用途：ESM 提供蛋白质语言模型，用于理解、生成和设计蛋白质，主要围绕 ESM3（生成式）与 ESM C（表示学习）两个模型族。
主要能力：
- 序列生成：用 ESM3 生成具备目标特性的新序列、补全部分序列、生成变体。示例以 '_' 表示掩码位：ESMProtein(sequence="MPRT___KEND")，随后调用 model.generate(protein, GenerationConfig(track="sequence", num_steps=8))。
- 结构预测与反向折叠：以 track="structure" 从序列预测三维坐标并导出 PDB；或以 ESMProtein.from_pdb 读入结构、置 sequence=None 后按 track="sequence" 设计序列。
- 蛋白质嵌入：用 ESM C（如 esmc-300m）经 model.encode 与 model.forward 得到表示，可批处理，用于功能预测、分类、相似度与迁移学习。
- 功能条件生成与标注：通过 FunctionAnnotation(label, start, end) 结合 track="sequence" 生成带指定功能的序列。
- 思维链生成：按 structure、sequence、function 等 track 多步迭代优化设计。
- Forge 批量处理：用 ESM3ForgeInferenceClient 与 async_generate 结合 asyncio.gather 异步批处理。
模型选择：生成侧有 esm3-sm-open-v1（1.4B，开放权重，可本地）、esm3-medium-2024-08（7B，仅 Forge）、esm3-large-2024-03（98B，仅 Forge）；嵌入侧有 esmc-300m、esmc-600m、esmc-6b。可按本地实验、生产质量、最高精度或高吞吐场景选择。
安装与使用：uv pip install esm；如需更快推理可再安装 uv pip install flash-attn --no-build-isolation。Forge 客户端包含在 SDK 中，需在 https://forge.evolutionaryscale.ai 获取 token。
适用场景：蛋白质工程、药物发现与科学研究中的设计、变体筛选、结构相关序列优化、功能预测与嵌入聚类分析等。
限制与注意：本地仅 esm3-sm-open-v1 为开放权重，其余模型需经 Forge；生成的序列建议用结构预测验证或湿实验确认；应遵循负责任生物设计框架并考虑生物安全与伦理。价格、速率限制等具体信息暂未提供。