Anthropic 让 Claude 优化 30 多个开源生物模型：平均提速约 4 倍，万级 token 系统单卡可算

9 月 17 日，Anthropic 公布一批内部结果：一个通用研究模型（Claude）在不到四周里优化了 30 多个生物领域的开源深度学习模型，覆盖结构预测、蛋白设计、基因组与蛋白语言模型。官方给出的平均数是「约 4 倍加速、精度损失极小」，在要求输出完全一致的设置下也有近 2 倍。它还改进了这些模型的内存占用，做出一个低内存模式，使超过 10,000 个 token（氨基酸、核苷酸，以及小分子与离子的原子）的生物分子系统能在单个 NVIDIA GPU 节点上完成预测。

配套动作是开源与竞赛：全部优化代码开源，并与 Adaptyv Bio 联合发起蛋白设计竞赛，最高提供 100 万美元 Claude 额度加 5,000 个设计的湿实验验证。官方同时把上一轮 de novo 结合蛋白的结果拿来做对照——此前每个目标最多要花 1 万美元（约 2,500 H100 GPU 小时），现在用简化后的智能体流程，可以在少两个数量级的 GPU 小时下达到相当的 in silico 表现。

它改变了什么：把「前沿模型做科研」从单点展示推进到工具层——被优化的不是 Claude 自己，而是学界真正在用的那批开源生物模型，改完还开源。边界要写清：加速倍数与内存效果均为 Anthropic 自测，第三方尚未复现；这条与本刊 9 月 17 日收录的 LSVP 是两件事，LSVP 解决「谁能用生物能力」，这条解决「用完之后能改进什么」。

原文链接：Anthropic 官方页面