用途：ESM 提供蛋白质语言模型，用于理解、生成与设计蛋白质，包含 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）两个模型家族。
主要能力：ESM3 可生成具有目标性质的新序列、补全部分序列、生成变体、按结构预测或反向折叠设计序列，并支持功能注释条件生成与思维链式多步迭代优化。ESM C 用于提取蛋白质嵌入，服务于功能预测、分类、相似性分析与迁移学习。
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。本地加载示例：ESM3.from_pretrained("esm3-sm-open-v1").to("cuda")，ESMC.from_pretrained("esmc-300m").to("cuda")。云端可通过 ESM3ForgeInferenceClient 连接 https://forge.evolutionaryscale.ai，需在 https://forge.evolutionaryscale.ai 获取 token，并支持异步批量处理。
模型选择：ESM3 有 esm3-sm-open-v1（1.4B，开放权重、本地可用）、esm3-medium-2024-08（7B，仅 Forge）、esm3-large-2024-03（98B，仅 Forge）；ESM C 有 esmc-300m、esmc-600m、esmc-6b。
适用场景：蛋白质工程、药物发现与科学研究中的序列设计、结构预测、功能预测与嵌入分析。
限制：部分大模型仅通过 Forge 提供；生成结果建议用结构预测或湿实验验证；设计新蛋白质时应遵循 Responsible Biodesign Framework 并考虑生物安全与伦理。具体收费与价格暂未提供。