The Pulse

Anthropic rende open source le ottimizzazioni di Claude per i modelli di biologia

Secondo Anthropic, Claude ha ottimizzato oltre 30 modelli open source usati nella ricerca biomolecolare, rendendoli in media circa quattro volte più veloci e riducendo il consumo di memoria per i grandi sistemi molecolari.

AI.info Team · Scritto con l’IA · verificato · 2026-09-18

Claude di Anthropic ha ottimizzato oltre 30 modelli open source usati per la previsione delle strutture biomolecolari, la progettazione di proteine, la genomica e la modellazione linguistica delle proteine. Claude ha completato il lavoro in poco meno di quattro settimane sotto la supervisione di due membri del personale tecnico di Anthropic esperti di modellazione biomolecolare.

Le ottimizzazioni producono un aumento medio della velocità di circa quattro volte con una perdita minima di precisione e un’esecuzione quasi due volte più veloce quando i risultati devono rimanere identici. Il rilascio è rivolto ai ricercatori che si affidano a software aperto per la biologia ma potrebbero non avere accesso ai grandi cluster di GPU richiesti da molti flussi di lavoro attuali.

Ottimizzazioni open source, non nuovi modelli biologici

Anthropic non sta rilasciando un nuovo modello Claude né sostituendo i modelli biologici sottostanti. Sta invece rendendo open source il codice ottimizzato per oltre 30 modelli open source che spaziano dalla previsione delle strutture alla progettazione di proteine, dalla modellazione linguistica delle proteine alla genomica.

Oggi rendiamo open source il codice ottimizzato per tutti questi modelli, affinché la comunità più ampia possa utilizzarli.

Il team di ricerca di Anthropic

Il codice è pensato per rendere più veloci e accessibili i flussi di lavoro esistenti per la modellazione biologica. Il lavoro comprende modelli addestrati per compiti tra cui la previsione delle strutture e la progettazione di proteine, oltre alla genomica e alla modellazione linguistica delle proteine.

FlashPairformer interviene sulla parte più onerosa della previsione delle strutture

Gran parte del tempo di esecuzione nei moderni sistemi di previsione delle strutture come AlphaFold3, OpenFold3 e Boltz-2 viene impiegata per le operazioni di attenzione triangolare e moltiplicazione triangolare. Queste operazioni modellano le relazioni tra terne di token, ma il tempo e la memoria richiesti crescono in modo cubico con l’espansione del sistema molecolare.

Claude ha contribuito a sviluppare un insieme di kernel GPU personalizzati, chiamato FlashPairformer, per le due operazioni. Secondo Anthropic, FlashPairformer ha superato lo standard del settore con una velocità media da 2,7 a 2,9 volte superiore per l’attenzione triangolare e da 1,7 a 3,2 volte superiore per la moltiplicazione triangolare, a seconda della configurazione del modello.

Claude ha inoltre apportato modifiche specifiche ai singoli modelli, tra cui la memorizzazione nella cache dei risultati di calcoli ridondanti ripetuti e la semplificazione dei rami non eseguiti nei rispettivi output costanti. Secondo Anthropic, i modelli di previsione delle strutture così ottenuti sono stati eseguiti in media quattro volte più velocemente, senza effetti misurati sul compito a valle. Su oltre una dozzina di modelli di previsione delle strutture, l’azienda riferisce un’esecuzione circa 1,6 volte più veloce a parità di output e circa quattro volte più veloce con una riduzione minima della precisione.

La modalità Big rende accessibili macchine molecolari più grandi

Il rilascio interviene anche sul consumo di memoria. La modalità «Big» a basso consumo di memoria di Anthropic ha modellato con successo sistemi di oltre 10.000 token ed eseguito l’inferenza su sistemi di oltre 70.000 token usando un solo nodo GPU NVIDIA.

Tra gli esempi riusciti figurano il complesso mitocondriale umano I, il complesso chaperone TRiC, un proteasoma e un ribosoma batterico. Secondo Anthropic, ciascuno corrispondeva da vicino alla propria struttura determinata sperimentalmente. Il complesso I e il ribosoma 70S contengono ciascuno oltre 10.000 token, rispetto ai 7663 token del ribosoma 40S previsto con precisione da AlphaFold3.

Il sistema può eseguire anche elaborazioni dimostrative più grandi. Usando un nodo NVIDIA B300 con otto GPU, Anthropic ha generato previsioni per capsidi virali e compartimenti proteici, con dimensioni da oltre 31.000 a oltre 70.000 token. Le previsioni non erano corrette, ma sono state eseguite su una scala che in precedenza richiedeva il superamento di un ostacolo computazionale maggiore.

I costi di progettazione delle proteine scendono da migliaia di dollari a circa 150 dollari

Anthropic ha usato i modelli ottimizzati in un secondo esperimento di progettazione delle proteine. In un lavoro precedente, Claude aveva ricevuto un prompt di circa 16.000 parole, accesso a sottoagenti e fino a 10.000 dollari per bersaglio su Modal, equivalenti a circa 2500 ore di GPU NVIDIA H100.

Per il nuovo test, un modello Claude ha ricevuto accesso a una singola NVIDIA H200 per 24 ore, un prompt di circa 1100 parole e una scheda di riferimento per gli strumenti preinstallati. Anthropic ha eseguito Mythos 5.1, Mythos 5 e Opus 5 su 16 bersagli e ha valutato i progetti risultanti con ipSAE, un punteggio in silico usato per stimare le prestazioni di legame.

Secondo Anthropic, i progetti con il punteggio mediano e quelli con il punteggio più alto hanno raggiunto valori ipSAE approssimativamente uguali a quelli delle precedenti campagne con Mythos 5.1, utilizzando circa due ordini di grandezza in meno di ore GPU. L’azienda stima che, sommando i costi di GPU e token, la spesa sia scesa a circa 150 dollari per prestazioni in silico comparabili.

La competizione di Adaptyv Bio metterà alla prova oltre 5000 progetti

Anthropic accompagna il rilascio del codice con una competizione di progettazione delle proteine co-sponsorizzata da Adaptyv Bio. Gli organizzatori hanno selezionato cinque problemi, tra cui la reattività crociata tra specie, la sensibilità al pH, la specificità peptide-MHC e bersagli difficili come i recettori accoppiati a proteine G.

Adaptyv validerà sperimentalmente oltre 5000 progetti presentati dalla comunità. Anthropic offre fino a 1 milione di dollari in crediti Claude, mentre Modal mette a disposizione fino a 250.000 dollari in crediti di calcolo. Twist Bioscience fornirà il DNA per la competizione.

La distinzione tra previsione e validazione in laboratorio è importante. I dati di Anthropic su velocità e costi provengono da valutazioni computazionali, mentre la competizione è pensata per verificare quanti progetti supereranno lo screening sperimentale. Il rilascio open source riduce il costo computazionale dei flussi di lavoro esistenti, ma non dimostra di per sé che le molecole risultanti funzioneranno in laboratorio.

Anthropic ha inoltre avviato una beta pubblica del suo Life Sciences Verification Program. L’azienda ha ammesso un primo gruppo di organizzazioni per fornire loro funzionalità di IA di frontiera per lavori legati alla biologia.