Els models d'IA aplicats a la recerca sobre l'envelliment solen limitar-se a un únic tipus de dada —una anàlisi genètica, un perfil de proteïnes— i a una tasca de predicció molt concreta, cosa que dificulta comparar-los entre ells o fer-los servir per a preguntes més àmplies sobre com envelleix un organisme.
Un equip d'Insilico Medicine, amb la col·laboració de Liquid AI, el Buck Institute for Research on Aging i Harvard Medical School/Brigham and Women's Hospital, ha publicat a la portada de la revista Cell del 17 de setembre tres eines obertes: «LongevityBench», un banc de proves que avalua models de llenguatge en cinc àmbits de la biologia de l'envelliment (dades clíniques, genètica, epigenètica, transcriptòmica i proteòmica); una família de cinc models compactes, «Longevity-LLMs» (d'entre 0,6 i 9.000 milions de paràmetres, construïts sobre arquitectures obertes de Liquid AI i Alibaba); i «LongevityClaw», una plataforma agèntica que hi incorpora eines d'anàlisi genètica. En l'avaluació, el model L-Qwen3.5-9B va superar els 26 sistemes de frontera provats —inclòs el Gemini 3.1-Pro de Google— tot i fer servir només una fracció dels seus paràmetres, i fins i tot la versió més petita, de 0,6 milions de paràmetres, va superar la majoria de models generalistes. LongevityClaw, per la seva banda, va proposar 328 gens candidats per a intervencions contra l'envelliment, amb un enriquiment de fins a 5,6 vegades respecte a objectius ja validats.
La recerca és rellevant perquè posa en dubte la idea que calen models cada cop més grans per avançar en un domini científic especialitzat: un model petit, ben adaptat amb dades del sector, pot igualar o superar els grans sistemes generalistes en tasques concretes de biologia de l'envelliment, i ho fa amb tot el codi i els models publicats en obert perquè altres grups de recerca els facin servir.
Els mateixos autors reconeixen limitacions: cap model, ni tan sols el guanyador, va obtenir els millors resultats en els cinc àmbits alhora, i el rendiment varia força segons com es formula la pregunta, un símptoma de manca de robustesa. Predir directament l'edat biològica a partir de dades òmiques continua sent, diuen, «el repte més difícil», fins i tot per als models més grans. Es tracta, a més, de resultats de banc de proves computacional, no d'una validació clínica en pacients.