Chai-1 est un modèle de base multi-modal pour la découverte de médicaments, capable de prédire la structure moléculaire des protéines, des petites molécules, de l'ADN, de l'ARN et des modifications covalentes. Il a atteint un taux de réussite de 77 % sur le benchmark PoseBusters, comparable à AlphaFold3. Chai-1 peut fonctionner sans alignement multiple de séquences, conservant une grande partie de ses performances et offrant une prédiction plus précise des structures multimériques. De plus, Chai-1 peut être combiné avec des données de laboratoire pour améliorer les performances de prédiction. Ce modèle vise à transformer la biologie de la science en ingénierie, favorisant l'utilisation de l'IA dans la recherche biologique.