Anthropic сообщает, что Claude оптимизировал более 30 открытых биомолекулярных моделей

Anthropic опубликовала исследовательский пост 17 сентября 2026 года, сообщив, что Claude оптимизировал более 30 открытых биомолекулярных моделей менее чем за четыре недели, что, по словам компании, ускорило модели в среднем примерно в 4 раза. Anthropic опубликовала оптимизированный код с открытым исходным кодом и объявила о конкурсе по дизайну белков, соорганизованном совместно с Adaptyv Bio.

36 оптимизированных пакетов и ядра FlashPairformer

Согласно исследовательскому посту и сопутствующему техническому отчёту, внутренний универсальный исследовательский модель создала оптимизированные пакеты для 36 реализаций моделей, охватывающих более 30 открытых моделей из шести семейств: совместное свёртывание и предсказание структуры (14 пакетов), галлюцинация (3), генерация структуры (6), обратное свёртывание (3), геномика (7) и модели языка белков (3). Anthropic заявила, что Claude контролировался в основном двумя сотрудниками технического отдела, имеющими опыт в биомолекулярном моделировании, но не имеющими опыта в оптимизации вывода или инженерии ядер.

Каждый пакет работает с исходными весами модели и предлагает до трёх режимов: Exact (точный), предназначенный для воспроизведения выходных данных оригинальной модели бит за битом; Fast (быстрый), который жертвует небольшой точностью ради скорости; и Big (большой), который уменьшает использование памяти, позволяя обрабатывать более крупные входные данные в памяти GPU. В отчёте указано, что режим Exact выполнял прямой проход 14 моделей предсказания структуры в среднем в 1,6 раза быстрее, чем оригинальные модели на GPU NVIDIA H100, режим Fast ускорял 13 моделей, его среднее ускорение составляло 4,1 раза, а режим Big обеспечивал среднее ускорение в 3,4 раза.

Современные модели предсказания структуры, такие как AlphaFold3, OpenFold3 и Boltz-2, тратят большую часть времени выполнения и памяти на операции triangle attention и triangle multiplication, две операции, стоимость которых растёт кубически от количества токенов. NVIDIA разработала специализированные ядра для этих операций, сначала в cuEquivariance, а недавно в BioNeMo Inference Runtime. Для того же узкого места Claude создал FlashPairformer v1 — набор пользовательских GPU‑ядер. В отчёте указано, что FlashPairformer v1 выполнял triangle attention в 2,7 раза быстрее, чем стандартные ядра при ширине пары 128, используемые AlphaFold3 и Boltz-2, и в 2,9 раза быстрее при ширине 256, используемой Protenix v2, а triangle multiplication был ускорен соответственно в 1,7 и 3,2 раза, измерено на одном NVIDIA H100.

Помимо общих ядер, Claude реализовал оптимизации, специфичные для каждой модели, включая кэширование промежуточных результатов, которые оригинальный код пересчитывал, свёртывание константных ветвей, захват графа CUDA и слияние ядер. В отчёте указано, что ускорения в режиме Fast для моделей предсказания структуры варьировались от 2,3 раз для OpenDDE до 6,4 раз для Chai-1, а модели геномики и языковые модели белков получили ускорение от 1,2 до 5,0 раз в режиме Exact.

Что касается точности, в отчёте указано, что в рамках FoldBench-Lite, объединённого бенчмарка из 1 925 пар модель‑цель по 13 конфигурациям моделей, доля приемлемо предсказанных интерфейсов составила 54,8 % при настройках по умолчанию против 55,0 % для Exact, 54,5 % для Fast и 54,2 % для Big, при этом суммарное изменение не отличалось от нуля. Указанные ограничения включают измерения, проведённые только на GPU H100, ускорения ColabFold, измеренные относительно версии 1.6.1 до того, как проект выпустил собственные объединённые ядра, а также то, что режимы Exact и Fast используют до 3,2 раз больше памяти, чем настройки по умолчанию.

Режим Big для массивных биомолекулярных систем

Anthropic заявила, что режим Big с низким потреблением памяти позволяет точно моделировать биомолекулярные системы более 10 000 токенов (аминокислот, нуклеотидов и атомов из малых молекул и ионов) и выполнять вывод для систем более 70 000 токенов, всё это на одном узле NVIDIA GPU, что пост описывает как ранее недоступную задачу. Точные предсказания молекулярных машин в режиме Big включают человеческий митохондриальный комплекс I, хаперонный комплекс TRiC, протеасому и бактериальную 70S‑рибосому, каждая из которых близко соответствует экспериментальной структуре с TM‑score от 0,92 до 0,997, согласно отчёту. Anthropic отметила, что, насколько ей известно, это одни из крупнейших структур, когда‑либо точно свернутых с помощью моделей предсказания структуры; в отчёте также указано, что в статье о AlphaFold3 был продемонстрирован точный предсказанный 40S‑рибосомный объект из 7 663 токенов, а AlphaFold3 обучалась на фрагментах не более 768 токенов.

Чтобы проверить пределы оптимизаций, Claude выполнил предсказание структуры целых вирусных капсидов и белковых компартментов размером от примерно 31 000 до более чем 70 000 аминокислот, используя один узел из восьми GPU B300. Все семь запусков завершились, но каждое предсказание свелось к компактному шару, с TM‑score от 0,08 до 0,14 там, где измерялось. В отчёте предполагается, что такой коллапс отражает неспособность к обобщению, поскольку сборки в 40–90 раз превышают крупнейший обучающий фрагмент AlphaFold3, и результат трактуется как расширение возможностей вычислений, а не знаний моделей.

Дизайн связующего на одном GPU

В предыдущей работе Anthropic по разработке связок (binder-design) Claude использовал примерно 16 000‑словный запрос, применял суб‑агентов и мог тратить до $10 000 на каждый объект на платформе ИИ‑инфраструктуры Modal, что примерно соответствует 2 500 часам работы GPU H100, в течение 24 часов. В новой конфигурации один экземпляр модели Claude получал один GPU NVIDIA H200 и 24 часа реального времени, работал с запросом около 1 100 слов и не использовал суб‑агентов и человеческое управление. Три модели — Mythos 5.1, Mythos 5 и Opus 5 — были запущены против 16 целей предыдущего исследования.

В отчёте указано, что медианные показатели ipSAE, in silico‑метрики, которую они описывают как предсказывающую экспериментальное связывание, достигли 0,785 для Opus 5, 0,781 для Mythos 5.1 и 0,739 для Mythos 5, по сравнению с 0,749 в предыдущих кампаниях, при лучших показателях дизайна 0,833, 0,825 и 0,813 против 0,817. Запуски на одном GPU использовали бюджет GPU примерно в 100 раз меньше, и в посте говорится, что совокупные затраты около $150 на GPU и токены обеспечили in silico‑производительность, сопоставимую с предыдущими кампаниями. В отчёте также отмечено, что дизайны из этих запусков не были экспериментально проверены, а показатели являются in silico измерениями, а не экспериментальными результатами.

Условия открытого выпуска

Anthropic выпустила код в публичном репозитории GitHub, содержащем 36 готовых наборов оптимизации, по одному на каждый исходный инструмент, при этом оригинальный код распространяется под лицензией Apache License 2.0; первоначальный публичный релиз был зафиксирован 17 сентября 2026 года. Наборы используют общую лексику режимов off, exact, fast и big и настроены для GPU NVIDIA H100 80 ГБ под Linux x86‑64, при этом некоторые наборы также поставляются с конфигурациями A100, H200, B200 или B300. В репозитории указано, что выпуск является справочным, не поддерживается и не принимает вклады, а предварительно собранные образы Docker и Apptainer планируются в течение недели после первого релиза.

Конкурс по дизайну белков с Adaptyv Bio

Anthropic заявила, что вместе с Adaptyv Bio выбрали пять задач на переднем крае текущих возможностей дизайна белков, включая межвидовую перекрестную реактивность, чувствительность к pH и специфичность пептид‑MHC, а также сложные мишени, такие как GPCR. Согласно странице конкурса, обе организации совместно спонсируют $1 million на экспериментальную валидацию, чтобы протестировать более 5 000 дизайнов белков в автоматизированной лаборатории Adaptyv без затрат для участников, при этом Anthropic предоставляет дополнительно $1 million в виде кредитов Claude. В посте Anthropic указано, что Modal предоставит до $250 000 в виде вычислительных кредитов, а Twist Bioscience предоставит ДНК для конкурса.

Предлагаются три пути участия: исследовательские лаборатории и компании, получающие до $50 000 в виде кредитов Claude для академических команд и до $25 000 для промышленных команд, примерно 20 отобранных команд и зарезервированное лабораторное тестирование до примерно 18 дизайнов на каждый вызов; отдельные исследователи или команды до трёх человек, получающие бесплатный доступ Claude Max 20x в течение конкурса; а также самостоятельный открытый путь, в котором использование Claude является опциональным.

Заявки принимаются с 16 по 24 сентября 2026 года, а выбранные команды будут уведомлены до 28 сентября 2026 года. Пять еженедельных вызовов проводятся с 28 сентября по 31 октября 2026 года, экспериментальная валидация запланирована к завершению к 30 ноября 2026 года, а результаты будут опубликованы на Proteinbase 15 декабря 2026 года. Участники сохраняют право собственности на свои разработки, все экспериментальные результаты, включая отрицательные, будут опубликованы открыто, денежный приз не предусмотрен; на странице указано, что расписание является плановым и может измениться.