Vad är Large Quantitative Models (LQM)?

Large Quantitative Models (LQM) är en helt annan kategori av AI än de stora språkmodeller (LLM) som driver chattrobotar som ChatGPT och Gemini. Enligt SandboxAQ är LQM en ”AI som är förankrad i den fysiska världen” .

Hur LQM skiljer sig från LLM

Skillnaderna handlar om träningsdata, mål och resultat.

Data och träning: LLM tränas på text från internet – böcker, artiklar och konversationer – för att förstå och generera mänskligt språk. LQM tränas däremot på kvantitativa data och fysikens, kemins och matematikens grundläggande lagar . SandboxAQ beskriver dem som modeller byggda på numerisk, strukturerad data snarare än text .

Mål: LLM optimerar för språkförståelse och språkgenerering – till exempel att förutsäga nästa ord i en mening eller sammanfatta ett dokument. LQM optimerar för specifika kvantitativa mål, som att förutsäga materials egenskaper, kemiskt beteende eller finansiella riskmått .

Resultat: LLM producerar text, sammanfattningar och konversationer. LQM producerar förutsägelser, simuleringar och tekniska insikter som är förankrade i fysisk verklighet . SandboxAQ förklarar: där LLM kan beskriva en kemisk reaktion, kan LQM simulera den .

SandboxAQ:s vd Jack Hidary har sagt att LQM kommer att överträffa LLM inom områden som läkemedel, material, energi och finans . Företaget betonar att LQM inte ersätter LLM utan är ett komplement – LLM hanterar mänsklig interaktion medan LQM hanterar kvantitativ precision .

Vilka modeller erbjuds?

SandboxAQ lanserar initialt två LQM-produkter via Google Cloud Marketplace :

• AQCat (materialforskning) – blir tillgänglig först
• AQPotency (läkemedelsutveckling) – lanseras efter AQCat

Båda är tillgängliga via marknadsplatsen. SandboxAQ har också gjort sina LQM-modeller åtkomliga via vanliga LLM, så att forskare kan använda dem genom naturliga språkkommandon .

Vad är Gemini for Science?

Gemini for Science är inte en enskild modell. Det är en uppsättning experimentella AI-verktyg som Google presenterade på I/O 2026 (19–20 maj 2026) och som är utformade för att påskynda den vetenskapliga processen . Det är ett slags ”orkestreringslager” för forskning .

Gemini for Science består av tre delar:

• Hypotesgenerering – bygger på Co-Scientist, ett team av AI-agenter som tillsammans genererar, diskuterar och utvärderar forskningshypoteser. Google publicerade samma dag en artikel i Nature som validerar metoden .
• Beräkningsbaserad upptäckt – bygger på AlphaEvolve och Empirical Research Assistance (ERA). ERA slog CDC:s prognosmodell för infektionssjukdomar i tester som publicerades vid lanseringen .
• Litteraturinsikter – bygger på NotebookLM och ger automatisk sammanfattning och analys av forskningslitteratur .

Gemini for Science innehåller också Science Skills, ett separat lager i Google Antigravity som kopplar till över 30 livsvetenskapliga databaser .

De experimentella verktygen finns tillgängliga via Google Labs på labs.google/science, med successiv åtkomst från lanseringen .

Affärslogiken bakom partnerskapet

För Google Cloud: SandboxAQ:s LQM-modeller utgör en ny, högvärdig arbetsbelastning – vetenskaplig och kvantitativ AI – som driver molnkonsumtion. Google Cloud får en differentierad, företagsredo produkt vid sidan av sina generella Gemini-modeller och positionerar sig som infrastrukturleverantör för ”AI-driven vetenskaplig upptäckt” .

För SandboxAQ: Google Cloud Marketplace ger omedelbar tillgång till Googles stora kundbas, en betrodd fakturerings- och inköpskanal samt skalbar infrastruktur, inklusive integration med NVIDIA DGX Cloud på Google Cloud . SandboxAQ, som knoppades av från Alphabet 2022 och nu är värderat till 5 miljarder dollar, fördjupar ett naturligt kommersiellt samarbete .

Vad marknadsplatslanseringen betyder för vetenskaplig AI

Detta är en kommersiell milstolpe för vetenskaplig AI. För första gången blir specialiserade Large Quantitative Models – en kategori som är helt skild från allmänna språkmodeller – tillgängliga via en stor molnmarknadsplats med inköp, fakturering och säkerhet anpassad för företag .

Det signalerar att vetenskaplig AI lämnar forskningslaboratorier och skräddarsydda installationer för att bli en standardiserad, kommersiell produktkategori som företag kan köpa direkt från hyllan. Som SandboxAQ:s vd Jack Hidary har sagt: LQM kommer att överträffa LLM inom läkemedel, material, energi och finans , och marknadsplatslanseringen är den infrastruktur som gör den omställningen möjlig.

Sammanfattning

• LQM tränas på fysik, kemi och matematik – inte text – och optimerar för kvantitativa förutsägelser, inte språkgenerering.
• AQCat (material) och AQPotency (läkemedel) är de två första LQM-modellerna på Google Cloud Marketplace.
• Gemini for Science är en verktygssvit, inte en enskild modell, som samlar Co-Scientist, AlphaEvolve, ERA och NotebookLM.
• Partnerskapet gör Google Cloud till infrastrukturplattform för vetenskaplig AI och ger SandboxAQ distribution till företag.
• Marknadsplatslanseringen innebär att specialiserade LQM-modeller för första gången blir tillgängliga via en etablerad företagskanal för molntjänster.

Vad är Large Quantitative Models (LQM)?

Large Quantitative Models (LQM) är en helt annan kategori av AI än de stora språkmodeller (LLM) som driver chattrobotar som ChatGPT och Gemini. Enligt SandboxAQ är LQM en ”AI som är förankrad i den fysiska världen” .

Hur LQM skiljer sig från LLM

Skillnaderna handlar om träningsdata, mål och resultat.

Data och träning: LLM tränas på text från internet – böcker, artiklar och konversationer – för att förstå och generera mänskligt språk. LQM tränas däremot på kvantitativa data och fysikens, kemins och matematikens grundläggande lagar . SandboxAQ beskriver dem som modeller byggda på numerisk, strukturerad data snarare än text .

Mål: LLM optimerar för språkförståelse och språkgenerering – till exempel att förutsäga nästa ord i en mening eller sammanfatta ett dokument. LQM optimerar för specifika kvantitativa mål, som att förutsäga materials egenskaper, kemiskt beteende eller finansiella riskmått .

Resultat: LLM producerar text, sammanfattningar och konversationer. LQM producerar förutsägelser, simuleringar och tekniska insikter som är förankrade i fysisk verklighet . SandboxAQ förklarar: där LLM kan beskriva en kemisk reaktion, kan LQM simulera den .

SandboxAQ:s vd Jack Hidary har sagt att LQM kommer att överträffa LLM inom områden som läkemedel, material, energi och finans . Företaget betonar att LQM inte ersätter LLM utan är ett komplement – LLM hanterar mänsklig interaktion medan LQM hanterar kvantitativ precision .

Vilka modeller erbjuds?

SandboxAQ lanserar initialt två LQM-produkter via Google Cloud Marketplace :

• AQCat (materialforskning) – blir tillgänglig först
• AQPotency (läkemedelsutveckling) – lanseras efter AQCat

Båda är tillgängliga via marknadsplatsen. SandboxAQ har också gjort sina LQM-modeller åtkomliga via vanliga LLM, så att forskare kan använda dem genom naturliga språkkommandon .

Vad är Gemini for Science?

Gemini for Science är inte en enskild modell. Det är en uppsättning experimentella AI-verktyg som Google presenterade på I/O 2026 (19–20 maj 2026) och som är utformade för att påskynda den vetenskapliga processen . Det är ett slags ”orkestreringslager” för forskning .

Gemini for Science består av tre delar:

• Hypotesgenerering – bygger på Co-Scientist, ett team av AI-agenter som tillsammans genererar, diskuterar och utvärderar forskningshypoteser. Google publicerade samma dag en artikel i Nature som validerar metoden .
• Beräkningsbaserad upptäckt – bygger på AlphaEvolve och Empirical Research Assistance (ERA). ERA slog CDC:s prognosmodell för infektionssjukdomar i tester som publicerades vid lanseringen .
• Litteraturinsikter – bygger på NotebookLM och ger automatisk sammanfattning och analys av forskningslitteratur .

Gemini for Science innehåller också Science Skills, ett separat lager i Google Antigravity som kopplar till över 30 livsvetenskapliga databaser .

De experimentella verktygen finns tillgängliga via Google Labs på labs.google/science, med successiv åtkomst från lanseringen .

Affärslogiken bakom partnerskapet

För Google Cloud: SandboxAQ:s LQM-modeller utgör en ny, högvärdig arbetsbelastning – vetenskaplig och kvantitativ AI – som driver molnkonsumtion. Google Cloud får en differentierad, företagsredo produkt vid sidan av sina generella Gemini-modeller och positionerar sig som infrastrukturleverantör för ”AI-driven vetenskaplig upptäckt” .

För SandboxAQ: Google Cloud Marketplace ger omedelbar tillgång till Googles stora kundbas, en betrodd fakturerings- och inköpskanal samt skalbar infrastruktur, inklusive integration med NVIDIA DGX Cloud på Google Cloud . SandboxAQ, som knoppades av från Alphabet 2022 och nu är värderat till 5 miljarder dollar, fördjupar ett naturligt kommersiellt samarbete .

Vad marknadsplatslanseringen betyder för vetenskaplig AI

Detta är en kommersiell milstolpe för vetenskaplig AI. För första gången blir specialiserade Large Quantitative Models – en kategori som är helt skild från allmänna språkmodeller – tillgängliga via en stor molnmarknadsplats med inköp, fakturering och säkerhet anpassad för företag .

Det signalerar att vetenskaplig AI lämnar forskningslaboratorier och skräddarsydda installationer för att bli en standardiserad, kommersiell produktkategori som företag kan köpa direkt från hyllan. Som SandboxAQ:s vd Jack Hidary har sagt: LQM kommer att överträffa LLM inom läkemedel, material, energi och finans , och marknadsplatslanseringen är den infrastruktur som gör den omställningen möjlig.

Sammanfattning

• LQM tränas på fysik, kemi och matematik – inte text – och optimerar för kvantitativa förutsägelser, inte språkgenerering.
• AQCat (material) och AQPotency (läkemedel) är de två första LQM-modellerna på Google Cloud Marketplace.
• Gemini for Science är en verktygssvit, inte en enskild modell, som samlar Co-Scientist, AlphaEvolve, ERA och NotebookLM.
• Partnerskapet gör Google Cloud till infrastrukturplattform för vetenskaplig AI och ger SandboxAQ distribution till företag.
• Marknadsplatslanseringen innebär att specialiserade LQM-modeller för första gången blir tillgängliga via en etablerad företagskanal för molntjänster.