Anthropic oplyser, at Claude optimerede mere end 30 biomolekylære open source-modeller

Anthropic offentliggjorde et forskningsindlæg den 17. september 2026, hvori virksomheden oplyste, at Claude optimerede mere end 30 open source-modeller til biomolekylær modellering på knap fire uger. Ifølge virksomheden blev modellerne i gennemsnit omtrent fire gange hurtigere. Anthropic frigav den optimerede kode som open source og annoncerede en konkurrence i proteindesign, der afholdes sammen med Adaptyv Bio.

36 optimerede pakker og FlashPairformer-kerner

Ifølge forskningsindlægget og en tilhørende teknisk rapport fremstillede en intern forskningsmodel til generelle formål optimerede pakker til 36 modelimplementeringer, som dækker mere end 30 open source-modeller i seks familier: samlet foldning og strukturforudsigelse (14 pakker), hallucination (3), strukturgenerering (6), invers foldning (3), genomik (7) og proteinsprogmodeller (3). Anthropic oplyste, at Claude primært blev overvåget af to medarbejdere fra virksomhedens tekniske personale med erfaring inden for biomolekylær modellering, men uden erfaring med inferensoptimering eller kerneudvikling.

Hver pakke kører med de oprindelige modelvægte og tilbyder op til tre tilstande: Exact, som er udviklet til at gengive den uændrede models output bit for bit; Fast, som bytter en lille mængde numerisk præcision for højere hastighed; og Big, som reducerer hukommelsesforbruget, så større input kan være i GPU-hukommelsen. Rapporten angiver, at Exact-tilstand i gennemsnit kørte det fremadrettede gennemløb for 14 strukturforudsigelsesmodeller 1,6 gange hurtigere end de uændrede modeller på NVIDIA H100-GPU’er. Fast-tilstand kørte de 13 modeller, der tilbyder den, i gennemsnit 4,1 gange hurtigere, mens Big-tilstand i gennemsnit var 3,4 gange hurtigere.

Moderne strukturforudsigelsesmodeller som AlphaFold3, OpenFold3 og Boltz-2 bruger en stor del af deres køretid og hukommelse på triangle attention og triangle multiplication, to operationer hvis omkostning vokser kubisk med antallet af tokens. NVIDIA har udviklet særlige kerner til disse operationer, først i cuEquivariance og senere i BioNeMo Inference Runtime. Til den samme flaskehals udviklede Claude FlashPairformer v1, et sæt specialbyggede GPU-kerner. Rapporten angiver, at FlashPairformer v1 kørte triangle attention 2,7 gange hurtigere end feltets standardkerner ved en parbredde på 128, som bruges af AlphaFold3 og Boltz-2, og 2,9 gange hurtigere ved en parbredde på 256, som bruges af Protenix v2. Triangle multiplication var henholdsvis 1,7 og 3,2 gange hurtigere målt på en enkelt NVIDIA H100.

Ud over de fælles kerner fremstillede Claude optimeringer, der var særlige for hver model. De omfattede lagring af mellemresultater, som den oprindelige kode genberegnede, konstantfoldning af grene med konstante output, CUDA graph capture og sammenlægning af kerner. Rapporten angiver, at hastighedsforbedringerne i Fast-tilstand for strukturforudsigelsesmodellerne varierede fra 2,3 gange for OpenDDE til 6,4 gange for Chai-1, og at genomikmodeller og proteinsprogmodeller opnåede forbedringer på 1,2 til 5,0 gange i Exact-tilstand.

Med hensyn til nøjagtighed angiver rapporten, at andelen af acceptabelt forudsagte grænseflader på FoldBench-Lite, et samlet benchmark med 1.925 model-mål-par fordelt på 13 modelkonfigurationer, var 54,8 % med standardindstillinger, 55,0 % for Exact, 54,5 % for Fast og 54,2 % for Big. Ingen samlet ændring kunne skelnes fra nul. De angivne begrænsninger omfatter, at målingerne kun blev foretaget på H100-GPU’er, at ColabFold-hastighedsforbedringer blev målt mod version 1.6.1, inden projektet frigav sine egne sammenlagte kerner, og at Exact- og Fast-tilstand kan bruge op til 3,2 gange mere hukommelse end standardtilstanden.

Big-tilstand til enorme biomolekylære systemer

Anthropic oplyste, at Claudes hukommelsesbesparende Big-tilstand gør det muligt nøjagtigt at modellere biomolekylære systemer med mere end 10.000 tokens, det vil sige aminosyrer, nukleotider samt atomer fra små molekyler og ioner, og at køre inferens på systemer med mere end 70.000 tokens på én enkelt NVIDIA GPU-node. Indlægget beskriver dette som en opgave, der tidligere lå uden for rækkevidde. Molekylære maskiner, der blev forudsagt nøjagtigt i Big-tilstand, omfatter menneskets mitokondriekompleks I, chaperonkomplekset TRiC, et proteasom og et bakterielt 70S-ribosom. Ifølge rapporten svarede de alle tæt til deres eksperimentelle struktur med TM-scorer fra 0,92 til 0,997. Anthropic sagde, at disse efter virksomhedens bedste viden er blandt de største strukturer, der nogensinde er blevet foldet nøjagtigt med strukturforudsigelsesmodeller. Rapporten bemærker, at AlphaFold3-artiklen fremhævede en nøjagtig forudsigelse af et 40S-ribosom med 7.663 tokens, og at AlphaFold3 blev trænet på udsnit med højst 768 tokens.

For at afprøve optimeringernes grænser kørte Claude strukturforudsigelse på hele viruskapsider og proteinkamre på omtrent 31.000 til mere end 70.000 rester ved hjælp af én node med otte B300-GPU’er. Alle syv kørsler blev gennemført, men hver forudsigelse kollapsede til en kompakt kugle med TM-scorer på 0,08 til 0,14, hvor de blev beregnet. Rapporten antager, at sammenbruddet skyldes manglende generalisering, fordi samlingerne er 40 til 90 gange større end AlphaFold3’s største træningsudsnit, og beskriver resultatet som en udvidelse af, hvad der kan beregnes, snarere end hvad modellerne har lært.

Design af bindere på én GPU

I Anthropics tidligere arbejde med design af bindere arbejdede Claude ud fra en prompt på omtrent 16.000 ord, brugte underagenter og kunne inden for 24 timer bruge op til 10.000 dollar pr. mål på AI-infrastrukturplatformen Modal, svarende til omtrent 2.500 H100-GPU-timer. I den nye opsætning fik én Claude-model én NVIDIA H200-GPU og 24 timers reel køretid, arbejdede ud fra en prompt på cirka 1.100 ord og havde hverken underagenter eller menneskelig styring. Tre modeller, Mythos 5.1, Mythos 5 og Opus 5, blev hver kørt mod de 16 mål fra den tidligere undersøgelse.

Rapporten angiver, at medianscorerne på ipSAE, en in silico-score som rapporten beskriver som forudsigende for eksperimentel binding, nåede 0,785 for Opus 5, 0,781 for Mythos 5.1 og 0,739 for Mythos 5 sammenlignet med 0,749 for de tidligere kampagner. De bedste designscorer var henholdsvis 0,833, 0,825 og 0,813 mod 0,817. Kørslerne på én GPU brugte et GPU-budget, der var omtrent 100 gange mindre, og indlægget oplyser, at et samlet forbrug på cirka 150 dollar til GPU’er og tokens opnåede en in silico-ydelse på niveau med de tidligere kampagner. Rapporten understreger, at designene fra disse kørsler ikke er blevet testet eksperimentelt, og at scorerne er in silico-målinger, ikke eksperimentelle resultater.

Vilkår for open source-udgivelsen

Anthropic frigav koden i et offentligt GitHub-arkiv, der indeholder 36 optimeringssæt, som kan indsættes direkte, ét for hvert oprindeligt værktøj. Den oprindelige kode er udgivet under Apache License 2.0, og den første offentlige udgivelse blev registreret den 17. september 2026. Sættene bruger den samme terminologi med tilstandene off, exact, fast og big og er konfigureret til NVIDIA H100-GPU’er med 80 GB på Linux x86-64. Nogle sæt indeholder også konfigurationer til A100, H200, B200 eller B300. Arkivet oplyser, at udgivelsen er en referenceudgivelse, som ikke vedligeholdes og ikke modtager bidrag, samt at færdigbyggede Docker- og Apptainer-afbildninger er planlagt inden for en uge efter den første udgivelse.

Konkurrence i proteindesign med Adaptyv Bio

Anthropic oplyste, at virksomheden og Adaptyv Bio udvalgte fem problemer på grænsen af de nuværende muligheder inden for proteindesign, herunder krydsreaktivitet mellem arter, pH-følsomhed og peptid-MHC-specificitet samt vanskelige mål som GPCR’er. Ifølge konkurrencesiden finansierer de to organisationer i fællesskab eksperimentel validering for 1 million dollar for at teste mere end 5.000 proteindesign i Adaptyvs automatiserede laboratorium uden omkostninger for deltagerne. Anthropic yder desuden 1 million dollar i Claude-kreditter. Anthropics indlæg oplyser, at Modal stiller op til 250.000 dollar i beregningskreditter til rådighed, og at Twist Bioscience leverer DNA til konkurrencen.

Der tilbydes tre deltagerspor: forskningslaboratorier og virksomheder, hvor akademiske hold kan få op til 50.000 dollar i Claude-kreditter og industrihold op til 25.000 dollar, omtrent 20 hold udvælges, og laboratorietest af op til cirka 18 design pr. udfordring reserveres; individuelle forskere eller hold på op til tre personer med gratis adgang til Claude Max 20x under konkurrencen; og et selvfinansieret åbent spor, hvor brug af Claude er valgfrit.

Ansøgninger modtages fra 16. til 24. september 2026, og de udvalgte hold skal have besked inden 28. september 2026. Fem ugentlige udfordringer løber fra 28. september til 31. oktober 2026, den eksperimentelle validering skal efter planen være afsluttet 30. november 2026, og resultaterne skal offentliggøres på Proteinbase 15. december 2026. Deltagerne beholder ejerskabet til deres design, alle eksperimentelle resultater, herunder negative resultater, offentliggøres åbent, og der er ingen pengepræmie. Siden beskriver tidsplanen som planlagt og med forbehold for ændringer.