Anthropic 生物分子建模加速解读：Claude 四周内优化 30+ 开源模型、平均提速约 4 倍

OpenAI 生态 9-21 竞品动态：Anthropic 于 2026-09-17 在研究板块发布《How Claude is uplifting biomolecular modeling》——让 Claude 为开源生物分子模型做推理优化，30+ 模型平均提速约 4 倍，并新增低显存的 Big 模式。本篇只转述官方原文可核实的内容（发布日为 09-17，本站 2026-09-21 重抓原文逐项核对，正文状态表述以当次抓取为准），包括加速怎么来的、Big 模式的能与不能、蛋白质设计成本的对账，以及开源与比赛这两个生态动作。

1. 这篇研究做了什么：一段话概述

Anthropic 让 Claude 在 Claude Science 框架内为开源生物分子模型做推理优化：由两名有生物分子建模背景、但没有推理优化或内核工程经验的技术 staff 监督，Claude 在不到四周内加速了 30+ 开源模型，覆盖生物分子结构预测、蛋白质设计、蛋白质语言模型与基因组学。官方的对照背景是：这类优化通常每个模型需要一支有经验的工程团队干上数周，而且工作常常无法在模型间迁移。

结果口径分两层：全部 30+ 模型平均提速约 4 倍、牺牲的精度极小，输出完全一致时整体接近 2 倍；其中结构预测子集（12 个以上模型）单独统计为平均约 4 倍、输出完全一致约 1.6 倍。官方还给了两条能力外溢：优化让此前活动级别的蛋白质设计成果可以用少约两个数量级的 GPU 小时复现，以及把超大规模系统的建模门槛降到单节点。

2. 加速怎么来的：FlashPairformer 与逐模型优化

现代结构预测模型（AlphaFold3、OpenFold3、Boltz-2）的运行时间与显存大头是两个作用于三元组 token 的操作：三角形注意力（triangle attention）与三角形乘法（triangle multiplication）。它们负责建模生物分子系统的几何，但代价在运行时间与显存上都是三次方量级——系统规模翻倍，时间与显存涨 8 倍；翻三倍涨 27 倍。给 GPU 这类加速硬件写内核（kernel，低层软件翻译层）是降成本的标准做法，此前已有 NVIDIA cuEquivariance 与更新的 NVIDIA BioNeMo Inference Runtime（BioNeMo-IR）两条专门工作。

Anthropic 与 Claude 合作了 FlashPairformer——一组加速三角形注意力与三角形乘法的自定义内核（二者是结构预测模型 Pairformer 架构的主组件）。官方口径：创下新 SOTA，相对领域标准平均快 2.7-2.9 倍（注意力）与 1.7-3.2 倍（乘法），具体随模型配置浮动。

在可迁移内核之外，Anthropic 还把 Claude 指向每个具体模型做针对性优化，包括缓存冗余的重算工作、把死分支简化成常量输出。两类改进叠加后，结构预测模型平均提速 4 倍，且官方对每个模型确认加速版本不影响下游任务表现（如结构预测本身）。

快速模式的质量验证：在一组合并的生物分子界面上，结构预测的快速模式与默认设置统计不可区分（官方以 DockQ 高于 0.23 计可接受界面）。

3. Big 模式：单节点跑进 10,000-70,000 token

提速之外，Anthropic 还让 Claude 降显存，目标是分子机器这类大规模系统——核糖体、呼吸链复合物、分子伴侣，几十个组件拼在一起、功能取决于组件间如何相互作用。预测这种规模的系统此前通常需要多数分子生物学家拿不到的资源，比如跨多个 GPU 节点的推理。

Claude 做出的低显存 Big 模式：单个 NVIDIA GPU 节点上，超 10,000 token（氨基酸、核苷酸、小分子与离子的原子）的系统可准确建模，超 70,000 token 的系统可成功推理——后者此前是够不着的任务。官方列出已成功折叠的分子机器：人线粒体复合物 I、TRiC 分子伴侣复合物、一个蛋白酶体、细菌核糖体，每个都与实验测定结构高度吻合（closely matching）。官方称就其所知，这些属于结构预测模型准确折叠过的最大结构之列——复合物 I 与 70S 核糖体都超过 10,000 token，作为对照，AlphaFold3 准确预测过的 40S 核糖体是 7,663 token。官方的概括是：这些专用模型展现出超出训练上下文近 1.5 个数量级的泛化。

极限测试同样公开：在单节点 8 卡 B300 上，Claude 对比此前任何成果更大的系统生成预测——超过 31,000 到超过 70,000 token 的完整病毒衣壳与蛋白区室。这比训练上下文大近两个数量级，预测不出意外地坍塌了。官方的读法是：推理门槛已被显著拉低（多节点降到单节点），工具再改进后研究者将能建模越来越复杂的生物系统。注意口径：这批能力运行为概念验证，用单次 trunk pass（无 recycles）。

4. 蛋白质设计成本砍两个数量级

这场优化还有一个对账意义：把此前资源超出绝大多数蛋白质设计者可得范围的演示，压到普通研究者可及的成本。官方前后两次设置的对照如下：

本次跑了三个 Claude 模型（Mythos 5.1、Mythos 5、Opus 5），配合本文的加速版生物分子模型。按 16 个靶点平均：三个模型的中位分与最高分设计，ipSAE 与此前 Mythos 5.1 活动大致相同——而 GPU 小时少约两个数量级。把 Claude token 成本也算上：GPU 与 token 合计约 150 美元，即可拿到与此前活动相当的 in silico 表现。

补充一条时间线：更早的中间结果里，Claude Mythos 5.1 曾加速 7 个开源生物模型、最高 2.5 倍——本文的 30+ 模型、平均 4 倍是那条线的放大版。

5. 开源、比赛与 LSVP beta

生态动作两件。其一，全部优化代码当天开源（GitHub 仓库见 officialReferences），配套一份技术报告 PDF。其二，与 Adaptyv Bio 联办蛋白质设计比赛：双方共同选出 5 道处于当前蛋白质设计能力前沿的题目，包括物种交叉反应性、pH 敏感性、肽-MHC 特异性，以及 GPCR 一类困难靶点；社区提交的设计将有超过 5,000 个被做湿实验验证。资源四笔：Anthropic 最高 100 万美元 Claude 额度，外加参赛者在 Adaptyv 湿实验验证的追加资金；Modal 最高 25 万美元算力额度；Twist Bioscience 提供比赛用 DNA。

文末还捎带一句状态更新：LSVP（生命科学验证计划）在首批组织注册后，于公告当日（09-17）开放公共 beta。这与本站此前对 LSVP 的解读一致，本篇不重复展开。

6. 对 OpenAI 生态读者：可迁移的是什么

官方在公告中给的判断是：这些结果表明前沿 AI 模型将帮助领域内的人更快、更省地构建科学工具。从公告自身内容看，可迁移的证据点有两个：FlashPairformer 定位为可迁移内核（transferable kernels），不是绑死单个模型的补丁；以及监督门槛——两名监督者是生物分子建模背景、明确没有推理优化或内核工程经验，活照样交付。

本站的连线观察（非公告内容）：这是"前沿模型做工程优化"的又一条能力信号，与 9-17 Anthropic 研发速度测量材料里研发自动化指数的口径互相印证——模型不只回答问题，也在承担原本要工程团队数周的工作。对 OpenAI/GPT 生态，公告未提任何内容，本篇不做无源推演；可观察的后续是技术报告的优化细节、开源仓库的社区复用情况，以及比赛结果。

7. 下一步

• Anthropic 生命科学验证计划（LSVP）解读：Mythos、Opus、Sonnet 向生物学工作负载分级开放——本文第五节提到的公共 beta 就是它的落地节点，分级授权机制在那篇里逐项拆过。
• 测量前沿实验室里的 AI 研发速度：Anthropic 的三项自报指标解读——本文第六节的连线对象：研发自动化指数与智能体监督的官方口径。
• EFS 深度解读：Anthropic 如何解开'零保留隐私 vs 安全监测'的两难——同一窗口内 Anthropic 的企业侧安全方案。