用途：ESM 提供蛋白质语言模型，用于理解、生成和设计蛋白质，涵盖 ESM3（跨序列、结构、功能的多模态生成式设计）与 ESM C（高效表示学习与嵌入）两个模型系列。
主要能力：一是用 ESM3 生成具有目标性质的新蛋白质序列，可补全部分序列（用下划线表示掩码位）、生成变体；二是结构预测与反向折叠，即可从序列预测三维结构（coordinates、to_pdb），或从目标结构生成可折叠为该结构的序列；三是用 ESM C 生成高质量嵌入，用于功能预测、分类、相似性分析与迁移学习；四是功能条件生成，通过 FunctionAnnotation 指定功能区间生成序列；五是链式思考式迭代生成，分步在结构、序列、功能轨道间优化；六是通过 Forge API 进行异步批量处理。
模型选择：ESM3 含 esm3-sm-open-v1（1.4B，开放权重，可本地用）、esm3-medium-2024-08（7B，仅 Forge）、esm3-large-2024-03（98B，仅 Forge）；ESM C 含 esmc-300m、esmc-600m、esmc-6b。本地开发可用 esm3-sm-open-v1 或 esmc-300m，生产可用 Forge 上的中等或大模型。
使用方式：安装命令为 uv pip install esm，如需更快推理可再执行 uv pip install flash-attn --no-build-isolation；Forge 客户端已含在 SDK 中，需在 https://forge.evolutionaryscale.ai 获取 token。基本流程为加载模型（如 ESM3.from_pretrained("esm3-sm-open-v1").to("cuda") 或 ESMC.from_pretrained("esmc-300m")），构造 ESMProtein，再调用 generate 或 encode/forward。生成时可用 temperature 控制多样性（0.0 确定、1.0 多样）。
适用场景：蛋白质工程、药物发现与科学研究，包括新蛋白设计、变体生成与筛选、基于结构的序列优化、功能预测、嵌入聚类分析。
限制与注意：资料未提供具体收费标准与价格。Forge 模型需 token 与网络访问，eSM3-medium/large 无法本地运行。设计新蛋白时应遵循 Responsible Biodesign Framework（https://responsiblebiodesign.ai/），并考虑生物安全与伦理，生成结果需经结构预测或湿实验验证。部分平台、部署细节与速率限制资料中暂未完整提供。