskrev JapanFold som deres første betydelige indsats inden for AI til videnskab.

Modeller og adgang

JapanFold tilbyder modeller inden for tre kategorier. Til struktur‑ og bindingsaffinitetsforudsigelse tilbyder platformen Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 og Nesso-1. Til de‑novo lægemiddeldesign leveres BoltzGen, RFdiffusion 3 og PXDesign, som sammen dækker arbejdsgangen fra proteinfoldning til generering af lægemiddelkandidater. ESMC og SaProt leverer protein‑indlejringer til efterfølgende opgaver.

Brugere kan få adgang til platformen på tre måder: et browser‑baseret Workbench, som kræver ingen installation eller tilmelding, et enkelt HTTP API endpoint delt af alle modeller, og en agent‑funktion til værktøjer som Claude Code, Cursor og Codex. API’en er asynkron (jobs indsendes, afspørges og downloades, når de er færdige) og som standard nøglefri, med en valgfri Bearer‑nøgle, der begrænser jobs til en individuel opkalder.

Da den offentlige tjeneste er en gratis demo, der kører på delt beregning, er input og samtidighed begrænset, med per‑model‑lofter såsom 1.024 rester for Boltz-2 og 576 for OpenFold3, samt takst‑grænser og et resultatbudget. Dokumentationen bemærker, at den fulde platform ikke har sådanne begrænsninger. Resultater gemmes ikke som holdbar lagring: tjenesten bevarer de 1.000 seneste jobs og fjerner den travleste opkalders ældste job først, når grænsen eller et lagringsloft nås.

Nøjagtighed og modellimitationer

ai& siger, at de optimerer og leverer hver JapanFold‑model på Tenstorrent‑processorer med 1:1 nøjagtighed, uden ekstra omkostninger, fordi modellerne skalerer næsten lineært på hardwaren – en fordobling af antallet af processorer fordobler output. Før hver udgivelse kontrolleres platformens output for paritet mod hver models officielle reference‑implementation, og en sammenligningsdel bestås, når enheden ligger inden for reference‑ens egen seed‑to‑seed støjgrænse, ifølge nøjagtighedsdokumentationen.

Den dokumentation indeholder også angivne forbehold. Paritetstjekkene måler porten frem for den underliggende videnskab, ved at sammenligne enheden med reference‑implementationen på samme input frem for mod eksperimentelle strukturer. OpenFold3’s vægte er et preview‑checkpoint, der er trænet langt før den fulde AlphaFold3‑plan, så dens tillids‑score bør læses, inden man stoler på en forudsigelse. OpenDDE‑checkpoints svarer til deres reference‑implementation, inklusive den implementations svaghed på visse svære antistof‑antigen‑mål.

I et ledsagende indlæg forklarede ai&‑medstiftere Shimpei Hara og David Bennett beregningseøkonomien bag lanceringen. Foldningsmodeller er beregnings‑begrænsede snarere end hukommelses‑båndbredde‑begrænsede som sprogmodeller, skrev de, så arbejdsbelastningen favoriserer chips designet omkring aritmetik og on‑chip‑hukommelse. De rapporterede, at en Blackhole Galaxy når den gennemstrømning, som en NVIDIA DGX B200 leverer på et 512‑rest‑protein, til omtrent en femtedel af købsprisen – omkring fem gange højere gennemstrømning pr. dollar, når arbejdsbelastning og nøjagtighed holdes konstante – med reference til projektets offentliggjorte benchmark‑målinger.

Hardware og de to virksomheder

Platformens Tenstorrent Galaxy Blackhole‑server indeholder 32 Blackhole‑ASIC’er med en ydelse på 23 petaFLOPS af blok‑FP8‑beregning, med 6,2 GB accelerator‑SRAM og 1 TB GDDR6‑hukommelse, ifølge Tenstorrents hardware‑specifikationer. Det 6U luft‑kølede system koster $160.000, og en superkluster‑konfiguration med fire Galaxy Blackhole‑systemer starter ved $640.000.

“Det japanske forskningsmiljø bør aldrig skulle vælge mellem verdensklasse AI og at beholde deres data suverænt,” sagde David Bennett, administrerende direktør og medstifter af ai&, i lanceringens meddelelse. Han sagde, at JapanFold fjerner dette kompromis.

“Tenstorrent leverer hurtig, skalerbar beregning, og ai& ejer hele stacken i Japan,” sagde Jim Keller, administrerende direktør for Tenstorrent. “Sammen har vi gjort det til en platform, som forskere faktisk kan bruge med JapanFold.”

ai& er et vertikalt integreret AI‑teknologifirma grundlagt i marts 2026 med hovedkontor i Yokohama, som integrerer datacenter‑infrastruktur, heterogen beregning og modeltjenester i en enkelt platform. Tenstorrent, ledet af Keller, bygger RISC‑V‑baserede AI‑processorer og -systemer til udviklere, virksomheder og suveræn infrastruktur, og har rejst over $1 milliard fra investorer inklusive Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group og Fidelity. Virksomhederne beskrev JapanFold‑lanceringen som det første skridt i en bredere indsats for at gøre suveræn, open‑source AI‑infrastruktur tilgængelig for videnskabelige forskningsfællesskaber i hele regionen.