Anthropic开源Claude优化生物模型的代码
Anthropic称Claude已优化30多个开源生物模型，平均提速约4倍，并支持更低显存运行模式。
成果是什么
Anthropic表示，其内部通用研究模型已经优化了30多个用于生物分子研究的开源深度学习模型，覆盖结构预测、蛋白质设计、基因组学和蛋白质语言模型等任务。公司称，在仅有极小精度损失的情况下，整体平均速度提升约4倍；若要求输出完全一致，速度也接近提升一倍。
这项工作还实现了低内存模式，可处理超过1万个生物学输入标记，包括氨基酸、核苷酸以及小分子和离子的原子。Anthropic称，相关任务现在可以在单个英伟达GPU节点上运行，有望降低无法负担大型集群的研究团队的硬件门槛。
此前，Anthropic曾展示Claude调用多个开源工具设计全新蛋白质结合剂。但那次实验每个目标最多消耗1万美元基础设施费用，相当于约2500个H100 GPU小时。此次优化的目标，正是让这类研究流程更容易被普通实验室采用。
从基准测试走向湿实验
Anthropic将开源优化代码，并与Adaptyv Bio共同发起蛋白质设计竞赛。项目围绕五个高难度问题展开，提供最高100万美元Claude额度、25万美元Modal算力额度，并为超过5000个设计提供实验验证。
湿实验环节至关重要，因为推理速度变快并不等于生成的蛋白质有效。真实实验可能发现结合能力、稳定性或可制造性方面的问题，而这些往往无法从软件指标中看出。
为什么重要
这次发布展示了通用AI模型如何直接改进专业科学软件的效率，而不只是生成科研文字。如果这些提速结果能够被独立复现，并在实验室中转化为有效设计，药物研发的计算预算和迭代速度都可能受到影响。现阶段最确定的是工程优化，真正的生物学价值仍需实验结果证明。