ESM（Evolutionary Scale Modeling）提供蛋白质语言模型，用于理解、生成和设计蛋白质，覆盖ESM3与ESM C两个模型族。
用途：ESM3为多模态生成模型，可设计具有特定功能的蛋白质、补全部分序列、生成现有蛋白质变体、按目标结构特征生成蛋白质；其结构轨道支持从序列预测结构及逆折叠（由结构设计序列）；功能轨道支持按功能注释生成或预测功能。ESM C用于生成高质量嵌入，适合功能预测、分类、相似性分析与迁移学习等下游任务。
使用方式：安装使用 uv pip install esm；如需更快的推理可再执行 uv pip install flash-attn --no-build-isolation。本地使用示例包括 ESM3.from_pretrained("esm3-sm-open-v1").to("cuda")，通过 ESMProtein 构造提示序列（下划线代表掩码位），再用 model.generate(protein, GenerationConfig(track="sequence", num_steps=8)) 生成。ESM C 使用 ESMC.from_pretrained("esmc-300m").to("cuda")，经 model.encode 与 model.forward 获取嵌入。云端可经 Forge：ESM3ForgeInferenceClient(model="esm3-medium-2024-08", url="https://forge.evolutionaryscale.ai", token="<token>")，并支持异步批量生成。
模型选择：ESM3 提供 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）；ESM C 提供 esmc-300m、esmc-600m、esmc-6b。ESM3 还支持链式思考迭代精修与多步优化，Forge 支持批量执行，另可考虑 AWS SageMaker 部署。
限制与注意：不同模型的可获取途径（本地/仅Forge）不同；生成结果建议用结构预测或湿实验验证；应遵循负责任生物设计框架并考虑生物安全与伦理；Forge 需申请 token。价格、速率限制等具体数值暂未提供。