Anthropic informuje, że Claude zoptymalizował ponad 30 otwartoźródłowych modeli biomolekularnych

Anthropic opublikował post badawczy 17 września 2026 r., informując, że Claude zoptymalizował ponad 30 otwartoźródłowych modeli biomolekularnych w niecałe cztery tygodnie, co, jak podaje firma, przyspieszyło modele średnio około 4‑krotnie. Anthropic udostępnił zoptymalizowany kod jako open source i ogłosił konkurs projektowania białek współorganizowany z Adaptyv Bio.

36 zoptymalizowanych pakietów i jądra FlashPairformer

Zgodnie z postem badawczym oraz towarzyszącym raportem technicznym, wewnętrzny, ogólnego przeznaczenia model badawczy wygenerował zoptymalizowane pakiety dla 36 implementacji modeli, obejmujących ponad 30 otwartoźródłowych modeli w sześciu rodzinach: współzginanie i przewidywanie struktury (14 pakietów), halucynacje (3), generowanie struktury (6), odwrócone składanie (3), genomika (7) oraz modele językowe białek (3). Anthropic poinformował, że Claude był nadzorowany głównie przez dwóch członków zespołu technicznego z doświadczeniem w modelowaniu biomolekularnym, ale bez doświadczenia w optymalizacji wnioskowania ani inżynierii jąder.

Każdy pakiet działa z oryginalnymi wagami modelu i oferuje do trzech trybów: Exact, zaprojektowany tak, aby odtworzyć wyjścia niezmodyfikowanego modelu bit po bicie; Fast, który wymienia niewielką część precyzji numerycznej na szybkość; oraz Big, który zmniejsza zużycie pamięci, aby większe dane wejściowe mieściły się w pamięci GPU. Raport wskazuje, że tryb Exact przeprowadzał przepustowy przebieg 14 modeli przewidywania struktury średnio 1,6‑krotnie szybciej niż niezmodyfikowane modele na GPU NVIDIA H100, że tryb Fast uruchamiał 13 modeli oferujących go średnio 4,1‑krotnie szybciej, a tryb Big był średnio 3,4‑krotnie szybszy.

Nowoczesne modele przewidywania struktury, takie jak AlphaFold3, OpenFold3 i Boltz-2, poświęcają dużą część czasu obliczeń i pamięci na operacje triangle attention i triangle multiplication, dwie operacje o kosztach rosnących sześciennie wraz z liczbą tokenów. NVIDIA opracowała dedykowane jądra dla tych operacji, najpierw w cuEquivariance, a później w BioNeMo Inference Runtime. Dla tego samego wąskiego gardła Claude stworzył FlashPairformer v1, zestaw niestandardowych jąder GPU. Raport podaje, że FlashPairformer v1 wykonywał triangle attention 2,7‑krotnie szybciej niż standardowe jądra w tej dziedzinie przy szerokości pary 128, używane przez AlphaFold3 i Boltz-2, oraz 2,9‑krotnie szybciej przy szerokości pary 256, używanej przez Protenix v2, a triangle multiplication było odpowiednio 1,7‑krotnie i 3,2‑krotnie szybsze, zmierzone na pojedynczym NVIDIA H100.

Poza wspólnymi jądrami Claude wprowadził optymalizacje specyficzne dla każdego modelu, w tym pamiętanie pośrednich wyników, które oryginalny kod przeliczał ponownie, stałe składanie gałęzi o stałych wyjściach, przechwytywanie grafu CUDA oraz fuzję jąder. Raport wskazuje, że przyspieszenia w trybie Fast dla modeli przewidywania struktury wahały się od 2,3‑krotnego przy OpenDDE do 6,4‑krotnego przy Chai-1, a modele genomiki i językowe białek zyskały od 1,2‑krotnego do 5,0‑krotnego przyspieszenia w trybie Exact.

Jeśli chodzi o dokładność, raport podaje, że w ramach FoldBench-Lite, zbiorczego benchmarku obejmującego 1 925 par model–cel w 13 konfiguracjach modeli, odsetek akceptowalnie przewidzianych interfejsów wyniósł 54,8 % w ustawieniu domyślnym, 55,0 % w trybie Exact, 54,5 % w trybie Fast i 54,2 % w trybie Big, przy czym zmiana nie była statystycznie istotna. Wymienione ograniczenia obejmują pomiary przeprowadzone wyłącznie na GPU H100, przyspieszenia ColabFold mierzone w stosunku do wersji 1.6.1, zanim projekt wydał własne zintegrowane jądra, oraz fakt, że tryby Exact i Fast zużywają do 3,2‑krotnie więcej pamięci niż domyślny.

Tryb Big dla ogromnych systemów biomolekularnych

Anthropic poinformował, że tryb Big o niskim zużyciu pamięci umożliwia dokładne modelowanie systemów biomolekularnych większych niż 10 000 tokenów (aminokwasów, nukleotydów i atomów małych cząsteczek oraz jonów) oraz wnioskowanie w systemach przekraczających 70 000 tokenów, wszystko na jednym węźle GPU NVIDIA, co post opisuje jako dotąd nieosiągalne zadanie. Maszyny molekularne przewidywane dokładnie w trybie Big obejmują ludzki kompleks mitochondrialny I, kompleks szaperonu TRiC, proteasom oraz bakteryczną rybosomę 70S, które każda bardzo dobrze odzwierciedla swoją strukturę eksperymentalną, uzyskując TM‑score od 0,92 do 0,997, według raportu. Anthropic stwierdził, że są to, według ich wiedzy, jedne z największych struktur kiedykolwiek dokładnie złożonych przy użyciu modeli przewidywania struktury; raport zauważa, że w publikacji AlphaFold3 podkreślono dokładne przewidywanie rybosomu 40S o 7 663 tokenach, a AlphaFold3 był trenowany na fragmentach nieprzekraczających 768 tokenów.

Aby przetestować granice optymalizacji, Claude przeprowadził przewidywanie struktury całych kapsydów wirusowych i przedziałów białkowych o rozmiarach od około 31 000 do ponad 70 000 reszt, wykorzystując jeden węzeł z ośmioma GPU B300. Wszystkie siedem uruchomień zakończyło się, ale każde przewidywanie zapadało w zwartą kulę, uzyskując TM‑score od 0,08 do 0,14 tam, gdzie oceniano. Raport spekuluje, że ten upadek odzwierciedla niezdolność do uogólnienia, ponieważ zespoły są 40‑90‑krotnie większe niż największy fragment treningowy AlphaFold3, i przedstawia wynik jako rozszerzenie tego, co można obliczyć, a nie tego, czego modele się nauczyły.

Projektowanie binderów na pojedynczym GPU

W wcześniejszych pracach Anthropic nad projektowaniem wiązek, Claude działał na podstawie promptu liczącego około 16 000 słów, używał podagentów i mógł wydać do 10 000 USD na cel na platformie infrastruktury AI Modal, co odpowiadało mniej więcej 2 500 godzinom GPU H100, w ciągu 24 godzin. W nowej konfiguracji pojedynczy model Claude otrzymał jedną kartę NVIDIA H200 oraz 24 godziny czasu rzeczywistego, pracował z promptem liczącym około 1 100 słów i nie korzystał z podagentów ani sterowania ludzkiego. Trzy modele – Mythos 5.1, Mythos 5 i Opus 5 – zostały uruchomione przeciwko 16 celom z wcześniejszego badania.

Raport podaje, że mediany wyników ipSAE, wskaźnika in silico opisywanego jako predykcyjny dla eksperymentalnego wiązania, wyniosły 0,785 dla Opus 5, 0,781 dla Mythos 5.1 i 0,739 dla Mythos 5, w porównaniu z 0,749 dla wcześniejszych kampanii, przy najlepszych wynikach projektowych 0,833, 0,825 i 0,813 wobec 0,817. Uruchomienia na pojedynczej karcie GPU wykorzystały budżet GPU około 100‑krotnie mniejszy, a raport stwierdza, że łączny wydatek około 150 USD na GPU i tokeny zapewnił wydajność in silico porównywalną z wcześniejszymi kampaniami. Raport zaznacza, że projekty z tych uruchomień nie zostały jeszcze przetestowane eksperymentalnie i że podane wyniki są pomiarami in silico, a nie wynikami eksperymentalnymi.

Warunki udostępnienia open‑source

Anthropic udostępnił kod w publicznym repozytorium GitHub zawierającym 36 gotowych zestawów optymalizacyjnych, po jednym dla każdego narzędzia nadrzędnego, przy czym oryginalny kod jest objęty licencją Apache License 2.0; pierwsze publiczne wydanie zostało zatwierdzone 17 września 2026. Zestawy korzystają ze wspólnego słownika w trybach off, exact, fast i big oraz są skonfigurowane pod GPU NVIDIA H100 80 GB na systemie Linux x86‑64, przy czym niektóre zestawy zawierają także konfiguracje A100, H200, B200 lub B300. Repozytorium informuje, że wydanie jest wersją referencyjną, nie jest utrzymywane i nie przyjmuje wkładów, a obrazy Docker i Apptainer mają być udostępnione w ciągu tygodnia od pierwszego wydania.

Konkurs projektowania białek z Adaptyv Bio

Anthropic poinformował, że wraz z Adaptyv Bio wybrano pięć problemów leżących na granicy aktualnych możliwości projektowania białek, w tym krzyżową reaktywność gatunkową, wrażliwość na pH oraz specyficzność peptyd‑MHC, a także trudne cele, takie jak GPCR‑y. Zgodnie z stroną konkursu, obie organizacje wspólnie sponsorują 1 milion USD na walidację eksperymentalną, aby przetestować ponad 5 000 projektów białek w zautomatyzowanym laboratorium Adaptyv bez kosztów dla uczestników, przy czym Anthropic dostarcza dodatkowy milion USD w kredytach Claude. W poście Anthropic podano, że Modal zapewni do 250 000 USD w kredytach obliczeniowych, a Twist Bioscience dostarczy DNA na potrzeby konkursu.

Oferowane są trzy ścieżki uczestnictwa: laboratoria badawcze i firmy, z do 50 000 USD w kredytach Claude dla zespołów akademickich i do 25 000 USD dla zespołów przemysłowych, przy czym wybranych zostanie około 20 zespołów i zarezerwowana będzie testowa laboratoria na około 18 projektów na wyzwanie; indywidualni badacze lub zespoły do trzech osób, z bezpłatnym dostępem Claude Max 20x w trakcie konkursu; oraz otwarta ścieżka samodzielna, w której użycie Claude jest opcjonalne.

Aplikacje przyjmowane są od 16 września do 24 września 2026, a wybrane zespoły zostaną powiadomione przed 28 września 2026. Pięć cotygodniowych wyzwań odbędzie się od 28 września do 31 października 2026, walidacja eksperymentalna ma zostać zakończona do 30 listopada 2026, a wyniki zostaną opublikowane na Proteinbase 15 grudnia 2026. Uczestnicy zachowują własność swoich projektów, wszystkie wyniki eksperymentalne, w tym negatywne, będą publikowane otwarcie, nie przewidziano nagrody pieniężnej; strona opisuje harmonogram jako planowany i podlegający zmianom.