Claude 加速開源生物分子模型 4 倍，並在單一 GPU 上實現超過 10,000 token 的預測

TL;DR

Anthropic 發布了一套由 Claude 驅動的優化方案，使超過 30 種開源生物分子建模工具平均提速約 4 倍，降低記憶體使用量，足以在單一 NVIDIA GPU 上預測超過 10,000 token 的結構，並宣布與 Adaptyv Bio 共同資助一項總額達 100 萬美元的蛋白質設計競賽。

由 Claude 驅動的推論加速

關鍵成果： Claude 加速了 30 多個深度學習模型，用於結構預測、蛋白質設計、蛋白質語言建模和基因組學，平均提速 4 倍，精度損失極小（相同輸出下約 1.6 倍提速）。此工作在不到四周內完成，而通常每模型需數週工程時間。

Claude 作為通用研究模型，由兩位 Anthropic 專業領域員工指導，且無先前核心工程經驗。
優化內容包括三角注意力與乘法的自訂核心（FlashPairformer）、冗餘工作快取，以及死碼路徑剪枝。
加速後的模型在蛋白質結構預測等下游任務中仍保持原有性能。

"Claude 加速了十數個生物分子結構預測模型，平均提速約 4 倍，精度損失極小，相同輸出下提速約 1.6 倍。" – Anthropic 博客文章

FlashPairformer：三角運算的自訂核心

關鍵成果： FlashPairformer 是一組由 Claude 生成的核心，其在三角注意力上的表現比業界標準 cuEquivariance 實作快 2.7–2.9 倍，在三角乘法上快 1.7–3.2 倍，具體取決於模型配置。

三角注意力與乘法在 AlphaFold 類模型中佔據主要運行時間與記憶體，因其隨 token 數量呈立方級增長。
透過重寫這些核心，Claude 為核心 Pairformer 架構達成當前最佳性能。

Claude 的 FlashPairformer 核心相較於 cuEquivariance 的提速效果

用於大型生物分子系統的低記憶體「Big」模式

關鍵成果： Claude 引入低記憶體「Big」模式，使單一 NVIDIA GPU 節點上可準確推論超過 10,000 token 的系統，並在單一 B300 節點上成功推論達 70,000 token 的系統。

成功預測人類線粒體複合物 I、TRiC 輔助蛋白、蛋白酶體與細菌核糖體（各超過 10,000 token）。
相較於 AlphaFold 3 對 7,663 token 的 40S 核糖體預測，Claude 的 Big 模式將規模邊界推進約 1.5 個數量級。
當推至 31,000–70,000 token 的病毒衣殼與蛋白質區室時，預測結果崩潰，顯示其泛化能力遠超出訓練情境，但計算門檻已大幅降低。

使用 Claude 的 Big 模式摺疊大型分子複合體

高效的從頭蛋白質結合物設計

關鍵成果： 僅使用單一 NVIDIA H200 GPU 上的 Claude 模型運行 24 小時，Anthropic 成功重現了先前 Mythos 5.1 行動的電腦模擬結合分數，但 GPU 使用時間減少約 100 倍，總 GPU + token 成本僅約 150 美元。

在 16 個目標上評估了三種 Claude 變體（Mythos 5.1、Mythos 5、Opus 5）。
中位數與最佳 ipSAE 分數與先前多代理、每目標 1 萬美元的實驗結果相符。
這顯示 Claude 的加速生物分子堆疊可在大幅降低計算預算的情況下，提供相當的設計品質。

Claude 的 ipSAE 表現 vs. GPU 使用成本

開源釋出與社群競賽

所有 30 多個模型的優化程式碼皆可於 https://github.com/anthropics/uplifting-biomolecular-modeling 取得。
詳細技術報告（PDF）提供基準測試方法與完整結果。
Anthropic 與 Adaptyv Bio 共同資助蛋白質設計競賽，最高可獲 100 萬美元 Claude 信用額度、25 萬美元 Modal 計算信用額度，以及超過 5,000 種設計的實驗室驗證。競賽目標包括跨物種反應性、pH 敏感性、肽段-MHC 特異性與 GPCR 設計等挑戰性問題。

"我們承諾最高 100 萬美元的 Claude 信用額度與 25 萬美元的 Modal 計算信用額度，並提供超過 5,000 種設計的實驗室驗證。" – Anthropic 宣布

對生命科學社群的影響

高性能建模的民主化 – 研究人員現可在單一 GPU 上運行先進的結構預測與設計流程，降低無大型計算集群實驗室的入門門檻。
加速發現週期 – 更快的推論與更低的 GPU 成本，使每個專案能進行更多設計迭代，可能縮短從電腦概念到實驗驗證的時間。
促進開放科學合作 – 開源釋出與競賽提供共享基準與激勵機制，有助於凝聚社群力量，推動可重現且高影響力的蛋白質工程。

進一步資源

優化程式碼倉儲：https://github.com/anthropics/uplifting-biomolecular-modeling
完整技術報告（PDF）：https://www-cdn.anthropic.com/d8ca26d0d205708d26c7337cf4cfe7cb52e9b671.pdf
競賽詳情與申請方式：https://proteinbase.com/competitions/anthropic-adaptyv-2026
生命科學驗證計畫（測試版）：https://www.anthropic.com/news/life-sciences-verification-program

本文忠實總結 Anthropic 2026 年 9 月的研究公告，未添加或更改任何事實內容。