四周、30 多个模型、平均约 4 倍

Anthropic 在 9 月 17 日发布的工作说明给出了一组具体的数字：让 Claude 在一个面向科研的内部环境里，用不到四周时间优化了 30 多个开源生物分子模型，任务覆盖结构预测、蛋白质设计、基因组学与蛋白质语言模型。结果是平均约 4 倍加速、精度损失很小，其中一部分优化在输出完全一致的前提下做到接近 2 倍。

另一半改进在显存上

他们同时新增了一个低内存模式，使单个 NVIDIA GPU 节点就能准确预测超过 10,000 个 token 的生物分子体系——这里的 token 指的是氨基酸、核苷酸以及来自小分子和离子的原子。在此之前，这种规模的体系需要更大的资源投入。对于实际做设计的人来说，显存门槛往往比速度更决定「能不能在实验室里跑」。

配套动作：开源与竞赛

  • 优化后的代码全部开源；
  • 与 Adaptyv Bio 联合举办蛋白质设计竞赛，提供最高 100 万美元的 Claude 额度；
  • 对 5,000 个以上设计提供湿实验验证。

为什么转向推理优化

这不是他们的第一次尝试：此前的 Claude Mythos 5.1 已经让 7 个开源生物学模型跑快最多 2.5 倍。而在更早的天然结合蛋白设计演示里，他们允许单个目标的 AI 基础设施开销最高到 1 万美元，约合 2,500 个 NVIDIA H100 小时——这个成本远超绝大多数蛋白质设计者的承受范围，也正是他们后来转向推理优化的原因。

读这组数字时要把两个口径分开：「平均约 4 倍」来自他们自己的评测集，而「输出完全一致下接近 2 倍」是更严格的约束条件。前者说明潜力，后者才是可以无损替换的部分。