Anthropic Melaporkan Claude Mengoptimalkan Lebih dari 30 Model Biomolekuler Sumber Terbuka

Anthropic menerbitkan sebuah posting penelitian pada 17 September 2026, melaporkan bahwa Claude mengoptimalkan lebih dari 30 model biomolekuler sumber terbuka dalam waktu kurang dari empat minggu, yang menurut perusahaan mempercepat model tersebut sekitar 4 kali secara rata-rata. Anthropic membuka kode yang dioptimalkan sebagai sumber terbuka dan mengumumkan kompetisi desain protein yang disponsori bersama dengan Adaptyv Bio.

36 Paket yang Dioptimalkan dan Kernel FlashPairformer

Menurut posting penelitian dan laporan teknis yang menyertainya, sebuah model penelitian umum internal menghasilkan paket yang dioptimalkan untuk 36 implementasi model yang mencakup lebih dari 30 model sumber terbuka dalam enam keluarga: ko-pelipatan dan prediksi struktur (14 paket), halusinasi (3), generasi struktur (6), pelipatan terbalik (3), genomik (7), dan model bahasa protein (3). Anthropic menyatakan bahwa Claude diawasi terutama oleh dua anggota staf teknisnya yang berpengalaman dalam pemodelan biomolekuler tetapi tidak memiliki pengalaman dalam optimasi inferensi atau rekayasa kernel.

Setiap paket dijalankan dengan bobot model asli dan menawarkan hingga tiga mode: Exact, yang dirancang untuk mereproduksi output model yang tidak dimodifikasi bit demi bit; Fast, yang menukar sedikit presisi numerik demi kecepatan; dan Big, yang mengurangi penggunaan memori sehingga masukan yang lebih besar dapat muat dalam memori GPU. Laporan menyatakan bahwa mode Exact menjalankan proses maju pada 14 model prediksi struktur rata-rata 1.6x lebih cepat dibandingkan model yang tidak dimodifikasi pada GPU NVIDIA H100, bahwa mode Fast menjalankan 13 model yang mendukungnya rata-rata 4.1x lebih cepat, dan bahwa mode Big rata-rata 3.4x lebih cepat.

Model prediksi struktur modern seperti AlphaFold3, OpenFold3, dan Boltz-2 menghabiskan sebagian besar waktu proses dan memori mereka pada triangle attention dan triangle multiplication, dua operasi yang biayanya bersifat kubik terhadap jumlah token. NVIDIA telah mengembangkan kernel khusus untuk operasi ini, pertama dalam cuEquivariance dan baru-baru ini dalam BioNeMo Inference Runtime. Untuk bottleneck yang sama, Claude mengembangkan FlashPairformer v1, sekumpulan kernel GPU khusus. Laporan menyatakan bahwa FlashPairformer v1 menjalankan triangle attention 2.7x lebih cepat dibandingkan kernel standar bidang pada lebar pasangan 128, yang digunakan oleh AlphaFold3 dan Boltz-2, dan 2.9x lebih cepat pada lebar pasangan 256, yang digunakan oleh Protenix v2, dengan triangle multiplication masing‑masing 1.7x dan 3.2x lebih cepat, diukur pada satu NVIDIA H100.

Selain kernel bersama, Claude menghasilkan optimasi khusus untuk setiap model, termasuk memoisasi intermediat yang sebelumnya dihitung ulang oleh kode asli, constant‑folding pada cabang dengan output konstan, penangkapan grafik CUDA, dan fusi kernel. Laporan menyatakan bahwa percepatan mode Fast untuk model prediksi struktur berkisar antara 2.3x untuk OpenDDE hingga 6.4x untuk Chai-1, dan bahwa model genomik serta model bahasa protein memperoleh peningkatan 1.2x hingga 5.0x dalam mode Exact.

Mengenai akurasi, laporan menyatakan bahwa pada FoldBench-Lite, sebuah benchmark gabungan dari 1,925 pasangan model–target pada 13 konfigurasi model, proporsi antarmuka yang diprediksi secara dapat diterima adalah 54.8% pada default dibandingkan 55.0% untuk Exact, 54.5% untuk Fast, dan 54.2% untuk Big, tanpa perubahan gabungan yang dapat dibedakan dari nol. Batasan yang disebutkan meliputi pengukuran yang hanya dilakukan pada GPU H100, percepatan ColabFold yang diukur terhadap versi 1.6.1 sebelum proyek tersebut merilis kernel fusi mereka sendiri, serta mode Exact dan Fast yang menggunakan memori hingga 3.2x lebih banyak dibandingkan default.

Mode Big untuk Sistem Biomolekuler Besar

Anthropic menyatakan bahwa mode Big dengan memori rendah milik Claude memungkinkan pemodelan yang akurat untuk sistem biomolekuler yang lebih besar dari 10,000 token (asam amino, nukleotida, dan atom dari molekul kecil serta ion) dan inferensi pada sistem yang lebih besar dari 70,000 token, semuanya pada satu node GPU NVIDIA, yang dalam posting disebut sebagai tugas yang sebelumnya tidak dapat dijangkau. Mesin molekuler yang diprediksi secara akurat dalam mode Big meliputi kompleks I mitokondria manusia, kompleks chaperone TRiC, sebuah proteasom, dan ribosom 70S bakteri, masing‑masing sangat cocok dengan struktur eksperimentalnya dengan skor TM antara 0.92 hingga 0.997, menurut laporan. Anthropic menyatakan bahwa menurut pengetahuan mereka, ini termasuk di antara struktur terbesar yang pernah dilipat secara akurat menggunakan model prediksi struktur; laporan mencatat bahwa makalah AlphaFold3 menyoroti prediksi ribosom 40S yang akurat dengan 7,663 token dan bahwa AlphaFold3 dilatih pada potongan (crop) paling banyak 768 token.

Untuk menguji batas optimasi, Claude melakukan prediksi struktur pada seluruh kapsid virus dan kompartemen protein dengan rentang sekitar 31,000 hingga lebih dari 70,000 residu menggunakan satu node dengan delapan GPU B300. Semua tujuh percobaan selesai, namun setiap prediksi runtuh menjadi bola kompak, dengan skor TM antara 0.08 hingga 0.14 pada yang terukur. Laporan berhipotesis bahwa keruntuhan tersebut mencerminkan kegagalan dalam generalisasi, karena ansambel tersebut 40 hingga 90 kali lebih besar daripada potongan pelatihan terbesar AlphaFold3, dan memandang hasil tersebut sebagai perluasan apa yang dapat dihitung daripada apa yang dipelajari model.

Desain Binder pada Satu GPU

Dalam pekerjaan desain binder sebelumnya oleh Anthropic, Claude beroperasi dari prompt sekitar 16.000 kata, menggunakan sub-agen, dan dapat menghabiskan hingga $10.000 per target pada platform infrastruktur AI Modal, kira-kira 2.500 jam GPU H100, dalam waktu 24 jam. Pada pengaturan baru, satu model Claude menerima satu GPU NVIDIA H200 dan 24 jam waktu dinding, bekerja dari prompt sekitar 1.100 kata, serta tidak memiliki sub-agen maupun pengarahan manusia. Tiga model, Mythos 5.1, Mythos 5, dan Opus 5, masing‑masing dijalankan melawan 16 target dari studi sebelumnya.

Laporan tersebut menyatakan bahwa skor median pada ipSAE, skor in silico yang digambarkan sebagai prediktif terhadap ikatan eksperimental, mencapai 0,785 untuk Opus 5, 0,781 untuk Mythos 5.1, dan 0,739 untuk Mythos 5, dibandingkan 0,749 untuk kampanye sebelumnya, dengan skor desain‑terbaik masing‑masing 0,833, 0,825, dan 0,813 versus 0,817. Jalur satu‑GPU menggunakan anggaran GPU sekitar 100 kali lebih kecil, dan posting tersebut menyebutkan bahwa total pengeluaran sekitar $150 untuk GPU dan token menghasilkan kinerja in silico yang setara dengan kampanye sebelumnya. Laporan tersebut juga menyatakan bahwa desain‑desain dari jalur ini belum diuji secara eksperimental dan bahwa skor‑skor tersebut merupakan pengukuran in silico, bukan hasil eksperimental.

Ketentuan Rilis Sumber Terbuka

Anthropic merilis kode tersebut dalam GitHub repository publik yang berisi 36 paket optimasi drop‑in, satu untuk setiap alat hulu, dengan kode asli di bawah Lisensi Apache 2.0; rilis publik awal dikomit pada 17 September 2026. Paket‑paket tersebut berbagi kosakata mode off, exact, fast, dan big yang umum serta dikonfigurasi untuk GPU NVIDIA H100 80 GB pada Linux x86‑64, dengan beberapa paket juga menyediakan konfigurasi A100, H200, B200, atau B300. Repositori menyatakan bahwa rilis ini merupakan rilis referensi yang tidak dipelihara dan tidak menerima kontribusi, serta bahwa gambar Docker dan Apptainer yang telah dibangun akan tersedia dalam waktu seminggu setelah rilis awal.

Kompetisi Desain Protein Bersama Adaptyv Bio

Anthropic mengatakan bahwa mereka bersama Adaptyv Bio memilih lima masalah di garis depan kemampuan desain protein saat ini, termasuk reaktivitas lintas spesies, sensitivitas pH, dan spesifisitas peptide‑MHC, serta target sulit seperti GPCR. Menurut competition page, kedua organisasi secara bersama‑sama mensponsori $1 juta untuk validasi eksperimental guna menguji lebih dari 5.000 desain protein di laboratorium otomatis Adaptyv tanpa biaya bagi peserta, dengan Anthropic menyediakan tambahan $1 juta dalam kredit Claude. Posting Anthropic menyatakan bahwa Modal akan menyediakan hingga $250.000 dalam kredit komputasi dan bahwa Twist Bioscience akan menyediakan DNA untuk kompetisi tersebut.

Tiga jalur partisipasi ditawarkan: laboratorium riset dan perusahaan, dengan hingga $50.000 dalam kredit Claude untuk tim akademik dan hingga $25.000 untuk tim industri, kira‑kira 20 tim terpilih, serta pengujian laboratorium yang dipesan untuk sekitar 18 desain per tantangan; peneliti individu atau tim hingga tiga orang, dengan akses Claude Max 20x gratis selama kompetisi; dan jalur terbuka yang didukung sendiri di mana penggunaan Claude bersifat opsional.

Aplikasi dibuka dari 16 September hingga 24 September 2026, dan tim terpilih akan diberitahukan sebelum 28 September 2026. Lima tantangan mingguan berlangsung dari 28 September hingga 31 Oktober 2026, validasi eksperimental dijadwalkan selesai pada 30 November 2026, dan hasil akan dipublikasikan di Proteinbase pada 15 Desember 2026. Peserta mempertahankan kepemilikan atas desain mereka, semua hasil eksperimental termasuk hasil negatif akan dipublikasikan secara terbuka, dan tidak ada hadiah uang tunai; halaman tersebut menggambarkan jadwal sebagai rencana yang dapat berubah.