Ingenix beansprucht Spitzenplatz im LongevityBench-Ranking und öffnet Thalamus-Modell
Das polnische KI-Start-up Ingenix sieht sein 9-Milliarden-Parameter-Modell Thalamus Reasoning auf Platz eins unter 29 Systemen im LongevityBench, einem Benchmark für Sprachmodelle in der Zellalterungsforschung. Außerdem stellt das Unternehmen Thalamus Decision als Open Source bereit, eine Version für akademische und kommerzielle Forscher.
- Thalamus Reasoning liegt Ingenix zufolge im LongevityBench unter 29 Modellen auf dem ersten Platz.
- Das Modell belegte bei 11 der 14 Benchmark-Aufgaben den ersten Platz.
- Ingenix stellt am 09. November eine Version namens Thalamus Decision als Open Source bereit.
- Das Unternehmen entwickelt ein Modell mit 95 Milliarden Parametern.
- Ingenix zufolge wurden keine LongevityBench-Daten zum Training von Thalamus Reasoning verwendet.
Thalamus führt die LongevityBench-Ergebnisse an
Nach Angaben von Ingenix belegte Thalamus Reasoning bei den 14 gewerteten Aufgaben des LongevityBench den ersten Platz und erreichte einen durchschnittlichen Rang von 1.42. Das nächstbeste Modell kam auf einen durchschnittlichen Rang von 4.42, während Claude Opus 4.6, das Unternehmen zufolge das beste Frontier-Modell, 9.85 erreichte.
Ingenix zufolge lag Thalamus Reasoning bei 11 der 14 Aufgaben auf dem ersten Platz und übertraf bei acht Aufgaben die beste Nicht-LLM-Baseline. Das Unternehmen berichtet außerdem einen Fehler bei der Bestimmung des DNA-Methylierungsalters von 3.36 Jahren, verglichen mit 12.9 Jahren beim besten textbasiert abgefragten Modell, das dieselbe Qwen3.5-9B-Basis verwendet. Das Ergebnis war auch besser als die 4.67 Jahre der Horvath-Uhr.
Bei der Anordnung von Transkriptomikdaten erreichte das Modell eine Genauigkeit von 0.828, verglichen mit 0.671 beim besten anderen LLM. Ingenix zufolge wurden keine Benchmark-Daten zum Training von Thalamus Reasoning verwendet, sodass die Auswertung keine Datenkontamination beinhaltete.
Ein Ansatz für biologische Daten auf Basis von Modality Fusion
Thalamus Reasoning ist Teil der Biological Reasoning Engine von Ingenix. Das Modell wandelt Methylierungs-, Expressions- und Proteomikdaten aus komplexen Texten in mathematische Vektoren um. Das Unternehmen beschreibt diese als die Muttersprache, mit der Modelle Bilder lesen.
Ingenix nennt diesen Prozess Modality Fusion. Jedes dabei erzeugte Profil benötigt dem Unternehmen zufolge vier Tokens. Zum Vergleich: Ingenix zufolge benötigt ein Standard-LLM wie ChatGPT etwa 1.3 Tokens pro Wort.
Das Unternehmen erklärt, seine Architektur integriere Modelle über verschiedene Modalitäten und biologische Maßstabsebenen hinweg und führe anschließend Schlussfolgerungen direkt über deren Repräsentationen aus. Die Engine ist für Entscheidungen in der translationalen und klinischen Forschung und Entwicklung konzipiert. Zu den Ausgaben gehört eine Begründungsspur, die Mechanismus, Belege und Einschränkungen umfasst.
„Dass wir in einem unabhängigen Benchmark vor Frontier-Laboren und spezialisierten Modellen liegen, bestätigt unseren Ansatz der Modality Fusion“, sagte Piotr Surma, CEO von Ingenix, in der Ankündigung. „Es zeigt, dass ein Reasoning-Modell aussagekräftige Ergebnisse liefern kann, wenn es biologische Daten so liest, wie sie gemessen wurden, statt als Text, der darüber geschrieben wurde.“
Open-Source-Veröffentlichung und das nächste Modell des Unternehmens
Ingenix erklärte, dass es Thalamus Decision am 09. November veröffentlicht und akademischen sowie kommerziellen Forschern damit Zugang gibt, um die Arbeit zu untersuchen, zu reproduzieren und darauf aufzubauen. Die Veröffentlichung macht eine Version des Modells außerhalb des Unternehmens verfügbar, auch wenn in der Ankündigung keine Lizenz oder Hosting-Plattform genannt wird.
Das Start-up entwickelt außerdem ein Modell mit 95 Milliarden Parametern. Ingenix wurde 2023 gegründet und hat seinen Hauptsitz in Warschau. Das Gründungsteam stammt von Applica, einem KI-Unternehmen, das 2022 von Snowflake übernommen wurde. Das Unternehmen sagt, Applicas TILT-Modell habe zum GPT-4-Benchmark beigetragen.
Für Forscher in der Zellalterung und verwandten Bereichen bietet die Veröffentlichung die Möglichkeit, Ingenix' Ansatz zu untersuchen und die Benchmark-Behauptungen des Unternehmens zu testen. Allgemeiner betrachtet präsentiert die Ankündigung ein Beispiel für spezialisierte KI-Systeme, die Machine-Learning-Know-how mit biologischem Wissen verbinden, statt sich ausschließlich auf Allzweckmodelle zu stützen. Die verfügbaren Belege in der Ankündigung basieren auf den von Ingenix gemeldeten LongevityBench-Ergebnissen.
