Synthetic Sciences lança o OpenScience, workbench de IA aberto para ML, biologia, física e química

A Synthetic Sciences lançou em 5 de julho de 2026 o OpenScience, um workbench de IA aberto sob a licença Apache 2.0 para automatizar pesquisas em aprendizado de máquina, biologia, física e química. A plataforma funciona com qualquer modelo frontier ou de pesos abertos por meio das chaves de API do pesquisador e é implantada na infraestrutura da própria organização, sem enviar dados a serviços externos.

O que vem na versão padrão

O workbench cobre o ciclo completo de pesquisa, da busca em bases de dados científicas à execução de tarefas computacionais, sem exigir que o pesquisador alterne entre ferramentas incompatíveis de diferentes provedores.

Principais componentes do lançamento:

• Licença: Apache 2.0, com código-fonte totalmente aberto
• Cobertura: aprendizado de máquina, biologia, física, química
• Mais de 250 habilidades editáveis no pacote padrão
• Acesso integrado às bases de dados científicas consultadas pelos pesquisadores
• Compatibilidade com qualquer modelo frontier ou de pesos abertos por meio das chaves de API do usuário
• Implantação na infraestrutura própria da organização

Cada habilidade é uma unidade de lógica editável. O pesquisador pode reescrever um prompt, mudar a sequência de etapas ou adicionar verificações específicas sem refazer a plataforma inteira. Essa é uma diferença fundamental em relação às ferramentas SaaS, em que o usuário fica limitado ao que o fornecedor permite: aqui o laboratório adapta a ferramenta pronta à tarefa, e não a tarefa às limitações da ferramenta.

Por que a independência do modelo de IA importa?

O problema de fundo é que a maioria das ferramentas de IA para ciência está presa a um único provedor. Trocar de modelo significa trocar todo o ambiente de trabalho: outra plataforma, novos prompts, retreinamento da equipe. Isso inibe experimentos com modelos novos e cria dependência de longo prazo do fornecedor.

O OpenScience rompe essa dependência com uma interface única sobre qualquer motor. O pesquisador escolhe o modelo conforme a tarefa: um modelo frontier potente para raciocínios complexos em várias etapas, ou um modelo aberto e leve para o processamento rotineiro de dados e a otimização de custos. Grupos acadêmicos costumam trabalhar com vários provedores, alternando conforme os financiamentos e as licenças institucionais. A neutralidade em relação ao modelo protege contra o vendor lock-in e permite migrar sem dor para novos modelos à medida que surgem.

A confidencialidade dos dados é outro problema. Experimentos biológicos, compostos químicos e sequências genômicas inéditas muitas vezes contêm informações que a organização não pode enviar a serviços de nuvem externos. O OpenScience permite conduzir todo o ciclo de pesquisa dentro do perímetro do laboratório, da formulação da tarefa ao resultado. Isso elimina barreiras regulatórias que impediam muitas instituições de adotar serviços de IA externos.

Bases de dados científicas dentro do pipeline

O acesso integrado a bases de dados científicas é um dos elementos centrais anunciados da plataforma. As habilidades de IA podem consultar diretamente dados científicos estruturados dentro do pipeline de pesquisa, sem exportação manual nem upload de datasets. Isso reduz o trabalho preparatório rotineiro na busca de literatura, na seleção de conjuntos de treinamento e na verificação de resultados.

A cobertura de quatro disciplinas (ML, biologia, física e química) reflete o foco em AI4Science, área em que a IA é usada para acelerar descobertas científicas, da previsão de estruturas de proteínas à química quântica. Como workbench aberto e universal, a plataforma pretende se tornar uma camada de infraestrutura que conecta laboratórios experimentais às capacidades atuais da IA.

O que isso significa

O OpenScience é uma proposta de padrão aberto de ferramentas de IA para as ciências naturais. A combinação de licença Apache 2.0, neutralidade em relação ao modelo, mais de 250 habilidades editáveis e implantação local mira instituições acadêmicas e laboratórios corporativos de P&D, para os quais o vendor lock-in e as exigências de confidencialidade de dados são obstáculos reais. A atividade de contribuições no repositório nos próximos meses mostrará o quanto a comunidade científica vai adotar a plataforma.