BioNeMo 配備三個預先訓練的大型語言模型。MegaMolBART 是使用 14 億個分子 (SMILES 字串) 訓練的生成化學模型，可用於各種化學資訊學應用程式。

ProtT5 和 ESM1-85M 是以 Transformer 為基礎的蛋白質語言模型，可用於產生學習內嵌，用於蛋白質結構和屬性預測等工作。

BioNeMo 讓開發人員能夠部署具有數十億至數兆個參數的大型語言模型。現今的蛋白質語言模型包含數十億個參數，需要使用超級運算基礎架構為廣大的化學空間進行推論。雲端中的動態資源擴充讓大型語言模型推論流程能夠自動擴充以滿足運算需求。

BioNeMo 讓您輕鬆開始使用支援 UniRef50 和 ZINC 資料庫的預先訓練模型、自動下載器和預先處理器。多虧有非監督式結構化學習工具，各種模型、嵌入和輸出可以組合在一起，集合多型態資料。非監督式預先訓練也能消除對標記資料的需求，快速產生學習內嵌以預測蛋白質結構、功能、細胞位置、水溶性、膜結合、保留和變異區域等。