所谓盲测挑战（Blind Challenge），是指比赛中化合物的性质已事先由组织者通过实验测得，而参赛者们则是纯粹用计算模拟方法来预测结果，以便评估各自计算方法的真实预测性。SAMPL每年都会向分子模拟界发出旨在测试技术准确性的盲测挑战。
2018年：在SAMPL6挑战中，针对11种类药分子在辛醇-水中的分配系数，COSMOtherm 与 COSMOquick 在准确性方面表现最佳，分获第一和第三。
2016年：在SAMPL5挑战中，针对53种类药分子在水/环己烷的分离预测中表现最佳，其偏差值最小和与与实验结果的整体相关性最好。
2014年：在SAMPL4挑战中，COSMOtherm 对CB7宿主的宿主客体协同自由能的盲测结果做出最大贡献。
2009年：在SAMPL2挑战中，COSMOtherm 对水合自由能的盲测结果做出最大贡献。
在离目前最近的SAMPL6盲测竞赛中，COSMOtherm 预测了一系列类药分子的辛醇-水分配系数(log P)，被证明是所有参赛方法中最准确的方法。
活性物质API在生物体中的分布与分配系数(log P)密切相关，对新药开发至关重要。91个参赛者采用了几乎所有已知的计算模拟方法如分子动力学（MD）人工智能（AI）和深度学习（DL）等，对分配系数(log P)进行理论预测。 COSMOtherm 基于FINE系列参数计算得到最佳结果（最低的RMSE-均方根误差和MAE-平均绝对误差），排名第一。COSMOquick 基于较低精度基组参数计算，并通过机器学习进行经验性修正，其预测结果位列第三。本次SAMPL6挑战赛的结果再一次证明：COSMOtherm 预测溶解自由能是所有方法中最准确的。
COSMOtherm 的开发者Andreas Klamt教授说：“我们很高兴 COSMOtherm 能够在一个如此高强度竞争的挑战中脱颖而出。COSMOtherm 被业界广泛认为是溶液热力学性质的行业标准，我们产品在各届比赛中所获得的出色的成绩进一步肯定了软件的准确性。”
l COSMOtherm 无需预知实验数据，不受溶剂和溶质的组分种类与个数限制，基于量化计算的结果结合统计热力学就能够既快又准地预测实际流体的热力学性质。
l COSMOtherm 界面友好，简单易用，但却功能强大，能够快速准确计算活度系数、亨利系数、饱和蒸气压、分配系数、溶解度、混合热、（汽液、液液、固液）相图和共沸物相图等溶液相关性质。
l COSMOtherm 软件广泛应用于石油、化工、锂电、医药、材料、香水香料、食品等多个工业领域，有众多国际知名企业用户为其背书（Bayer Technology Services GmbH、TCNF、Dow Chemical、Origenis GmbH、Mitsubishi Chemical Group、BASF Computational Chemistry、Degussa AG、Merck KGaA、Pfizer…）。
