Claude优化30多个生物模型

9 月 17 日，Anthropic把Claude放进科学软件的执行层：同一批开源生物分子模型，能不能在更少GPU时间和更低显存压力下完成推理。研究页、技术报告、GitHub仓库和ProteinBase竞赛页共同构成了本期news peg。

成本账本先给出新闻强度。Anthropic 称 Claude 在接近四周内为 30 多个开源模型产出 36 个优化实现包。在结构预测任务上，Fast 模式的前向计算平均 4.1 倍提速；Exact 模式平均 1.6 倍提速，并以输出一致性作为目标。Big 模式把显存压力降下来，使超过 10,000 tokens 的分子系统可在单个 NVIDIA GPU 节点上准确预测。

需要分开看的，是“跑得动”和“预测得准”。官方同时展示了超过 70,000 tokens 规模的单节点推理，但明确说明这些超大 viral capsids 和 protein compartments 的预测并不准确。因此本文把它表述为单节点推理门槛下降，准确性仍有边界。

读者应把这条新闻放在工具链层面理解。AI for Science 的能力清单多了一类：让前沿模型审读、改写、测试和打包科学计算代码。生物实验室、云平台和模型公司接下来会一起验证，这类优化能否从 Anthropic 的演示环境走进日常研发流水线。

这次发布具体新增了什么

Anthropic 把这项工作描述为“uplifting biomolecular modeling”。覆盖范围横跨结构预测、蛋白设计、基因组模型和蛋白语言模型等多类开源工具。GitHub 仓库 README 也对应列出 36 个 drop-in optimization kits，每个 kit 放在自己的目录里，旁边保留上游 pinned 版本。

这套发布有四个组成部分。第一是官方研究页，给出对外叙述和核心数字。第二是技术报告，展开 benchmark、硬件、模式定义和误差检查。第三是 GitHub 仓库，发布可运行的优化代码。第四是 Anthropic 与 Adaptyv Bio 的 ProteinBase 竞赛，试图把优化后的设计能力拉到社区提交和湿实验验证里。

代码层面的设计相对务实。每个 kit 的调用方式尽量不改变上游工具的用户入口，只是在启动时用命名模式启用优化。README 把模式统一为 off、exact、fast 和 big：off 对应未启用优化的上游版本，exact 追求输出一致且更快，fast 接受小的数值差异换取更高速度，big 则优先降低显存峰值以容纳更大输入。

这个细节重要，因为科学工具的采用阻力往往来自脚本替换、环境重建和结果漂移，而非论文摘要本身。Anthropic 选择以 kit 形式包裹上游版本，等于把“模型优化”包装成可回退、可对照、可逐项检查的工程制品。

不过，仓库也给出一个明显 caveat：状态是 reference release，声明 not maintained and not accepting contributions。它更像随论文发布的可复查工件，不能按会持续响应 issue、跟随上游版本更新的长期开源项目来理解。科研团队若要生产使用，仍需要自己承担维护和安全审查。

提速数字怎么读

Anthropic 技术报告把速度结果分成几个层次。结构预测模型是主线：报告称 Exact 模式让 14 个结构预测模型的前向计算平均 1.6 倍更快；Fast 模式在 13 个有该模式的模型上平均 4.1 倍更快。官方研究页用更易读的说法概括为 roughly 4x on average。

精度口径不能被省略。技术报告称，在 13 个模型配置、1,925 个 model-target pairs 的 pooled benchmark 上，可接受 interface 的比例从 default 的 54.8% 变为 Exact 的 55.0%、Fast 的 54.5%、Big 的 54.2%。报告写法是这些 pooled changes 的 95% 置信区间没有排除零，因此没有可测的平均准确率变化。

这不等于所有模型、所有输入、所有下游任务都完全无影响。报告也提示若干单模型区间贴近零，部分最大下降约在 2.2 到 3.5 个百分点范围内，不能排除小损失。对药物发现工作流而言，排序前几名候选的微小差异可能会影响实验资源分配，因此 Fast 模式应该被理解为“官方报告中总体可接受”，不能写成“无条件等价”。

口径	官方数字	适用范围	需要保留的边界
优化规模	30 多个模型	结构预测、蛋白设计、基因组学、蛋白语言模型	技术报告同时写成36个实现包
Fast提速	4.1倍	13个结构预测模型的前向计算	允许小数值差异，非完整实验流水线
Exact提速	1.6倍	14个结构预测模型的前向计算	目标是输出一致，收益小于Fast
可接受interface	54.8%到54.5%	default与Fast pooled benchmark	Anthropic自测，第三方复现待观察
FlashPairformer	2.69倍到3.20倍	triangle attention和multiplication kernel	H100 80GB、特定pair width和输入长度

一个值得注意的技术点是 FlashPairformer v1。结构预测模型里的 triangle attention 和 triangle multiplication 成本随 token 数立方增长，输入翻倍大致会带来 8 倍时间和显存压力。Anthropic 称 Claude 生成的 FlashPairformer v1 在常见 pair width 下，比 field-standard kernels 更快；报告给出的几何均值包括 pair width 128 的 attention 2.69 倍、multiplication 1.69 倍，以及 pair width 256 的 attention 2.89 倍、multiplication 3.20 倍。

这些 kernel 数字解释了为什么这条新闻不只是“Claude 会改 Python”。瓶颈落在 GPU kernel、内存布局、缓存复用和确定性检查上。Claude 的价值如果成立，说明前沿模型开始能进入过去依赖少数高性能计算工程师的狭窄地带。

Big模式的意义和误区

Big 模式是这次发布里最容易被误读的部分。官方研究页说，它让超过 10,000 tokens 的生物分子系统可在单个 NVIDIA GPU 节点上准确建模，样例包括人线粒体复合体 I、TRiC chaperone complex、proteasome 和细菌核糖体。这些系统过去通常需要跨多个 GPU 节点运行，普通分子生物实验室很难承担。

技术报告进一步说明，Big 模式通过 chunking 大型中间张量，或在单机多卡上切分 pair representation，降低峰值显存压力。它没有更换生物模型本身，也没有训练出新结构预测器，主要效果是让已有开源模型在更大输入上“装得下、跑得完”。

这里必须保留第二层事实：Anthropic 还展示了用单个 8-GPU B300 节点对更大结构跑推理，规模从超过 31,000 到超过 70,000 tokens。但官方同时说这些预测没有正确折叠，结构出现 collapse。这说明 Big 模式把可运行边界向外推了，但模型泛化边界没有自动消失。

换句话说，Big 模式的新闻价值应落在资源门槛变化上：七万 token 级推理从资源不可及变为可以试验。对研究者来说，这会改变探索节奏：先能在单节点上失败，才有机会系统分析失败边界、设计更好的 chunking、recycling 或训练方案。

成本账本比演示更关键

Anthropic 在文章里主动回看了此前的蛋白 binder 设计演示。那次工作允许 Claude 在 24 小时内对每个靶点花到 10,000 美元的 Modal GPU 预算，约等于 2,500 个 NVIDIA H100 GPU hours。这个数字很适合展示能力上限，却并不适合大多数实验室日常使用。

这次优化后的实验把配置降得更具体：单个 Claude 模型、一个 NVIDIA H200、24 小时墙钟时间、约 1,100 词提示词，没有 sub-agents，也没有人工在设计过程中引导。Anthropic 称在 16 个靶点上，三个 Claude 模型使用优化后的生物工具，可以达到与此前高预算 campaign 大致相当的 in silico 分数，并使用约两个数量级更少的 GPU 小时。

还要注意这个结论的评价对象是 in silico score，不是湿实验命中率。报告使用 ipSAE 这类结构预测信心分数衡量 binder 候选，Anthropic也承认“with accelerated models”和“without accelerated models”的设置差异还包括参考资料和代码版本。因此它可以说明成本曲线有希望下移，但不能直接推出真实结合成功率已经同比提升。

这也是为什么同日宣布竞赛很重要。Anthropic 与 Adaptyv Bio 计划在 ProteinBase 上运行五个挑战，时间从 9 月 28 日到 10 月 31 日，每周释放一个问题。ProteinBase 页面称会在 Adaptyv 自动化实验室合成并表征 5,000+ proteins，实验结果会公开发布，负结果也会公开。

竞赛资源的措辞也要分开。Anthropic 研究页称提供最高 100 万美元 Claude credits，Modal 提供最高 25 万美元 compute credits，Twist Bioscience 提供 DNA。ProteinBase 页面还写有 100 万美元 wet lab validation，由 Anthropic 与 Adaptyv 赞助。这些都是支持和验证资源，不是现金奖金；FAQ 明确说竞赛没有 cash prize，但会有非现金奖项。

谁会最先受影响

生物计算团队会首先关心可复现性。若这些 kit 能在自己的输入、权重、GPU和容器环境里跑通，最直接的收益是缩短批量筛选时间，并让更多结构可以在单节点上探索。若不能复现，论文价值仍在，但采用会停留在方法参考。

开源模型维护者会面临选择。把 Anthropic 的优化直接合入上游，可以惠及更多用户；但这也意味着要承担 kernel、依赖、缓存和多GPU路径的维护。由于 Anthropic 仓库声明不接受贡献，上游合并或社区 fork 会成为真正扩散路径。

云平台和AI agent团队看到的是另一层能力验证。Claude 交付的是经过测试、benchmark、打包和文档化的性能工程制品，已经超出零散脚本范围。这类工作如果稳定，科学 agent 的价值会从“读论文和调工具”延伸到“改工具本身”。

企业和药企则需要更谨慎。性能优化可以降低探索成本，但药物发现最终仍受实验验证、数据授权、合规、失败率和临床路径限制。Anthropic 的数字目前主要来自自家研究页和技术报告，尚未看到独立实验室的大规模复现。

早报观点

这条新闻的核心在于前沿模型开始触及科学软件栈里的高摩擦环节。过去AI for Science常被写成“模型生成候选分子”，但真实成本常卡在推理吞吐、显存、工具编排和重复运行。Anthropic把焦点放在这些脏活上，反而更接近实验室日常。

早报判断是，这类优化比一次漂亮demo更有基础设施价值。若第三方能复现，科学计算会出现一种新分工：人类研究者定义任务和验证标准，专用模型给出候选，通用模型负责读代码、改kernel、压成本、补文档。瓶颈会从“有没有模型”转向“优化结果能否被审计和维护”。

风险也明确。Anthropic同时是模型供应商、优化者和报告发布者，关键速度与准确性数字尚需外部复查。参考仓库不维护也降低了长期采用确定性。因此这条新闻应被看作高质量工程证据，距离“科学发现本身完成验证”还有一段湿实验和复现路径。

后续信号

复现范围会决定这项工作的采用面。最有价值的反馈来自不同实验室在不同GPU、不同驱动、不同输入长度下的端到端时间、显存峰值和结果差异。如果Fast模式只能在高度控制的环境里稳定，采用面会小很多。

上游吸收会决定扩散速度。GitHub仓库以kit形式发布，短期利于快速试用；长期则要看OpenFold、Boltz、RFdiffusion、ESM和基因组模型生态是否吸收相同思路。优化若停留在独立reference release，它会更像一份研究附件；进入上游后，它才会改变默认成本。

ProteinBase竞赛会给出湿实验校验。ProteinBase FAQ写明会公开实验数据，包括序列、预测结构、设计方法和实验测量，负结果也会公开。这个承诺很关键，因为in silico分数容易高估进展；真正能改变行业判断的，是哪些设计在湿实验里成功，哪些失败，以及Claude-based selection workflow是否如页面所说在赛后公开。

这也是本文给 medium confidence 的原因。发布时间、代码、报告和竞赛都来自一手来源，新闻成立没有问题；但最关键的“平均约四倍提速是否能普遍转化为实验室收益”，仍属于 Anthropic 自报加待复现状态。把这条放进深度页，是因为它把 AI for Science 从结果演示推向工具链改造；保持置信度边界，是因为科学软件最终要靠别人跑出来。