AlphaFold3, Google DeepMind द्वारे विकसित, अव्यवसायिक वापरासाठी प्रकाशित करण्यात आले आहे, ज्यायोगे शास्त्रज्ञ सॉफ्टवेअर कोड डाउनलोड आणि वापरू शकतात. ११ नोव्हेंबर रोजी जाहीर केलेले हे प्रकाशन काही वादानंतर आले आहे जेव्हा प्रारंभी DeepMind ने कोड रोखून ठेवला होता. AlphaFold3 हे एक महत्त्वपूर्ण अपडेट आहे कारण ते आपल्या पूर्ववर्तींच्या तुलनेत प्रथिनांसोबत इतर अणूचे मॉडेलिंग करू शकते. सुरुवातीला, हे साधन फक्त वेब सर्व्हरद्वारे उपलब्ध होते, ज्यामुळे वैज्ञानिकांना संभाव्य औषधांच्या उपस्थित प्रथिनांच्या वर्तनाची भाकीत करणे मर्यादित होते. पुनरुत्पादनक्षमतेबद्दलच्या टीकेनंतर, DeepMind ने आता एक खुल्या स्त्रोताचे आवृत्ती जारी केली आहे, जरी फक्त शैक्षणिकांना प्रशिक्षणाचे वजन विनंती केल्यावर मिळू शकते. इतर अनेक कंपन्यांनी AlphaFold3 च्या वैशिष्ट्यांपासून प्रेरित होऊन खुल्या स्त्रोताचे साधने विकसित केले आहेत, त्यात Baidu, ByteDance आणि Chai Discovery यांचा समावेश आहे, जरी ही व्यावसायिक वापरासाठी परवानाधार नाहीत. मात्र, Chai Discovery चा मॉडल Chai-1 औषध शोधासाठी वेब सर्व्हरद्वारे उपयोगात आणला जाऊ शकतो.

सॅन फ्रान्सिस्कोची Ligo Biosciences कमी मर्यादित आवृत्ती ऑफर करते, परंतु पूर्ण क्षमता नसतानाच. अनेक टीम्स पूर्णतः खुल्या स्त्रोताच्या आवृत्त्या विकसित करण्याचे प्रयत्न करीत आहे, जसे की OpenFold3, ज्यामुळे औषध कंपन्यांना उच्च कार्यक्षमतेसाठी स्वतंत्र डेटा वापरुन मॉडेल पुन्हा प्रशिक्षित करण्याची अनुमती देईल. या क्षेत्रातील खुलेपणावरील वाद चालू आहे, काही तज्ञ, जसे की Columbia University's Mohammed AlQuraishi, पूर्णतः खुल्या मॉडेलची वकिली करतात. University of Wisconsin-Madison च्या Anthony Gitter आर्टिफिशियल इंटेलिजन्स मॉडेल्स शेअर करताना पारदर्शकतेची गरज अधोरेखित करतात. आव्हाने असूनही, AlphaFold3 च्या खुल्या स्त्रोताच्या प्रकाशनामुळे AlphaFold2 च्या प्रकाशनांप्रमाणे नवकल्पना होण्याची अपेक्षा आहे, ज्यामुळे कर्करोगाच्या लक्ष्यांसाठी प्रथिनांचे डिझाइन आणि शुक्राणू अंडकोशाच्या संलग्निकेसाठी आवश्यक प्रथिनांचे शोध लागले आहेत. AlphaFold टीमचे नेतृत्व करणारे John Jumper भविष्याच्या अनपेक्षित वापरासाठी उत्सुकता व्यक्त करतात, अपयश आणि यशाच्या दोन्ही शक्यता मान्य करतात.