Anthropic รายงานว่า Claude ปรับแต่งโมเดลชีวโมเลกุลแบบเปิดแหล่งที่มากกว่า 30 รายการ

Anthropic เผยแพร่ โพสต์การวิจัย เมื่อวันที่ 17 กันยายน 2026, รายงานว่า Claude ปรับแต่งโมเดลชีวโมเลกุลแบบเปิดแหล่งจำนวนมากกว่า 30 รายการในเวลาไม่ถึงสี่สัปดาห์, ซึ่งบริษัทกล่าวว่าการทำงานของโมเดลเร็วขึ้นประมาณ 4 เท่าโดยเฉลี่ย. Anthropic เปิดเผยซอร์สโค้ดที่ปรับแต่งแล้วและประกาศการแข่งขันออกแบบโปรตีนที่ได้รับการสนับสนุนร่วมกับ Adaptyv Bio.

36 แพคเกจที่ปรับแต่งและเคอร์เนล FlashPairformer

ตามโพสต์การวิจัยและ รายงานทางเทคนิค ที่แนบมา, โมเดลการวิจัยทั่วไปภายในได้สร้างแพคเกจที่ปรับแต่งสำหรับการนำไปใช้ 36 โมเดลครอบคลุมโมเดลเปิดแหล่งมากกว่า 30 รายการในหกกลุ่ม: การพับร่วมและการทำนายโครงสร้าง (14 แพคเกจ), การสร้างภาพหลอน (3), การสร้างโครงสร้าง (6), การพับย้อนกลับ (3), จีโนมิกส์ (7), และโมเดลภาษาโปรตีน (3). Anthropic กล่าวว่า Claude ได้รับการดูแลโดยสมาชิกทีมเทคนิคสองคนที่มีประสบการณ์ในด้านการจำลองชีวโมเลกุล แต่ไม่มีผู้เชี่ยวชาญด้านการเพิ่มประสิทธิภาพการสรุปผลหรือการออกแบบเคอร์เนล

แต่ละแพคเกจทำงานด้วยน้ำหนักโมเดลต้นฉบับและให้บริการสูงสุดสามโหมด: Exact ซึ่งออกแบบมาเพื่อคัดลอกผลลัพธ์ของโมเดลที่ไม่ได้แก้ไขแบบบิตต่อบิต; Fast ซึ่งแลกกับความแม่นยำเชิงตัวเลขเล็กน้อยเพื่อความเร็ว; และ Big ซึ่งลดการใช้หน่วยความจำเพื่อให้ข้อมูลขนาดใหญ่สามารถใส่ในหน่วยความจำของ GPU ได้. รายงานระบุว่าโหมด Exact ทำการส่งผ่านแบบ forward ของโมเดลการทำนายโครงสร้าง 14 รายการเร็วขึ้นโดยเฉลี่ย 1.6 เท่าเมื่อเทียบกับโมเดลที่ไม่ได้แก้ไขบน GPU NVIDIA H100, โหมด Fast ทำงานบน 13 โมเดลที่รองรับโดยเร็วขึ้นโดยเฉลี่ย 4.1 เท่า, และโหมด Big เร็วขึ้นโดยเฉลี่ย 3.4 เท่า.

โมเดลการทำนายโครงสร้างสมัยใหม่เช่น AlphaFold3, OpenFold3, และ Boltz-2 ใช้เวลาและหน่วยความจำส่วนใหญ่ในการทำงานของ triangle attention และ triangle multiplication ซึ่งเป็นสองการดำเนินการที่ต้นทุนเพิ่มตามกำลังสามของจำนวนโทเค็น. NVIDIA ได้พัฒนาเคอร์เนลเฉพาะสำหรับการดำเนินการเหล่านี้, เริ่มจาก cuEquivariance และล่าสุดใน BioNeMo Inference Runtime. สำหรับคอขวดเดียวกัน, Claude พัฒนา FlashPairformer v1 ซึ่งเป็นชุดเคอร์เนล GPU ที่กำหนดเอง. รายงานระบุว่า FlashPairformer v1 ทำ triangle attention เร็วขึ้น 2.7 เท่าเมื่อเทียบกับเคอร์เนลมาตรฐานของอุตสาหกรรมที่ความกว้างคู่ 128, ที่ใช้โดย AlphaFold3 และ Boltz-2, และเร็วขึ้น 2.9 เท่าเมื่อความกว้างคู่ 256, ที่ใช้โดย Protenix v2, ส่วน triangle multiplication เร็วขึ้น 1.7 เท่าและ 3.2 เท่า ตามลำดับ, วัดบน NVIDIA H100 ตัวเดียว.

นอกเหนือจากเคอร์เนลที่ใช้ร่วมกัน, Claude ยังสร้างการเพิ่มประสิทธิภาพเฉพาะสำหรับแต่ละโมเดล, รวมถึงการบันทึกค่ากลางที่โค้ดต้นฉบับคำนวณซ้ำ, การทำ constant-folding กับสาขาที่มีผลลัพธ์คงที่, การจับภาพกราฟ CUDA, และการรวมเคอร์เนล. รายงานระบุว่าการเพิ่มความเร็วในโหมด Fast สำหรับโมเดลการทำนายโครงสร้างอยู่ระหว่าง 2.3 เท่าสำหรับ OpenDDE ถึง 6.4 เท่าสำหรับ Chai-1, และโมเดลด้านจีโนมิกส์และโมเดลภาษาโปรตีนเพิ่มประสิทธิภาพในโหมด Exact ตั้งแต่ 1.2 เท่า ถึง 5.0 เท่า.

ในด้านความแม่นยำ, รายงานระบุว่าผ่าน FoldBench-Lite ซึ่งเป็นชุดทดสอบรวมของ 1,925 คู่โมเดล–เป้าหมายใน 13 การกำหนดค่าโมเดล, สัดส่วนของอินเทอร์เฟซที่ทำนายได้อย่างยอมรับอยู่ที่ 54.8% ในค่าเริ่มต้นเทียบกับ 55.0% สำหรับ Exact, 54.5% สำหรับ Fast, และ 54.2% สำหรับ Big, โดยไม่มีการเปลี่ยนแปลงรวมที่แตกต่างจากศูนย์. ข้อจำกัดที่ระบุรวมถึงการวัดผลที่ทำเฉพาะบน GPU H100, การวัดความเร็วของ ColabFold เทียบกับเวอร์ชัน 1.6.1 ก่อนที่โครงการนั้นจะปล่อยเคอร์เนลผสานของตนเอง, และโหมด Exact และ Fast ใช้หน่วยความจำมากขึ้นถึง 3.2 เท่าเมื่อเทียบกับค่าเริ่มต้น.

โหมด Big สำหรับระบบชีวโมเลกุลขนาดมหาศาล

Anthropic กล่าวว่าโหมด Big ที่ใช้หน่วยความจำน้อยของ Claude ทำให้สามารถจำลองระบบชีวโมเลกุลที่มีขนาดใหญ่กว่า 10,000 โทเค็น (กรดอะมิโน, นิวคลีโอไทด์, และอะตอมจากโมเลกุลขนาดเล็กและไอออน) อย่างแม่นยำและทำการสรุปผลบนระบบที่ใหญ่กว่า 70,000 โทเค็น, ทั้งหมดบนโหนด GPU NVIDIA ตัวเดียว, ซึ่งโพสต์ระบุว่าเป็นภารกิจที่ก่อนหน้านี้ไม่สามารถทำได้. เครื่องจักรโมเลกุลที่ทำนายได้อย่างแม่นยำในโหมด Big รวมถึงคอมเพล็กซ์ไมโทคอนเดรียมนุษย์ I, คอมเพล็กซ์เชพโรน TRiC, โปรเทอซอม, และริโบโซมแบคทีเรีย 70S, แต่ละรายการตรงกับโครงสร้างทดลองด้วยค่า TM-score ตั้งแต่ 0.92 ถึง 0.997 ตามรายงาน. Anthropic กล่าวว่า สิ่งเหล่านี้เป็นหนึ่งในโครงสร้างที่ใหญ่ที่สุดที่เคยพับอย่างแม่นยำโดยใช้โมเดลการทำนายโครงสร้างตามที่ทราบ; รายงานระบุว่าบทความของ AlphaFold3 เน้นการทำนายริโบโซม 40S ที่แม่นยำด้วย 7,663 โทเค็นและว่า AlphaFold3 ถูกฝึกด้วยข้อมูลที่มีขนาดสูงสุดที่ 768 โทเค็น.

เพื่อทดสอบขอบเขตของการเพิ่มประสิทธิภาพ, Claude ทำการทำนายโครงสร้างบนแคปซิดไวรัสทั้งหมดและส่วนประกอบโปรตีนที่มีขนาดประมาณ 31,000 ถึงมากกว่า 70,000 เรซิดิวโดยใช้โหนดหนึ่งที่มี GPU B300 แปดตัว. การรันทั้งเจ็ดครั้งเสร็จสมบูรณ์, แต่การทำนายทุกครั้งล่มลงเป็นก้อนกะทัดรัด, โดยได้ค่า TM-score อยู่ระหว่าง 0.08 ถึง 0.14 ตามที่ประเมิน. รายงานตั้งสมมติฐานว่าการล่มนี้สะท้อนถึงความล้มเหลวในการทั่วไป, เนื่องจากการประกอบเหล่านี้ใหญ่กว่าการฝึกของ AlphaFold3 มากถึง 40 ถึง 90 เท่า, และนำเสนอผลลัพธ์ว่าเป็นการขยายขอบเขตของสิ่งที่สามารถคำนวณได้ มากกว่าที่โมเดลได้เรียนรู้.

การออกแบบ Binder บน GPU ตัวเดียว

ในการทำงานออกแบบ binder ก่อนหน้าของ Anthropic, Claude ทำงานจากพรอมต์ประมาณ 16,000 คำ, ใช้ซับเอเจนท์, และสามารถใช้จ่ายได้สูงสุด $10,000 ต่อเป้าหมายบนแพลตฟอร์มโครงสร้างพื้นฐาน AI Modal, ประมาณ 2,500 ชั่วโมง GPU รุ่น H100, ภายใน 24 ชั่วโมง. ในการตั้งค่าใหม่, โมเดล Claude ตัวเดียวได้รับ GPU NVIDIA H200 หนึ่งตัวและเวลาการทำงาน 24 ชั่วโมง, ทำงานจากพรอมต์ประมาณ 1,100 คำ, และไม่มีซับเอเจนท์หรือการควบคุมโดยมนุษย์. สามโมเดล ได้แก่ Mythos 5.1, Mythos 5, และ Opus 5, ถูกรันต่อเป้าหมาย 16 รายการของการศึกษาเดิมแต่ละตัว.

รายงานระบุว่าคะแนนมัธยฐานบน ipSAE ซึ่งเป็นคะแนนในซิลิโคที่อธิบายว่าเป็นการทำนายการจับตัวเชิงทดลอง, มีค่า 0.785 สำหรับ Opus 5, 0.781 สำหรับ Mythos 5.1, และ 0.739 สำหรับ Mythos 5, เทียบกับ 0.749 ของแคมเปญก่อนหน้า, โดยคะแนนการออกแบบที่ดีที่สุดอยู่ที่ 0.833, 0.825, และ 0.813 เทียบกับ 0.817. การรันด้วย GPU ตัวเดียวใช้งบประมาณ GPU ที่เล็กกว่าประมาณ 100 เท่า, และโพสต์ระบุว่าการใช้จ่ายรวมประมาณ $150 สำหรับ GPU และโทเคนทำให้ได้ประสิทธิภาพในซิลิโคที่เทียบเท่ากับแคมเปญก่อนหน้า. รายงานระบุว่าการออกแบบจากการรันเหล่านี้ยังไม่ได้รับการทดสอบเชิงทดลองและคะแนนเหล่านี้เป็นการวัดในซิลิโค, ไม่ใช่ผลลัพธ์เชิงทดลอง.

เงื่อนไขการปล่อยเวอร์ชันโอเพ่นซอร์ส

Anthropic ปล่อยโค้ดใน ที่เก็บโค้ด GitHub สาธารณะที่มีชุดเครื่องมือปรับแต่งแบบ drop‑in จำนวน 36 ชุด, หนึ่งชุดต่อเครื่องมือต้นทาง, โดยโค้ดต้นฉบับอยู่ภายใต้ Apache License 2.0; การปล่อยเวอร์ชันสาธารณะครั้งแรกถูกคอมมิตเมื่อวันที่ 17 กันยายน 2026. ชุดเครื่องมือเหล่านี้ใช้คำศัพท์โหมด off, exact, fast, และ big ร่วมกันและถูกตั้งค่าสำหรับ GPU NVIDIA H100 80 GB บน Linux x86‑64, โดยบางชุดยังรองรับการตั้งค่า A100, H200, B200 หรือ B300. ที่เก็บโค้ดระบุว่าการปล่อยนี้เป็นการปล่อยอ้างอิงที่ไม่ได้รับการบำรุงรักษาและไม่รับการมีส่วนร่วม, และว่าภาพ Docker และ Apptainer ที่สร้างไว้ล่วงหน้าจะมีให้ภายในหนึ่งสัปดาห์หลังจากการปล่อยครั้งแรก.

การแข่งขันออกแบบโปรตีนร่วมกับ Adaptyv Bio

Anthropic ระบุว่าตนและ Adaptyv Bio ได้เลือกปัญหา 5 รายการที่อยู่บนขอบเขตของความสามารถการออกแบบโปรตีนในปัจจุบัน, รวมถึงการตอบสนองข้ามสายพันธุ์, ความไวต่อ pH, และความจำเพาะของเปปไทด์‑MHC, รวมถึงเป้าหมายที่ยากเช่น GPCRs. ตามที่ระบุใน หน้าการแข่งขัน, ทั้งสององค์กรร่วมกันสนับสนุนเงินทุนการตรวจสอบเชิงทดลองมูลค่า $1 ล้านเพื่อทดสอบการออกแบบโปรตีนกว่า 5,000 รายการในห้องปฏิบัติการอัตโนมัติของ Adaptyv โดยไม่มีค่าใช้จ่ายสำหรับผู้เข้าร่วม, และ Anthropic จะให้เครดิต Claude เพิ่มอีก $1 ล้าน. โพสต์ของ Anthropic ระบุว่า Modal จะให้เครดิตการคำนวณสูงสุด $250,000 และ Twist Bioscience จะจัดหา DNA สำหรับการแข่งขัน.

มีเส้นทางการเข้าร่วม 3 เส้นทางให้เลือก: ห้องวิจัยและบริษัท, โดยมอบเครดิต Claude สูงสุด $50,000 สำหรับทีมวิชาการและสูงสุด $25,000 สำหรับทีมอุตสาหกรรม, คัดเลือกประมาณ 20 ทีม, และจัดการทดสอบในห้องปฏิบัติการสูงสุดประมาณ 18 การออกแบบต่อความท้าทาย; นักวิจัยบุคคลหรือทีมสูงสุดสามคน, พร้อมการเข้าถึง Claude Max 20x ฟรีตลอดการแข่งขัน; และเส้นทางเปิดที่สนับสนุนด้วยตนเองซึ่งการใช้ Claude เป็นทางเลือก.

การสมัครเปิดรับตั้งแต่วันที่ 16 กันยายน ถึง 24 กันยายน 2026, และทีมที่ได้รับเลือกจะได้รับแจ้งก่อนวันที่ 28 กันยายน 2026. ความท้าทายรายสัปดาห์จำนวน 5 ครั้งจะดำเนินการตั้งแต่วันที่ 28 กันยายน ถึง 31 ตุลาคม 2026, การตรวจสอบเชิงทดลองกำหนดให้เสร็จสิ้นภายใน 30 พฤศจิกายน 2026, และผลลัพธ์จะถูกเผยแพร่บน Proteinbase ในวันที่ 15 ธันวาคม 2026. ผู้เข้าร่วมยังคงเป็นเจ้าของการออกแบบของตน, ผลการทดลองทั้งหมดรวมถึงผลลัพธ์เชิงลบจะถูกเผยแพร่อย่างเปิดเผย, และไม่มีรางวัลเงินสด; หน้าเว็บระบุว่าตารางเวลาเป็นไปตามแผนและอาจมีการเปลี่ยนแปลง.