用途：Chai-1 用于蛋白、核酸与小分子复合物的结构预测。输入为多实体 FASTA，头部格式为 >{entity_type}|name={id}，entity_type 可取 protein、rna、dna、ligand；配体记录以 SMILES 字符串作为序列正文，修饰残基可内联写作 ...AAK(SEP)AAG...。输出为 mmCIF 与配套 npz 分数。
主要能力：输出目录中生成 pred.model_idx_{0..4}.cif 及 scores.model_idx_{N}.npz，包含 aggregate_score、ptm、iptm、per_chain_ptm 与冲突（clash）标志。可用 aggregate_score 排序，iptm 大于 0.5 可视作界面软通过。与 boltz 覆盖同样范围，常同时运行并保留任一方通过的共识过滤方案；Chai 的 Python 入口更易嵌入循环。
使用方式：Python 中从 chai_lab.chai1 导入 run_inference，传入 fasta_file、output_dir、num_trunk_recycles、num_diffn_timesteps、seed、device、use_esm_embeddings 等参数；命令行可用 chai-lab fold complex.fasta out/ --use-msa-server。不加 --use-msa-server（或 Python 中 use_msa_server=True）时仅依赖 ESM 嵌入，速度更快，但通常 ipTM 比带 MSA 的运行低几分。output_dir 非空会被拒绝，调用间需清空或轮换。
限制：首次推理调用会下载约 5 GB（非安装时），含自身 traced ESM2-3B；未设置 CHAI_DOWNLOADS_DIR 时默认落在 site-packages，只读镜像会在运行中途报 PermissionError，可写镜像每次冷启动会静默重新下载，建议导出到持久卷。无 MSA 模式仍会加载 30 亿参数 ESM，显存占用不变；显存不足应降低 num_diffn_timesteps 或减少每次折叠链数。另需注意 ESM 嵌入阶段可能报 CUDA out of memory。代码与权重为 Apache-2.0，资料称明确允许包括药物发现在内的商业使用。