Anthropic báo cáo Claude đã tối ưu hơn 30 mô hình biomolecular mã nguồn mở

Anthropic đã công bố một bài viết nghiên cứu vào ngày 17 tháng 9 năm 2026, báo cáo rằng Claude đã tối ưu hơn 30 mô hình biomolecular mã nguồn mở trong vòng chưa đầy bốn tuần, mà công ty cho rằng đã tăng tốc độ các mô hình trung bình khoảng 4 lần. Anthropic đã mã nguồn mở mã đã tối ưu và công bố một cuộc thi thiết kế protein đồng tài trợ cùng với Adaptyv Bio.

36 Gói Tối Ưu và Các Kernel FlashPairformer

Theo bài viết nghiên cứu và một báo cáo kỹ thuật đi kèm, một mô hình nghiên cứu đa mục đích nội bộ đã tạo ra các gói tối ưu cho 36 triển khai mô hình, bao phủ hơn 30 mô hình mã nguồn mở thuộc sáu họ: đồng gập và dự đoán cấu trúc (14 gói), ảo giác (3), tạo cấu trúc (6), gập ngược (3), genomics (7), và mô hình ngôn ngữ protein (3). Anthropic cho biết Claude được giám sát chủ yếu bởi hai thành viên trong đội kỹ thuật của họ, có kinh nghiệm trong mô hình hoá biomolecular nhưng không có kinh nghiệm trong tối ưu suy luận hay kỹ thuật kernel.

Mỗi gói chạy với trọng số mô hình gốc và cung cấp tối đa ba chế độ: Exact (Chính xác), được thiết kế để tái tạo đầu ra của mô hình chưa sửa đổi một cách chính xác; Fast (Nhanh), đổi lại một lượng nhỏ độ chính xác số học để tăng tốc; và Big (Lớn), giảm việc sử dụng bộ nhớ để các đầu vào lớn hơn có thể vừa trên bộ nhớ GPU. Báo cáo cho biết chế độ Exact đã chạy quá trình truyền tiến của 14 mô hình dự đoán cấu trúc nhanh hơn trung bình 1.6x so với các mô hình chưa sửa đổi trên GPU NVIDIA H100, chế độ Fast đã chạy 13 mô hình hỗ trợ nó nhanh hơn trung bình 4.1x, và chế độ Big trung bình nhanh hơn 3.4x.

Các mô hình dự đoán cấu trúc hiện đại như AlphaFold3, OpenFold3 và Boltz-2 tiêu tốn phần lớn thời gian chạy và bộ nhớ cho triangle attention và triangle multiplication, hai phép toán có chi phí tăng bậc ba theo số token. NVIDIA đã phát triển các kernel chuyên dụng cho các phép toán này, đầu tiên trong cuEquivariance và gần đây hơn trong BioNeMo Inference Runtime. Đối với cùng nút thắt, Claude đã phát triển FlashPairformer v1, một bộ các kernel GPU tùy chỉnh. Báo cáo cho biết FlashPairformer v1 thực hiện triangle attention nhanh hơn 2.7x so với các kernel tiêu chuẩn trong lĩnh vực ở độ rộng cặp 128, được AlphaFold3 và Boltz-2 sử dụng, và nhanh hơn 2.9x ở độ rộng cặp 256, được Protenix v2 sử dụng, với triangle multiplication nhanh hơn 1.7x và 3.2x tương ứng, đo trên một NVIDIA H100 duy nhất.

Ngoài các kernel chung, Claude đã tạo ra các tối ưu hóa riêng cho từng mô hình, bao gồm ghi nhớ các trung gian mà mã gốc tính lại, gập hằng số các nhánh có đầu ra cố định, ghi lại đồ thị CUDA và hợp nhất kernel. Báo cáo cho biết tốc độ tăng của chế độ Fast cho các mô hình dự đoán cấu trúc dao động từ 2.3x đối với OpenDDE đến 6.4x đối với Chai-1, và các mô hình genomics và ngôn ngữ protein đạt mức tăng từ 1.2x đến 5.0x trong chế độ Exact.

Về độ chính xác, báo cáo cho biết trên FoldBench-Lite, một bộ chuẩn tổng hợp gồm 1.925 cặp mô hình–đối tượng trên 13 cấu hình mô hình, tỷ lệ giao diện dự đoán chấp nhận được là 54.8% ở chế độ mặc định so với 55.0% cho Exact, 54.5% cho Fast và 54.2% cho Big, mà không có sự thay đổi tổng hợp nào đáng kể. Các hạn chế được nêu bao gồm việc đo lường chỉ trên GPU H100, tốc độ tăng của ColabFold được đo so với phiên bản 1.6.1 trước khi dự án này phát hành các kernel hợp nhất riêng, và các chế độ Exact và Fast sử dụng tới 3.2x bộ nhớ hơn so với mặc định.

Chế độ Big cho Hệ thống Biomolecular Quy mô Lớn

Anthropic cho biết chế độ Big tiêu thụ ít bộ nhớ của Claude cho phép mô hình hoá chính xác các hệ thống biomolecular lớn hơn 10.000 token (axit amin, nucleotit và các nguyên tử từ các phân tử nhỏ và ion) và suy luận trên các hệ thống lớn hơn 70.000 token, tất cả trên một nút GPU NVIDIA duy nhất, mà bài viết mô tả là một nhiệm vụ trước đây không thể đạt được. Các máy móc phân tử được dự đoán chính xác trong chế độ Big bao gồm phức hợp I ty thể người, phức hợp chaperone TRiC, một proteasome và ribosome 70S của vi khuẩn, mỗi cái khớp gần với cấu trúc thực nghiệm với TM-score từ 0.92 đến 0.997, theo báo cáo. Anthropic cho biết, theo hiểu biết của họ, đây là một trong những cấu trúc lớn nhất từng được gập chính xác bằng các mô hình dự đoán cấu trúc; báo cáo lưu ý rằng bài báo AlphaFold3 đã nêu bật một dự đoán ribosome 40S chính xác với 7,663 token và AlphaFold3 được huấn luyện trên các crop tối đa 768 token.

Để kiểm tra giới hạn của các tối ưu hóa, Claude đã thực hiện dự đoán cấu trúc trên toàn bộ vỏ virus và các khoang protein có độ dài từ khoảng 31.000 đến hơn 70.000 dư âm bằng một nút gồm tám GPU B300. Tất cả bảy lần chạy đã hoàn thành, nhưng mỗi dự đoán đều sụp đổ thành một quả bóng đặc, với TM-score từ 0.08 đến 0.14 ở các trường hợp được chấm điểm. Báo cáo đưa ra giả thuyết rằng sự sụp đổ phản ánh một thất bại trong việc tổng quát hoá, vì các hợp chất này lớn gấp 40 đến 90 lần so với crop huấn luyện lớn nhất của AlphaFold3, và mô tả kết quả như là mở rộng những gì có thể tính toán được thay vì những gì mô hình đã học.

Thiết kế Binder trên một GPU duy nhất

Trong công việc thiết kế binder trước đây của Anthropic, Claude hoạt động dựa trên một lời nhắc khoảng 16.000 từ, sử dụng các tiểu‑đại lý và có thể chi tới 10.000 USD cho mỗi mục tiêu trên nền tảng hạ tầng AI Modal, tương đương khoảng 2.500 giờ GPU H100, trong vòng 24 giờ. Trong cấu hình mới, một mô hình Claude duy nhất được cấp một GPU NVIDIA H200 và 24 giờ thời gian thực, làm việc từ một lời nhắc khoảng 1.100 từ, và không có tiểu‑đại lý cũng như không có sự điều khiển của con người. Ba mô hình, Mythos 5.1, Mythos 5 và Opus 5, đều được chạy đối với 16 mục tiêu của nghiên cứu trước đó.

Báo cáo cho biết điểm trung vị trên ipSAE, một chỉ số in silico mà nó mô tả là dự đoán khả năng gắn kết thực nghiệm, đạt 0,785 cho Opus 5, 0,781 cho Mythos 5.1 và 0,739 cho Mythos 5, so với 0,749 cho các chiến dịch trước, với các điểm thiết kế tốt nhất lần lượt là 0,833, 0,825 và 0,813 so với 0,817. Các lần chạy một GPU đã sử dụng ngân sách GPU nhỏ hơn khoảng 100 lần, và bài viết cho biết tổng chi phí khoảng 150 USD cho GPU và token đã đạt hiệu suất in silico tương đương với các chiến dịch trước. Báo cáo cũng nêu rằng các thiết kế từ những lần chạy này chưa được kiểm nghiệm thực nghiệm và các điểm số là các đo lường in silico, không phải kết quả thực nghiệm.

Điều Khoản Phát Hành Mã Nguồn Mở

Anthropic đã phát hành mã nguồn trong một GitHub repository công cộng chứa 36 bộ công cụ tối ưu hoá dạng drop‑in, mỗi bộ tương ứng với một công cụ nguồn, với mã gốc được cấp phép theo Apache License 2.0; bản phát hành công khai ban đầu được cam kết vào ngày 17 tháng 9 năm 2026. Các bộ công cụ chia sẻ một từ vựng chế độ off, exact, fast và big chung và được cấu hình cho GPU NVIDIA H100 80 GB trên Linux x86‑64, một số bộ cũng cung cấp cấu hình A100, H200, B200 hoặc B300. Kho lưu trữ cho biết bản phát hành này là bản tham chiếu, không được duy trì và không nhận đóng góp, và các ảnh Docker và Apptainer đã được xây dựng sẽ có sẵn trong vòng một tuần kể từ bản phát hành ban đầu.

Cuộc Thi Thiết Kế Protein Cùng Adaptyv Bio

Anthropic cho biết họ và Adaptyv Bio đã chọn năm vấn đề nằm ở rìa khả năng thiết kế protein hiện tại, bao gồm phản ứng chéo loài, độ nhạy pH và độ đặc hiệu peptide‑MHC, cùng các mục tiêu khó như GPCR. Theo competition page, hai tổ chức cùng tài trợ 1 triệu USD cho việc xác thực thực nghiệm nhằm kiểm tra hơn 5.000 thiết kế protein trong phòng thí nghiệm tự động của Adaptyv mà không tính phí cho người tham gia, trong khi Anthropic cung cấp thêm 1 triệu USD dưới dạng tín dụng Claude. Bài đăng của Anthropic cho biết Modal sẽ cung cấp tới 250.000 USD tín dụng tính toán và Twist Bioscience sẽ cung cấp DNA cho cuộc thi.

Ba lộ trình tham gia được đề xuất: các phòng thí nghiệm nghiên cứu và công ty, với tới 50.000 USD tín dụng Claude cho các đội học thuật và tới 25.000 USD cho các đội công nghiệp, khoảng 20 đội sẽ được chọn, và dự trữ phòng thí nghiệm để kiểm tra khoảng 18 thiết kế mỗi thử thách; các nhà nghiên cứu cá nhân hoặc đội tối đa ba người, với quyền truy cập Claude Max 20x miễn phí trong suốt cuộc thi; và một lộ trình mở tự hỗ trợ, trong đó việc sử dụng Claude là tùy chọn.

Các đơn đăng ký được mở từ ngày 16 tháng 9 đến ngày 24 tháng 9 năm 2026, và các đội được chọn sẽ được thông báo trước ngày 28 tháng 9 năm 2026. Năm thử thách hàng tuần diễn ra từ ngày 28 tháng 9 đến ngày 31 tháng 10 năm 2026, việc xác thực thực nghiệm dự kiến sẽ hoàn thành vào ngày 30 tháng 11 năm 2026, và kết quả sẽ được công bố trên Proteinbase vào ngày 15 tháng 12 năm 2026. Người tham gia giữ quyền sở hữu các thiết kế của mình, tất cả kết quả thực nghiệm bao gồm cả kết quả tiêu cực sẽ được công khai, và không có giải thưởng tiền mặt; trang này mô tả lịch trình là dự kiến và có thể thay đổi.