Synthetic Sciences lanza OpenScience, un banco de trabajo de IA abierto para ML, biología, física y química

Synthetic Sciences lanzó el 5 de julio de 2026 OpenScience, un banco de trabajo de IA abierto con licencia Apache 2.0 que automatiza la investigación en aprendizaje automático, biología, física y química. La plataforma funciona con cualquier modelo frontier o de pesos abiertos mediante las claves API del investigador y se despliega en la infraestructura de la propia organización, sin enviar datos a servicios externos.

Qué incluye la versión estándar

El banco de trabajo cubre el ciclo completo de investigación, desde la búsqueda en bases de datos científicas hasta la ejecución de tareas computacionales, sin obligar a saltar entre herramientas incompatibles de distintos proveedores.

Componentes clave de la versión:

• Licencia: Apache 2.0, con código fuente totalmente abierto
• Cobertura: aprendizaje automático, biología, física, química
• Más de 250 habilidades editables en el paquete estándar
• Acceso integrado a las bases de datos científicas que consultan los investigadores
• Compatibilidad con cualquier modelo frontier o de pesos abiertos mediante las claves API del usuario
• Despliegue en la infraestructura propia de la organización

Cada habilidad es una unidad de lógica editable. El investigador puede reescribir un prompt, cambiar la secuencia de pasos o añadir comprobaciones específicas sin rehacer toda la plataforma. Es una diferencia fundamental con las herramientas SaaS, donde el usuario se limita a lo que permite el proveedor: aquí el laboratorio adapta la herramienta ya hecha a su tarea, y no al revés.

¿Por qué importa la independencia del modelo de IA?

El problema de fondo es que la mayoría de las herramientas de IA para ciencia están atadas a un único proveedor. Cambiar de modelo implica cambiar todo el entorno de trabajo: otra plataforma, nuevos prompts, reentrenar al equipo. Eso frena la experimentación con modelos nuevos y crea una dependencia duradera del proveedor.

OpenScience rompe esa dependencia con una interfaz única sobre cualquier motor. El investigador elige el modelo según la tarea: un modelo frontier potente para razonamientos complejos de varios pasos, o uno abierto y ligero para el procesamiento rutinario de datos y el control de costes. Los grupos académicos suelen trabajar con varios proveedores y alternan según las subvenciones y las licencias institucionales. La neutralidad respecto al modelo protege del vendor lock-in y permite pasar sin traumas a los nuevos modelos conforme aparecen.

La confidencialidad de los datos es otro problema. Los experimentos biológicos, los compuestos químicos y las secuencias genómicas inéditas suelen contener información que una organización no puede enviar a servicios en la nube externos. OpenScience permite llevar todo el ciclo de investigación dentro del perímetro del laboratorio, desde el planteamiento de la tarea hasta el resultado. Así se eliminan barreras regulatorias que impedían a muchas instituciones adoptar servicios de IA externos.

Bases de datos científicas dentro del pipeline

El acceso integrado a bases de datos científicas es uno de los elementos clave que anuncia la plataforma. Las habilidades de IA pueden consultar directamente datos científicos estructurados dentro del pipeline de investigación, sin exportación manual ni carga de datasets. Esto reduce el trabajo preparatorio rutinario en la búsqueda bibliográfica, la selección de conjuntos de entrenamiento y la verificación de resultados.

La cobertura de cuatro disciplinas (ML, biología, física y química) refleja la orientación hacia AI4Science, donde la IA se usa para acelerar los descubrimientos científicos, desde la predicción de estructuras de proteínas hasta la química cuántica. Como banco de trabajo abierto y universal, aspira a convertirse en una capa de infraestructura que conecte los laboratorios experimentales con las capacidades actuales de la IA.

Qué significa

OpenScience es una apuesta por un estándar abierto de herramientas de IA para las ciencias naturales. La combinación de licencia Apache 2.0, neutralidad respecto al modelo, más de 250 habilidades editables y despliegue local se dirige a instituciones académicas y laboratorios corporativos de I+D, para los que el vendor lock-in y los requisitos de confidencialidad de datos son un freno real. La actividad de contribuciones al repositorio en los próximos meses mostrará hasta qué punto la comunidad científica adopta la plataforma.