Anthropic रिपोर्ट करता है कि Claude ने 30 से अधिक ओपन‑सोर्स बायोमॉलिक्यूलर मॉडल्स को अनुकूलित किया

Anthropic ने 17 सितंबर, 2026 को एक शोध पोस्ट प्रकाशित किया, जिसमें बताया गया कि Claude ने चार हफ्तों से थोड़ा कम समय में 30 से अधिक ओपन‑सोर्स बायोमॉलिक्यूलर मॉडल्स को अनुकूलित किया, और कंपनी के अनुसार इससे मॉडल्स औसतन लगभग 4 गुना तेज़ हुए। Anthropic ने अनुकूलित कोड को ओपन‑सोर्स किया और Adaptyv Bio के साथ सह‑प्रायोजित एक प्रोटीन डिज़ाइन प्रतियोगिता की घोषणा की।

36 अनुकूलित पैकेज और FlashPairformer कर्नेल्स

शोध पोस्ट और एक साथ आने वाली तकनीकी रिपोर्ट के अनुसार, एक आंतरिक सामान्य‑उद्देश्य शोध मॉडल ने 36 मॉडल कार्यान्वयनों के लिए अनुकूलित पैकेज तैयार किए, जो छह परिवारों में 30 से अधिक ओपन‑सोर्स मॉडल्स को कवर करते हैं: को‑फ़ोल्डिंग और संरचना भविष्यवाणी (14 पैकेज), भ्रम (3), संरचना निर्माण (6), उलटा फ़ोल्डिंग (3), जीनोमिक्स (7), और प्रोटीन भाषा मॉडल्स (3)। Anthropic ने कहा कि Claude की निगरानी मुख्यतः उसकी तकनीकी स्टाफ के दो सदस्यों द्वारा की गई, जिनके पास बायोमॉलिक्यूलर मॉडलिंग का अनुभव है, लेकिन इन्फ़रेंस अनुकूलन या कर्नेल इंजीनियरिंग का नहीं।

प्रत्येक पैकेज मूल मॉडल वज़न के साथ चलता है और अधिकतम तीन मोड प्रदान करता है: Exact, जो अपरिवर्तित मॉडल के आउटपुट को बिट दर बिट पुनः उत्पन्न करने के लिए बनाया गया है; Fast, जो गति के लिए थोड़ी सी संख्यात्मक सटीकता का त्याग करता है; और Big, जो मेमोरी उपयोग को कम करता है ताकि बड़े इनपुट GPU मेमोरी में फिट हो सकें। रिपोर्ट में कहा गया है कि Exact मोड ने 14 संरचना भविष्यवाणी मॉडलों के फ़ॉरवर्ड पास को औसतन 1.6 गुना तेज़ चलाया, तुलना में अपरिवर्तित मॉडल्स के NVIDIA H100 GPUs पर; Fast मोड ने उन 13 मॉडलों को औसतन 4.1 गुना तेज़ चलाया, और Big मोड औसतन 3.4 गुना तेज़ रहा।

आधुनिक संरचना भविष्यवाणी मॉडल जैसे AlphaFold3, OpenFold3, और Boltz-2 अपना अधिकांश रनटाइम और मेमोरी त्रिकोणीय अटेंशन और त्रिकोणीय मल्टिप्लिकेशन पर खर्च करते हैं, दो ऐसे ऑपरेशन जिनकी लागत टोकनों की संख्या के घन के बराबर होती है। NVIDIA ने इन ऑपरेशनों के लिए समर्पित कर्नेल विकसित किए हैं, पहले cuEquivariance में और हाल ही में BioNeMo Inference Runtime में। इसी बाधा के लिए, Claude ने FlashPairformer v1 विकसित किया, जो कस्टम GPU कर्नेल का सेट है। रिपोर्ट में कहा गया है कि FlashPairformer v1 ने त्रिकोणीय अटेंशन को 2.7 गुना तेज़ चलाया, जो AlphaFold3 और Boltz-2 द्वारा उपयोग किए गए 128 पेर विड्थ के फील्ड‑स्टैंडर्ड कर्नेल से तेज़ है, और 256 पेर विड्थ पर 2.9 गुना तेज़, जो Protenix v2 द्वारा उपयोग किया जाता है, तथा त्रिकोणीय मल्टिप्लिकेशन क्रमशः 1.7 गुना और 3.2 गुना तेज़, यह सभी एकल NVIDIA H100 पर मापा गया।

साझा कर्नेल के अलावा, Claude ने प्रत्येक मॉडल के लिए विशिष्ट अनुकूलन किए, जिसमें मूल कोड द्वारा पुनः गणना किए जाने वाले मध्यवर्ती मानों को मेमोइज़ करना, स्थिर आउटपुट वाले शाखाओं को कॉन्स्टेंट‑फ़ोल्डिंग करना, CUDA ग्राफ कैप्चर, और कर्नेल फ्यूज़न शामिल हैं। रिपोर्ट में कहा गया है कि संरचना भविष्यवाणी मॉडलों के लिए Fast मोड की गति वृद्धि OpenDDE के लिए 2.3 गुना से लेकर Chai-1 के लिए 6.4 गुना तक थी, और जीनोमिक्स तथा प्रोटीन भाषा मॉडल्स ने Exact मोड में 1.2 गुना से 5.0 गुना तक लाभ प्राप्त किया।

सटीकता के संदर्भ में, रिपोर्ट बताती है कि FoldBench-Lite, जो 13 मॉडल कॉन्फ़िगरेशन पर 1,925 मॉडल‑टार्गेट जोड़ों का संयुक्त बेंचमार्क है, में स्वीकार्य भविष्यवाणी वाले इंटरफ़ेस का प्रतिशत डिफ़ॉल्ट पर 54.8% था, जबकि Exact पर 55.0%, Fast पर 54.5% और Big पर 54.2% था, और कुल मिलाकर कोई उल्लेखनीय परिवर्तन नहीं देखा गया। उल्लेखित सीमाओं में केवल H100 GPUs पर किए गए माप, ColabFold की गति वृद्धि को संस्करण 1.6.1 के मुकाबले मापा गया था, इससे पहले कि उस प्रोजेक्ट ने अपने स्वयं के फ्यूज़्ड कर्नेल जारी किए, और Exact तथा Fast मोड डिफ़ॉल्ट की तुलना में अधिकतम 3.2 गुना अधिक मेमोरी का उपयोग करते हैं।

बड़े बायोमॉलिक्यूलर सिस्टम्स के लिए बिग मोड

Anthropic ने कहा कि Claude का लो‑मेमोरी बिग मोड 10,000 टोकन (अमीनो एसिड, न्यूक्लियोटाइड, और छोटे अणुओं व आयनों के परमाणु) से बड़े बायोमॉलिक्यूलर सिस्टम्स का सटीक मॉडलिंग और 70,000 टोकन से बड़े सिस्टम्स पर इन्फ़रेंस सक्षम करता है, सभी एक ही NVIDIA GPU नोड पर, जिसे पोस्ट ने पहले असंभव कार्य बताया था। बिग मोड में सटीक रूप से भविष्यवाणी किए गए आणविक मशीनों में मानव माइटोकॉन्ड्रियल कॉम्प्लेक्स I, TRiC चैपरोन कॉम्प्लेक्स, एक प्रोटियासोम, और एक बैक्टीरियल 70S राइबोसोम शामिल हैं, जिनमें प्रत्येक का प्रयोगात्मक संरचना से TM‑स्कोर 0.92 से 0.997 के बीच है, रिपोर्ट के अनुसार। Anthropic ने कहा कि ये, उनके ज्ञान में, संरचना भविष्यवाणी मॉडल्स का उपयोग करके सटीक रूप से फोल्ड किए गए सबसे बड़े संरचनाओं में से हैं; रिपोर्ट में उल्लेख है कि AlphaFold3 पेपर ने 7,663 टोकन के एक सटीक 40S राइबोसोम भविष्यवाणी को उजागर किया और AlphaFold3 अधिकतम 768 टोकन के क्रॉप्स पर प्रशिक्षित किया गया था।

अनुकूलनों की सीमाओं का परीक्षण करने के लिए, Claude ने एक नोड में आठ B300 GPUs का उपयोग करके लगभग 31,000 से अधिक 70,000 अवशेषों तक के पूरे वायरल कैप्सिड और प्रोटीन कम्पार्टमेंट्स पर संरचना भविष्यवाणी चलायी। सभी सात रन पूरे हुए, लेकिन प्रत्येक भविष्यवाणी एक संकुचित गोले में गिर गई, जहाँ TM‑स्कोर 0.08 से 0.14 तक मापे गए। रिपोर्ट यह अनुमान लगाती है कि यह गिरावट सामान्यीकरण में विफलता को दर्शाती है, क्योंकि ये असेंबली AlphaFold3 के सबसे बड़े प्रशिक्षण क्रॉप से 40 से 90 गुना बड़ी हैं, और परिणाम को मॉडल के सीखने के बजाय गणना की सीमा को विस्तारित करने के रूप में प्रस्तुत करती है।

एकल GPU पर बाइंडर डिज़ाइन

Anthropic के पहले बाइंडर-डिज़ाइन कार्य में, Claude लगभग 16,000 शब्दों के प्रॉम्प्ट से संचालित होता था, उप-एजेंट्स का उपयोग करता था, और AI इन्फ्रास्ट्रक्चर प्लेटफ़ॉर्म Modal पर प्रति लक्ष्य लगभग $10,000 खर्च कर सकता था, जो लगभग 2,500 H100 GPU घंटे के बराबर है, 24 घंटे के भीतर। नई सेटअप में, एकल Claude मॉडल को एक NVIDIA H200 GPU और 24 घंटे की दीवार समय मिला, लगभग 1,100 शब्दों के प्रॉम्प्ट से काम किया, और इसमें कोई उप-एजेंट या मानव मार्गदर्शन नहीं था। तीन मॉडल, Mythos 5.1, Mythos 5, और Opus 5, प्रत्येक को पहले अध्ययन के 16 लक्ष्यों के खिलाफ चलाया गया।

रिपोर्ट के अनुसार, ipSAE पर मध्यक स्कोर, जिसे वह प्रयोगात्मक बाइंडिंग की भविष्यवाणी करने वाला इन‑सिलिको स्कोर बताता है, Opus 5 के लिए 0.785, Mythos 5.1 के लिए 0.781, और Mythos 5 के लिए 0.739 रहा, जबकि पहले के अभियानों के लिए 0.749 था; सर्वश्रेष्ठ‑डिज़ाइन स्कोर क्रमशः 0.833, 0.825, और 0.813 थे, जबकि 0.817 था। एकल‑GPU रन में GPU बजट लगभग 100 गुना छोटा था, और पोस्ट में कहा गया कि GPUs और टोकन्स पर लगभग $150 की संयुक्त खर्च से इन‑सिलिको प्रदर्शन पहले के अभियानों के बराबर प्राप्त हुआ। रिपोर्ट बताती है कि इन रन से प्राप्त डिज़ाइनों का प्रयोगात्मक परीक्षण अभी नहीं किया गया है और स्कोर इन‑सिलिको माप हैं, न कि प्रयोगात्मक परिणाम।

ओपन‑सोर्स रिलीज़ शर्तें

Anthropic ने कोड को एक सार्वजनिक GitHub रिपॉज़िटरी में जारी किया, जिसमें 36 ड्रॉप‑इन ऑप्टिमाइज़ेशन किट्स हैं, प्रत्येक अपस्ट्रीम टूल के लिए एक, मूल कोड Apache License 2.0 के तहत है; प्रारंभिक सार्वजनिक रिलीज़ 17 सितंबर 2026 को कमिट की गई। किट्स एक सामान्य ऑफ, एक्सैक्ट, फास्ट, और बिग मोड शब्दावली साझा करती हैं और NVIDIA H100 80 GB GPUs पर Linux x86‑64 के लिए कॉन्फ़िगर की गई हैं, कुछ किट्स A100, H200, B200, या B300 कॉन्फ़िगरेशन भी शिप करती हैं। रिपॉज़िटरी बताती है कि यह रिलीज़ एक रेफ़रेंस रिलीज़ है जो रखरखाव नहीं की जाती और योगदान स्वीकार नहीं करती, और प्रारंभिक रिलीज़ के एक सप्ताह के भीतर प्री‑बिल्ट Docker और Apptainer इमेजेज़ की योजना है।

Adaptyv Bio के साथ प्रोटीन डिज़ाइन प्रतियोगिता

Anthropic ने कहा कि उसने और Adaptyv Bio ने वर्तमान प्रोटीन डिज़ाइन क्षमताओं की सीमा पर पाँच समस्याएँ चुनी हैं, जिनमें प्रजातियों के बीच क्रॉस‑रिएक्टिविटी, pH‑संवेदनशीलता, और पेप्टाइड‑MHC विशिष्टता, साथ ही GPCRs जैसे कठिन लक्ष्य शामिल हैं। प्रतियोगिता पृष्ठ के अनुसार, दोनों संगठनों ने मिलकर प्रयोगात्मक सत्यापन के लिए $1 मिलियन का प्रायोजन किया है, जिससे Adaptyv के स्वचालित लैब में 5,000 से अधिक प्रोटीन डिज़ाइनों का परीक्षण किया जाएगा, प्रतिभागियों को कोई लागत नहीं होगी, और Anthropic अतिरिक्त $1 मिलियन के Claude क्रेडिट प्रदान करेगा। Anthropic के पोस्ट में कहा गया है कि Modal अधिकतम $250,000 के कंप्यूट क्रेडिट प्रदान करेगा और Twist Bioscience प्रतियोगिता के लिए DNA प्रदान करेगा।

तीन भागीदारी ट्रैक पेश किए गए हैं: शोध प्रयोगशालाएँ और कंपनियाँ, जहाँ शैक्षणिक टीमों को अधिकतम $50,000 के Claude क्रेडिट और उद्योग टीमों को अधिकतम $25,000 के क्रेडिट मिलेंगे, लगभग 20 टीमों का चयन होगा, और प्रत्येक चुनौती के लिए लगभग 18 डिज़ाइनों तक की लैब परीक्षण आरक्षित होगी; व्यक्तिगत शोधकर्ता या अधिकतम तीन सदस्यों वाली टीमें, जिन्हें प्रतियोगिता के दौरान मुफ्त Claude Max 20x एक्सेस मिलेगा; तथा एक स्व‑समर्थित ओपन ट्रैक जिसमें Claude का उपयोग वैकल्पिक है।

आवेदन 16 सितंबर 2026 से 24 सितंबर 2026 तक चलेंगे, और चयनित टीमों को 28 सितंबर 2026 से पहले सूचित किया जाएगा। पाँच साप्ताहिक चुनौतियाँ 28 सितंबर 2026 से 31 अक्टूबर 2026 तक आयोजित होंगी, प्रयोगात्मक सत्यापन 30 नवंबर 2026 तक पूरा होने की योजना है, और परिणाम 15 दिसंबर 2026 को Proteinbase पर प्रकाशित किए जाएंगे। प्रतिभागी अपने डिज़ाइनों के स्वामित्व को बनाए रखेंगे, सभी प्रयोगात्मक परिणाम, जिसमें नकारात्मक परिणाम भी शामिल हैं, खुले तौर पर प्रकाशित होंगे, और कोई नकद पुरस्कार नहीं है; पृष्ठ शेड्यूल को नियोजित और परिवर्तन के अधीन बताता है।