Baker 团队提出 RFdiffusion2 框架，从反应所需的关键原子几何出发，直接生成可折叠、可表达、且具备高催化活性的 de novo 金属水解酶。设计酶 ZETA 系列在无需定向进化的情况下即达到 10⁴–10⁵ M⁻¹ s⁻¹ 的催化效率，并通过晶体结构验证其与设计模型高度一致，标志着功能导向蛋白设计范式的成立。

RFdiffusion3（RFD3）正式开源，首次实现原子级扩散建模的通用分子生成框架，可统一支持蛋白–蛋白、蛋白–DNA、蛋白–小分子与酶设计等多类任务，在速度上较 RFD2 提升约 10 倍，并在多个真实设计任务中取得实验验证结果。

Protein Hunter 提出一种全新的蛋白设计范式：利用 AlphaFold3 / Boltz 等结构预测模型在信息不足输入下产生的“结构幻觉”，结合 ProteinMPNN 等序列设计器构建结构–序列闭环循环，在无需微调模型、无需梯度优化的前提下，实现稳定 backbone 生成，并在 binder、小分子、环肽、DNA/RNA 及 motif scaffold 等多任务中优于传统方法。

百奥几何发布 GeoFlow-V3，引入多步推理与 in silico 演化机制，使抗体设计模型具备“自我评估与自我优化”能力。在多个真实靶点（TSLP、IL-33、PD-1 等）任务中，仅测试约 50 条序列即可稳定获得 nM 级结合分子，平均湿实验命中率达 15.5%，将抗体发现流程压缩至三周。

NVIDIA 提出并开源 La-Proteina，一种基于“部分潜变量 + 流匹配”的全原子蛋白生成模型，可同时生成 backbone、侧链与序列，并稳定扩展至 800 残基长链。模型在结构物理合理性、rotamer 分布与 motif scaffolding 等任务上显著优于现有方法，首次实现大尺度全原子蛋白生成的可扩展性。

PepCCD 提出一种融合对比学习与条件扩散模型的端到端框架，仅凭蛋白序列即可生成靶点特异性多肽。该方法在结合能力、多样性、生物活性预测与推理效率上全面优于现有序列方法，并在多项任务中可与结构驱动模型媲美。

ICML 2025 Spotlight 工作 Pallatom 提出直接建模 P(all-atom) 的蛋白生成框架，通过 atom14 表示与双轨道架构，实现序列与结构的端到端耦合生成，在设计性、多样性与新颖性上全面超越现有方法，开启全原子蛋白设计新范式。

字节跳动 Seed 团队提出 PXDesign 框架，将扩散生成与幻觉优化相结合，并配合 Protenix 与 AF2-IG 的多模型筛选策略，在多个真实靶标上实现 20–61% 的体外命中率（PD-L1、IL-7RA 等甚至超过 70%），显著高于现有方法，展示出高成功率蛋白设计的现实可行性。