ByteDance lanza Protenix-v1, un modelo de código abierto para predecir estructuras biomoleculares

El 8 de febrero de 2026, ByteDance presentó Protenix-v1, un modelo abierto para predecir la estructura de biomoléculas que reproduce la arquitectura y las capacidades de AlphaFold3 (AF3). Se distribuye con código fuente y pesos del modelo bajo la licencia Apache 2.0.

Qué es Protenix-v1

Según la descripción de MarkTechPost, Protenix-v1 es una «reproducción integral de AlphaFold3»: no un análogo recortado, sino un modelo que apunta al mismo nivel de precisión en condiciones comparables. ByteDance ha publicado no solo el código, sino también los pesos del modelo (model parameters). Eso significa que el sistema puede ejecutarse y reentrenarse de forma independiente, sin recurrir a una API cerrada ni a un servicio de pago.

• Desarrollador del modelo: ByteDance
• Nombre de la versión: Protenix-v1
• Objetivo declarado: precisión al nivel de AlphaFold3 (AF3)
• Código y pesos publicados bajo la licencia Apache 2.0
• Tipos de estructuras objetivo: proteínas, ADN, ARN y ligandos
• MarkTechPost publicó su artículo sobre el lanzamiento el 8 de febrero de 2026

La licencia Apache 2.0, con la que se publicó el modelo, es una de las más permisivas entre las licencias abiertas: permite el uso comercial, la modificación y la distribución de versiones derivadas sin obligación de revelar su código fuente. Para laboratorios y startups, esto significa que Protenix-v1 puede integrarse en productos y pipelines propios sin las restricciones legales típicas de las licencias copyleft más estrictas.

Cómo se compara el modelo con AlphaFold3

La pregunta clave que plantea MarkTechPost es hasta qué punto un modelo abierto puede acercarse a la precisión de AlphaFold3 si se igualan tres parámetros: datos de entrenamiento, escala del modelo y presupuesto de inferencia. El planteamiento importa: presenta a Protenix-v1 no como un producto independiente con afirmaciones abstractas sobre su calidad, sino como un modelo que puede evaluarse en condiciones claras y comparables frente a una referencia concreta.

«¿Hasta qué punto puede un modelo abierto acercarse a la precisión de AlphaFold3 si se igualan los datos de entrenamiento, la escala del modelo y el presupuesto de inferencia?».

Así formula MarkTechPost la pregunta central de su artículo sobre Protenix-v1.

La propia formulación apunta a la metodología empleada al describir el modelo: la comparación no se basa en cifras absolutas de benchmarks, sino en condiciones de partida iguales, es decir, el mismo volumen de datos de entrenamiento, una escala de parámetros similar y el mismo presupuesto de inferencia. Esto hace que lo que afirma ByteDance sea más verificable que las comparaciones de marketing que no indican las condiciones.

Qué estructuras predice el modelo

Protenix-v1 apunta a varias clases de biomoléculas a la vez: proteínas, ADN, ARN y ligandos, es decir, la misma multitarea por la que se conoce a AlphaFold3. Esto distingue al modelo de los sistemas muy especializados que trabajan con un solo tipo de estructura: los desarrolladores indican de forma explícita que el objetivo es cubrir, dentro de una sola arquitectura, todas las clases principales con las que trabaja AF3.

La publicación abierta del código y los pesos amplía el círculo de quienes pueden trabajar con un modelo de este nivel. Los laboratorios y grupos de investigación sin acceso a sistemas comerciales cerrados pueden reproducir experimentos e integrar Protenix-v1 directamente en sus propios pipelines, en lugar de hacerlo a través de una API externa limitada.

Qué significa

Un modelo abierto que aspira al nivel de precisión de AlphaFold3 en varias clases de biomoléculas y que se distribuye con código completo, pesos y la licencia permisiva Apache 2.0 reduce la barrera de entrada a la biología estructural para equipos sin acceso a sistemas cerrados. Además, permite comprobar de forma independiente la precisión declarada, en lugar de fiarse de la palabra del desarrollador.