编辑丨&
9 月 17 日，Anthropic 公布了一项新的生物计算进展。此次工作的核心并非直接生成蛋白质或发现新药，而是利用 Claude 优化科学家正在使用的生物分子模型基础设施。
Anthropic 表示，Claude 在不到 4 周的时间内优化了 30 多个开源生物模型，涵盖蛋白质结构预测、蛋白质设计、基因组学及蛋白质语言模型等任务。优化后的模型在保持输出完全一致的前提下，平均推理速度提升约 4 倍；若仅追求加速而不严格约束输出一致性，提速可达约 1.6 倍，同时显著降低了内存消耗。这类优化虽不如发现新药直观，却决定了大量生物计算研究能否高效运行。
优化结构模型推理
现代结构预测模型（如 AlphaFold 3、OpenFold 3 和 Boltz-2）需处理分子中原子、氨基酸和核苷酸间复杂的几何关系。其中，Pairformer 架构内的 triangle attention 和 triangle multiplication 是计算密集型环节。由于涉及三个 token 间的关系，输入规模翻倍时，计算与内存需求将激增至原来的 8 倍；规模扩大 3 倍则高达 27 倍，这成为大型蛋白质复合物研究的主要瓶颈。
针对此问题，Anthropic 利用 Claude 编写了专用的 GPU kernel"FlashPairformer"以加速上述环节。测试数据显示，相比现有标准实现，triangle attention 平均加速 2.7 至 2.9 倍，triangle multiplication 加速 1.7 至 3.2 倍（具体取决于模型配置）。
图 1：Claude 的优化加速了十多个生物分子结构预测模型。
在此基础上，Claude 还针对不同模型实施了缓存重复计算结果、简化静态计算分支等具体改进。最终组合优化使一批结构预测模型平均提速约 4 倍，且经确认未影响下游任务的预测表现。
生物系统分子建模
除提升速度外，Claude 还将优化后的模型应用于更大规模的蛋白质设计与系统建模。
Claude 创建了一种低内存“大”模式，能够精确建模超过 10,000 个 token 的系统，并成功在单个 NVIDIA GPU 节点上推断了超过 70,000 个 token 的系统。据团队透露，这是有史以来通过结构预测模型精确折叠的最大结构之一。相比之下，AlphaFold 3 对 40S 核糖体的准确预测数量仅为 7,663 个。
图 2：Claude 创建的低内存模式使模型能够准确预测单个节点上大数量的生物分子系统。
为测试极限能力，团队要求 Claude 预测前所未有的超大结构。利用单个配备 8 块 GPU 的 B300 节点，Claude 生成了从 31,000 到 70,000 个 token 不等的整个病毒衣壳和蛋白质区间预测。尽管预测并非完全精准，但该方案仅需单节点即可大幅降低超大规模生物分子的模拟门槛。
图 3：新模式允许开源结构预测模型以前所未有的规模成功运行推理。
蛋白质结合剂设计
在早期的蛋白质设计实验中，Anthropic 曾使用约 1.6 万字的提示词驱动智能体，并为每个靶点投入最高 1 万美元的算力（约 2,500 个 NVIDIA H100 GPU 小时）。
此次实验条件大幅精简：单个 Claude 模型仅配备一块 NVIDIA H200 GPU、24 小时运行时间及约 1,100 字的提示词，无需辅助智能体或人工干预。研究团队让三个 Claude 模型针对 16 个靶点进行设计，并利用 ipSAE 指标评估其潜在结合能力。
图 4：Claude 设计全新蛋白质结合剂。
结果显示，新方案在 16 个靶点上的计算表现与此前大规模任务相当，但 GPU 耗时减少了约两个数量级。综合 GPU 与模型 token 成本，Anthropic 估算仅需约 150 美元即可达到此前工作的相近性能。
把优化交予社区
项目最后一步是将优化成果开源。鉴于这些生物模型已广泛应用于药物研发，Anthropic 决定公开全部优化代码及技术报告，供全球研究团队直接使用。
此外，Anthropic 联合 Adaptyv Bio 发起了蛋白质设计竞赛，旨在通过生命科学验证项目，为科研人员提供前沿 AI 能力支持。Claude 此次不仅生成了结果，更通过提供优化工具，赋能研究者探索更多科学可能。
原文链接：https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling