Claude 让生物分子模型更快、更省显存：不只使用科学工具，也优化工具本身

2026 年 9 月 17 日，Anthropic 发布研究文章《How Claude is uplifting biomolecular modeling》，讲的是一项工程工作：Anthropic 让 Claude Science 中的一个内部通用研究模型，去优化生物学家日常使用的开源模型的推理路径，涉及结构预测与共折叠（cofolding）、binder 设计、反向折叠、蛋白质语言模型和基因组模型。它在不到四周内处理了 30 多个模型，平均提速约 4 倍；若要求输出与原实现完全一致，提速接近 2 倍。^[S1]

有两点值得先记下。一是谁在监督：负责监督的是 Anthropic 的两名技术人员，他们熟悉生物分子建模，但此前从没做过推理优化或 kernel 工程。二是交付形式：成果不是一篇论文加一个演示，而是 36 个可直接替换使用的优化包，每个上游工具对应一个，发布在 GitHub 上。每个包提供三种模式：exact（输出与原版一致）、fast（数值差异极小，通常为默认）和 big（面向大输入，峰值显存最低）。^[S1][S2]

Anthropic 还宣布与 Adaptyv Bio 联合举办一场蛋白设计竞赛，设五个前沿题目：物种交叉反应性、pH 敏感性、肽-MHC 特异性，以及 GPCR 等难靶点。主办方承诺对社区提交的 5000 多个设计做湿实验验证，并提供最高 100 万美元的 Claude 额度和 25 万美元的 Modal 算力，DNA 由 Twist Bioscience 提供。^[S1]

瓶颈卡在 triangle 运算上

在 AlphaFold3、OpenFold3、Boltz-2 这类结构模型里，运行时间和显存的大头都耗在两个操作上：triangle attention 和 triangle multiplication。它们在 token 三元组上运算，模型靠它们表达几何关系；代价是时间和显存都随体系规模立方增长。体系扩大一倍，开销变为八倍；扩大到三倍，开销变为二十七倍。^[S1]

压低这类开销的标准做法是写专用 kernel，NVIDIA 的 cuEquivariance 和后来的 BioNeMo Inference Runtime 正是为此开发的。FlashPairformer 是借助 Claude 开发的一组定制 kernel，专门针对这两个运算：与这一领域标准相比，triangle attention 快 2.7–2.9 倍，triangle multiplication 快 1.7–3.2 倍，视模型配置而定。在这层通用 kernel 之上，团队又让 Claude 逐个模型做针对性优化，比如缓存重复计算、把永远走不到的分支直接折叠成常量输出。两层叠加，结构预测模型平均提速约 4 倍。^[S1]

第二项工作针对显存。Claude 开发的低显存 Big 模式，使超过 10000 token 的体系能在单个 GPU 节点上准确预测。用它折叠出的分子机器有人线粒体复合物 I、TRiC 伴侣蛋白复合物、蛋白酶体和一个细菌核糖体，结果都与实验测定的结构十分接近。作为对比，AlphaFold3 此前准确预测过的 40S 核糖体为 7663 个 token。^[S1]

分数不变，算力只要百分之一

这批优化最直观的效果，要拿 Anthropic 此前自己做的 binder 设计来对比。那一次，Claude 拿到约 16000 词的提示，可以派生子智能体，每个靶点在 Modal 上最多可花 10000 美元（约合 2500 个 H100 GPU 小时），限时 24 小时。注意 2500 小时是预算上限，不是实际用量。^[S1]

这一次条件收紧得多：单个 Claude 模型、1 张 H200、24 小时墙钟时间、约 1100 词的提示外加一份预装工具说明，不用子智能体，设计过程中也没有人工干预。三个模型（Mythos 5.1、Mythos 5、Opus 5）在 16 个靶点上运行，以 ipSAE 打分；这一计算指标已被证明能预测湿实验中的结合。结果：在 16 个靶点上取平均，中位数设计和最高分设计的 ipSAE 与此前那轮设计大致相当，GPU 小时却少了约两个数量级，GPU 与 token 成本合计约 150 美元。这是两套流程的整体比较：硬件（H100 换成 H200）、提示词、智能体组织（不再派生子智能体）和设计流程都变了，Anthropic 自己也说结果来自加速后的模型加上对此前设计方法的简化。因此它不能读作同一配置下 kernel 快了约 100 倍；kernel 与逐模型优化本身的加速，是前面那个平均约 4 倍（输出完全一致时近 2 倍）。^[S1]

这句话的范围要看清：追平的是计算分数，不是湿实验命中率。ipSAE 与实验结合相关，但相关不等于等同，而且这次没有新的实验数据。^[S1]

在这件事里，科学智能体的角色往前走了一步。此前的演示大多是模型读文献、挑候选、调用工具、解读结果，工具本身是现成的。这次的顺序换了：先找出工具的瓶颈，改写底层实现，确认数值行为没变，再用提速后的工具做科学。按本站的框架，这也算一种 Update，只是更新的对象不是假设或世界模型，而是科研栈本身。^[S1]

单位成本是 AI4S 里讨论得太少的一个变量。一套 binder 设计流程，每个靶点从约 2500 个 GPU 小时的预算上限降到 24 小时（这是整套流程的比较，不只是 kernel 的功劳），有望降低这类计算的使用门槛；至于有多少实验室因此做得起，目前没有使用调查。单个节点就能折叠核糖体，结构生物学里的一类问题便不必再依赖多节点集群。如果这类优化持续下去，很多进步未必来自新的基础模型，而可能来自模拟、结构预测、分析与实验规划的单位成本一路走低。^[S1]

还有一点让它有别于多数实验室的宣称：成果是开源的。36 个优化包连同代码一起公开，基线用的是 NVIDIA 自家的实现，任何人都能在自己的机器上复现这些加速数字。主张和核查手段一同发布，这在近来的公司发布里并不多见。^[S1][S2]

工程数字这一半可以核查。

加速的基线是 NVIDIA 的 cuEquivariance 和 BioNeMo-IR，而不是自制基线；Big 模式折叠出的复合物 I、TRiC、蛋白酶体和核糖体，都与实验测定的结构做了比对；代码开源。这部分外界可以自行验证，在公司发布里属于少数。^[S1][S2]

更大的体系跑得完，但算不对。

对 31,000 到 70,000 token 的病毒衣壳和蛋白质区室，推理能在单个 8 卡 B300 节点上跑完，但预测结构坍缩了。Anthropic 对此说得很明白：这些体系比模型的训练上下文大了近两个数量级，推远的是显存墙，而不是模型的泛化能力。^[S1]

蛋白设计的结论，目前只有计算分数支撑。

用约百分之一的 GPU 小时达到此前的 ipSAE 参考水平，这是关于整套流程成本的结论，不是关于命中率的结论。Adaptyv 竞赛承诺对 5000 多个设计做湿实验验证；等这批数据出来，这条成本链才算接上物理世界的反馈。^[S1]

kernel 优化这类任务，判定对错的成本很低。

这项工作四周就能完成，部分原因在于任务本身定义清楚：输出对不对，有编译器和数值比对来判；快不快，有基准可测。科学中的多数问题没有这样的判据，所以从“智能体能改工具”，还推不出“智能体能改科学”。

Adaptyv 竞赛的命中率数据。

5000 多个社区设计的湿实验结果，将是第一批把“算力更便宜”和“发现更多”联系起来的真实数据。如果参赛者的算力预算缩小，命中率却不降，这条链就成立；否则，说明变便宜的只是筛选，而不是设计质量。

这种能力能否走出 kernel。

下一步值得关注的，是把同样的做法用到验证成本更高的地方：实验规划、数据处理流程、模拟参数选择。这些环节没有编译器来判对错，恰好能检验“智能体改工具”究竟是一项通用能力，还是只碰巧适合一类定义清楚的任务。