Los Large Quantitative Models (LQM) son una categoría de IA fundamentalmente diferente de los Large Language Models (LLM) que impulsan chatbots como ChatGPT o Gemini. Según SandboxAQ, los LQM son "IA anclada en el mundo físico" .
Las diferencias se agrupan en tres áreas: datos de entrenamiento, objetivo y resultado.
Datos y entrenamiento. Los LLM se entrenan con texto de internet y lenguaje natural —libros, artículos y conversaciones— para comprender y generar lenguaje humano. Los LQM, en cambio, se entrenan con datos cuantitativos y las leyes fundamentales de la física, la química y las matemáticas . SandboxAQ los describe como construidos sobre datos numéricos estructurados, no sobre texto .
Objetivo. Los LLM optimizan para la comprensión y generación de lenguaje —predecir la siguiente palabra en una oración o resumir un documento—. Los LQM optimizan para objetivos cuantitativos específicos, como predecir propiedades de materiales, comportamiento químico o métricas de riesgo financiero .
Resultado. Los LLM producen texto, resúmenes y conversación. Los LQM producen predicciones, simulaciones y conocimientos de ingeniería fundamentados en la realidad física . Como explica SandboxAQ, mientras que un LLM puede describir una reacción química, un LQM puede simularla .
Jack Hidary, CEO de SandboxAQ, ha afirmado que los LQM eclipsarán a los LLM en sectores como farmacéutica, materiales, energía y finanzas . La compañía subraya que los LQM no reemplazan a los LLM sino que son complementarios: los LLM gestionan la interacción humana mientras que los LQM aportan precisión cuantitativa .
SandboxAQ ofrece inicialmente dos productos LQM a través de Google Cloud Marketplace :
Ambos son accesibles a través del marketplace. SandboxAQ también ha hecho accesibles sus LQM a través de los principales LLM, de modo que los investigadores puedan consultarlos mediante interfaces de lenguaje natural que ya conocen .
Gemini for Science no es un modelo único. Es una suite de herramientas experimentales de IA anunciadas por Google en I/O 2026 (19 y 20 de mayo de 2026), diseñadas para acelerar el método científico . Se entiende mejor como una "capa de orquestación" para la investigación científica .
Gemini for Science agrupa tres pilares centrales:
Además, Gemini for Science incluye Science Skills, una capa separada dentro de Google Antigravity que se conecta a más de 30 bases de datos de ciencias de la vida .
Las herramientas experimentales están disponibles a través de Google Labs en labs.google/science, con acceso gradual desde su lanzamiento .
Para Google Cloud: Los LQM de SandboxAQ representan una nueva categoría de alto valor —la IA científica y cuantitativa— que impulsa el consumo en la nube. Google Cloud obtiene un producto diferenciado de nivel empresarial junto a sus modelos Gemini de uso general, posicionándose como el proveedor de infraestructura para el "descubrimiento científico nativo de IA" .
Para SandboxAQ: Google Cloud Marketplace le proporciona acceso inmediato a la vasta base de clientes empresariales de Google, un canal de facturación y adquisición fiable, e infraestructura escalable —incluida la integración con NVIDIA DGX Cloud en Google Cloud— . SandboxAQ, una escisión de Alphabet ahora valorada en 5.000 millones de dólares, profundiza así una relación comercial natural .
Este es un hito comercial para la IA científica. Marca la primera vez que modelos Large Quantitative Models especializados —una categoría distinta de los LLM de uso general— están disponibles a través de un marketplace cloud importante con procesos empresariales de adquisición, facturación y seguridad .
Indica que la IA científica está pasando de los laboratorios de investigación y las implementaciones personalizadas a una categoría de producto estandarizada y listada comercialmente que las empresas pueden adquirir directamente. Jack Hidary, CEO de SandboxAQ, ha dicho que los LQM eclipsarán a los LLM en sectores como farmacéutica, materiales, energía y finanzas , y la disponibilidad en el marketplace es la infraestructura que hace realidad ese cambio.