Anthropic relata que Claude otimizou mais de 30 modelos biomoleculares de código aberto

Anthropic publicou uma postagem de pesquisa em 17 de setembro de 2026, relatando que Claude otimizou mais de 30 modelos biomoleculares de código aberto em menos de quatro semanas, o que a empresa disse ter acelerado os modelos em cerca de 4 vezes em média. Anthropic disponibilizou o código otimizado como código aberto e anunciou uma competição de design de proteínas co-patrocinada pela Adaptyv Bio.

36 Pacotes Otimizados e Kernels FlashPairformer

De acordo com a postagem de pesquisa e um relatório técnico acompanhante, um modelo interno de pesquisa de uso geral produziu pacotes otimizados para 36 implementações de modelos que abrangem mais de 30 modelos de código aberto em seis famílias: co-dobramento e predição de estrutura (14 pacotes), alucinação (3), geração de estrutura (6), dobramento inverso (3), genômica (7) e modelos de linguagem de proteínas (3). Anthropic afirmou que Claude foi supervisionado principalmente por dois membros de sua equipe técnica com experiência em modelagem biomolecular, mas sem experiência em otimização de inferência ou engenharia de kernels.

Cada pacote funciona com os pesos originais do modelo e oferece até três modos: Exato, projetado para reproduzir as saídas do modelo não modificado bit a bit; Rápido, que troca uma pequena quantidade de precisão numérica por velocidade; e Grande, que reduz o uso de memória para que entradas maiores caibam na memória da GPU. O relatório indica que o modo Exato executou a passagem direta de 14 modelos de predição de estrutura, em média, 1,6 vezes mais rápido que os modelos não modificados em GPUs NVIDIA H100, que o modo Rápido executou os 13 modelos que o oferecem, em média, 4,1 vezes mais rápido, e que o modo Grande foi, em média, 3,4 vezes mais rápido.

Modelos modernos de predição de estrutura, como AlphaFold3, OpenFold3 e Boltz-2, gastam grande parte de seu tempo de execução e memória em atenção triangular e multiplicação triangular, duas operações cujo custo é cúbico em relação ao número de tokens. A NVIDIA desenvolveu kernels dedicados para essas operações, primeiro no cuEquivariance e mais recentemente no BioNeMo Inference Runtime. Para o mesmo gargalo, Claude desenvolveu o FlashPairformer v1, um conjunto de kernels GPU personalizados. O relatório indica que o FlashPairformer v1 executou a atenção triangular 2,7 vezes mais rápido que os kernels padrão da área com largura de par 128, usados por AlphaFold3 e Boltz-2, e 2,9 vezes mais rápido com largura de par 256, usados por Protenix v2, com a multiplicação triangular 1,7 vezes e 3,2 vezes mais rápidas, respectivamente, medida em um único NVIDIA H100.

Além dos kernels compartilhados, Claude produziu otimizações específicas para cada modelo, incluindo memorização de intermediários que o código original recalculava, dobramento de constantes em ramos com saídas constantes, captura de gráficos CUDA e fusão de kernels. O relatório indica que os ganhos de velocidade no modo Rápido para os modelos de predição de estrutura variaram de 2,3 vezes para OpenDDE a 6,4 vezes para Chai-1, e que os modelos de genômica e de linguagem de proteínas obtiveram ganhos de 1,2 a 5,0 vezes no modo Exato.

Quanto à precisão, o relatório indica que, em FoldBench-Lite, um benchmark agrupado de 1.925 pares modelo‑alvo em 13 configurações de modelo, a proporção de interfaces previstas aceitavelmente foi de 54,8 % no modo padrão versus 55,0 % no modo Exato, 54,5 % no modo Rápido e 54,2 % no modo Grande, sem mudança agrupada distinguível de zero. As limitações declaradas incluem medições realizadas apenas em GPUs H100, ganhos de velocidade do ColabFold medidos em relação à versão 1.6.1 antes de o projeto lançar seus próprios kernels fundidos, e os modos Exato e Rápido usando até 3,2 vezes mais memória que o padrão.

Modo Grande para Sistemas Biomoleculares Massivos

Anthropic afirmou que o modo Grande de baixa memória de Claude permite a modelagem precisa de sistemas biomoleculares com mais de 10.000 tokens (aminoácidos, nucleotídeos e átomos de pequenas moléculas e íons) e inferência em sistemas com mais de 70.000 tokens, tudo em um único nó GPU NVIDIA, tarefa que a postagem descreve como anteriormente inalcançável. Máquinas moleculares previstas com precisão no modo Grande incluem o complexo I mitocondrial humano, o complexo chaperona TRiC, um proteassoma e uma ribossomo bacteriano 70S, cada um correspondendo de perto à sua estrutura experimental com TM-scores de 0,92 a 0,997, segundo o relatório. Anthropic disse que, ao seu conhecimento, esses são alguns dos maiores estruturas já dobradas com precisão usando modelos de predição de estrutura; o relatório observa que o artigo do AlphaFold3 destacou uma predição precisa de ribossomo 40S com 7.663 tokens e que o AlphaFold3 foi treinado em fragmentos de no máximo 768 tokens.

Para testar os limites das otimizações, Claude executou predição de estrutura em capsídeos virais completos e compartimentos proteicos variando de aproximadamente 31.000 a mais de 70.000 resíduos usando um nó com oito GPUs B300. Todas as sete execuções foram concluídas, mas cada predição colapsou em uma bola compacta, com TM-scores de 0,08 a 0,14 onde foram avaliados. O relatório hipotetiza que o colapso reflete uma falha de generalização, porque as montagens são de 40 a 90 vezes maiores que o maior fragmento de treinamento do AlphaFold3, e enquadra o resultado como uma extensão do que pode ser computado, em vez do que os modelos aprenderam.

Projeto de Binder em uma Única GPU

Nos trabalhos anteriores de design de ligantes da Anthropic, Claude operava a partir de um prompt de aproximadamente 16 000 palavras, utilizava subagentes e podia gastar até US$ 10 000 por alvo na plataforma de infraestrutura de IA Modal, cerca de 2 500 horas de GPU H100, dentro de 24 horas. Na nova configuração, um único modelo Claude recebeu uma GPU NVIDIA H200 e 24 horas de tempo de parede, trabalhou a partir de um prompt de cerca de 1 100 palavras e não utilizou subagentes nem orientação humana. Três modelos, Mythos 5.1, Mythos 5 e Opus 5, foram executados contra os 16 alvos do estudo anterior.

O relatório indica que as pontuações medianas no ipSAE, uma pontuação in silico descrita como preditiva de ligação experimental, atingiram 0,785 para Opus 5, 0,781 para Mythos 5.1 e 0,739 para Mythos 5, contra 0,749 nas campanhas anteriores, com pontuações de melhor‑design de 0,833, 0,825 e 0,813 versus 0,817. As execuções de GPU única usaram um orçamento de GPU cerca de 100 vezes menor, e o post afirma que um gasto combinado de aproximadamente US$ 150 em GPUs e tokens alcançou desempenho in silico equivalente ao das campanhas anteriores. O relatório declara que os designs dessas execuções ainda não foram testados experimentalmente e que as pontuações são medições in silico, não resultados experimentais.

Termos de Lançamento de Código Aberto

A Anthropic divulgou o código em um repositório GitHub público contendo 36 kits de otimização plug‑and‑play, um para cada ferramenta upstream, com o código original sob a Licença Apache 2.0; o lançamento público inicial foi comitado em 17 de setembro de 2026. Os kits compartilham um vocabulário comum de modo off, exato, rápido e grande e são configurados para GPUs NVIDIA H100 de 80 GB em Linux x86‑64, com alguns kits também oferecendo configurações A100, H200, B200 ou B300. O repositório afirma que o lançamento é uma versão de referência que não é mantida e não aceita contribuições, e que imagens Docker e Apptainer pré‑construídas estão planejadas para serem disponibilizadas dentro de uma semana do lançamento inicial.

Competição de Design de Proteínas com Adaptyv Bio

A Anthropic informou que ela e a Adaptyv Bio selecionaram cinco problemas na fronteira das atuais capacidades de design de proteínas, incluindo reatividade cruzada entre espécies, sensibilidade ao pH e especificidade peptídeo‑MHC, além de alvos difíceis como GPCRs. Segundo a página da competição, as duas organizações estão patrocinando conjuntamente US$ 1 milhão em validação experimental para testar mais de 5 000 designs de proteínas no laboratório automatizado da Adaptyv, sem custo para os participantes, com a Anthropic fornecendo US$ 1 milhão adicionais em créditos Claude. O post da Anthropic afirma que a Modal disponibilizará até US$ 250 mil em créditos de computação e que a Twist Bioscience fornecerá DNA para a competição.

São oferecidas três trilhas de participação: laboratórios de pesquisa e empresas, com até US$ 50 mil em créditos Claude para equipes acadêmicas e até US$ 25 mil para equipes industriais, aproximadamente 20 equipes selecionadas, e teste de laboratório reservado para até cerca de 18 designs por desafio; pesquisadores individuais ou equipes de até três pessoas, com acesso gratuito ao Claude Max 20x durante a competição; e uma trilha aberta auto‑sustentada na qual o uso do Claude é opcional.

As inscrições ocorrem de 16 a 24 de setembro de 2026, e as equipes selecionadas serão notificadas antes de 28 de setembro de 2026. Cinco desafios semanais acontecerão de 28 de setembro a 31 de outubro de 2026, a validação experimental está programada para ser concluída até 30 de novembro de 2026, e os resultados serão publicados no Proteinbase em 15 de dezembro de 2026. Os participantes mantêm a propriedade de seus designs, todos os resultados experimentais, inclusive os negativos, serão publicados abertamente, e não há prêmio em dinheiro; a página descreve o cronograma como planejado e sujeito a alterações.