UniMoMo 提出首个统一建模小分子、肽与抗体结合体的生成框架，通过 Graph of Blocks 表示与几何潜空间扩散模型，实现跨分子类型的高质量生成，在三类任务上全面超越现有专用模型，展示出“通用分子生成模型”的可行性。

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。

苹果发布蛋白结构预测模型 SimpleFold，完全抛弃 MSA、pair 表示与 triangle updates，仅依赖通用 Transformer 与 flow-matching 生成式训练目标，在 CASP14 与 CAMEO 等基准上达到接近 AlphaFold2 的精度，同时具备多构象生成能力，并可在消费级硬件上运行。

腾讯 AI for Life Sciences Lab 提出生成式抗体基础模型 IgGM，首次将结构预测、逆向设计、亲和力成熟、人源化、框架区优化与 de novo 设计统一进单一模型框架。在 PD-L1、新冠 RBD、IL-33 等多个真实体系中完成体外实验验证，并成功设计出具备 nM–pM 级亲和力的全新抗体分子。

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。

NCFlow 提出一个面向非天然氨基酸（ncAA）的原子级构象生成模型，能够在蛋白 pocket 环境中预测任意 ncAA 的合理三维构象，并结合深度打分与分子动力学模拟，构建出一套可系统性设计高亲和力 ncAA 多肽的端到端流程。