<div class="key-takeaways"><ul><li>VIDRAFT เปิดการแข่งขัน Open Discovery Challenge บน Hugging Face เพื่อประเมินความสามารถ AI</li><li>มุ่งเป้าพัฒนายาต้านมาลาเรียและวัณโรค ซึ่งเป็นโรคในกลุ่มประชากรรายได้น้อย</li><li>กวาดผลงานส่งเข้าประกวดมากกว่า 2,000 รายการภายในเวลาเพียงสามวันหลังเปิดตัว</li><li>เปิดกว้างให้ใช้โมเดลหลากหลาย เช่น OpenAI, Claude, Gemini, DeepSeek และ Qwen</li></ul></div><p>วงการปัญญาประดิษฐ์และการแพทย์ต้องจับตา เมื่อ VIDRAFT บริษัทวิจัยด้าน AI และวิทยาศาสตร์เชิงลึกจากเกาหลีใต้ ได้เปิดตัวโครงการแข่งขันระดับสาธารณะในชื่อ Open Discovery Challenge บนแพลตฟอร์ม Hugging Face โดยมุ่งเน้นการทดสอบความสามารถของโมเดลภาษาขนาดใหญ่ (LLM) ในการเสนอโครงสร้างโมเลกุลใหม่สำหรับใช้เป็นยาต้านโรคมาลาเรียและวัณโรค ซึ่งแตกต่างจากการทดสอบมาตรฐานทั่วไปตรงที่ระบบจะให้คะแนนจากเกณฑ์ทางเภสัชวิทยาจริง</p><p>การแข่งขันครั้งนี้ถูกออกแบบมาเพื่อแก้ไขปัญหาความล้มเหลวของตลาด (market failure) ในการวิจัยและพัฒนายาภาคเอกชน เนื่องจากโรคทั้งสองประเภทส่งผลกระทบอย่างรุนแรงต่อกลุ่มประชากรที่มีรายได้น้อย ซึ่งมักขาดแรงจูงใจทางการค้า โดยเปิดโอกาสให้นักพัฒนา นักวิจัย หรือผู้สนใจทั่วไป สามารถใช้งานโมเดล AI ใดก็ได้ ไม่ว่าจะเป็น OpenAI, Claude, Gemini, DeepSeek, Qwen หรือ Kimi รวมถึงโมเดลที่ผู้เข้าร่วมพัฒนาขึ้นเอง เพื่อส่งโครงสร้างโมเลกุลเข้าประชันความสามารถ</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2,000+</span><span class="stat-label">ผลงานส่งเข้าประกวดใน 3 วันแรก</span></div></div><p>ระบบประเมินผลของ VIDRAFT จะวิเคราะห์ผลงานผ่านท่อประเมินหลายมิติ ซึ่งครอบคลุมทั้งศักยภาพในการรักษา ความเป็นพิษ การจับตัวกับเป้าหมาย (target binding) กระบวนการดูดซึม การกระจายตัว การเมแทบอลิซึม และการขับออก (ADME) รวมถึงการจำลองสถานการณ์ก่อนคลินิกและในคลินิก นอกจากนี้ ข้อมูลในช่วงสามวันแรกหลังเปิดตัวยังเผยให้เห็นช่องว่างด้านประสิทธิภาพที่ชัดเจนระหว่างตระกูล LLM ต่างๆ ในภารกิจทางวิทยาศาสตร์ที่แท้จริง</p><p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/vidraft_open_discovery_challenge_2026_llm_msyk13vz_inline_1_782b5b2635.jpg" alt="South Korea biotechnology data analysis screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div></p><div class="ai-insight"><p>โครงการนี้สะท้อนมุมมองที่น่าสนใจว่า การพัฒนายาด้วย AI ไม่ได้วัดกันที่ตัวโมเดล LLM ดิบๆ เพียงอย่างเดียว แต่เป็นการวัดศักยภาพของ "science agent stack" ทั้งหมด ซึ่งประกอบด้วยตัวโมเดล การเขียนคำสั่ง (prompt engineering) การเชื่อมต่อเครื่องมือ และกลยุทธ์การวิจัยของผู้ใช้งาน สิ่งนี้ช่วยให้ผู้ไม่มีพื้นฐานด้านเภสัชศาสตร์สามารถมีส่วนร่วมได้ผ่านคู่มือที่ผู้จัดเตรียมไว้ให้</p></div><p>ในด้านรูปแบบการแข่งขัน ผู้สนใจสามารถเข้าถึงพื้นที่จัดกิจกรรมได้โดยตรงผ่านหน้าองค์กร VIDRAFT บน Hugging Face ซึ่งในขณะนี้ยังไม่มีการเปิดเผยชุดคำสั่ง CLI หรือ API เฉพาะเจาะจง โดยทางผู้จัดยืนยันว่าโครงการนี้ถูกสร้างขึ้นให้เป็นชุดข้อมูลที่มีชีวิต (living dataset) ซึ่งจะเติบโตและทำหน้าที่เป็นเกณฑ์มาตรฐานสำหรับการให้เหตุผลทางวิทยาศาสตร์ของ AI อย่างต่อเนื่อง</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/ai_openfree_b23025ef075cf/vidrafts-open-discovery-challenge-benchmarking-llms-on-real-drug-discovery-for-malaria-tb-4fej" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

<div class="key-takeaways"><ul><li>VIDRAFT launched the Open Discovery Challenge on Hugging Face for AI drug discovery.</li><li>Focuses on malaria and tuberculosis to address market failures in low-income populations.</li><li>Racked up over 2,000 candidate submissions within just three days of launch.</li><li>Supports diverse AI models including OpenAI, Claude, Gemini, DeepSeek, and Qwen.</li></ul></div><p>The intersection of artificial intelligence and pharmaceutical research has reached a new milestone as South Korean deep-tech AI and science research company VIDRAFT introduces the Open Discovery Challenge. Hosted publicly on Hugging Face, the competition benchmarks large language models on their ability to propose novel molecular structures specifically targeted at treating malaria and tuberculosis, evaluating candidates against real pharmacological criteria rather than static multiple-choice questions.</p><p>Both diseases were chosen deliberately due to their massive public health burdens in low-income regions, where pharmaceutical market incentives are typically weak. To bridge this gap, VIDRAFT opened the competition to developers, researchers, and general enthusiasts alike, allowing participants to leverage any available AI systems—ranging from commercial powerhouses like OpenAI, Claude, Gemini, and DeepSeek to proprietary or open-weight models like Qwen and Kimi.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2,000+</span><span class="stat-label">Candidate submissions in first 3 days</span></div></div><p>Submissions are funneled through a comprehensive multi-factor scoring pipeline that measures efficacy potential, toxicity, target binding, ADME characteristics, and preclinical or clinical simulations. Early data collected within the first 72 hours of launch already highlights measurable performance differences across various major LLM families when tackling authentic scientific workflows.</p><p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/vidraft_open_discovery_challenge_2026_llm_msyk13vz_inline_1_782b5b2635.jpg" alt="South Korea biotechnology data analysis screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div></p><div class="ai-insight"><p>From a structural standpoint, this challenge reframes drug discovery as an evaluation of complete "science agent" stacks rather than raw language models alone. Success relies heavily on prompt engineering, tool integration, and research strategy, allowing non-specialists to meaningfully contribute by following the dedicated AI drug development guide provided within the challenge space.</p><p>Operating as a living dataset, the challenge is expected to evolve into a continuously updated benchmark for general AI scientific reasoning. Interested researchers can access the competition space directly through the official VIDRAFT organization page on Hugging Face for the latest guidelines and participation instructions.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=dev.to&sz=64" alt="Dev.to" class="source-logo" width="16" height="16" /> <a href="https://dev.to/ai_openfree_b23025ef075cf/vidrafts-open-discovery-challenge-benchmarking-llms-on-real-drug-discovery-for-malaria-tb-4fej" target="_blank" rel="noopener noreferrer">Dev.to</a></p>

medium_vidraft-open-discovery-challenge-2026-วัดประสิทธิภาพ-llm-msyk13vz.jpg

small_vidraft-open-discovery-challenge-2026-วัดประสิทธิภาพ-llm-msyk13vz.jpg

thumbnail_vidraft-open-discovery-challenge-2026-วัดประสิทธิภาพ-llm-msyk13vz.jpg

Inewgen

Inewgen

#Open Discovery Challenge

VIDRAFT Open Discovery Challenge 2026: Benchmarking LLMs

Inewgen