Anthropic 9 月 17 日发布一份研究报告：让 Claude 对 30 多个开源生物分子模型做推理优化，在不到四周里把它们的运行速度平均提高约 4 倍，精度损失很小。若要求精度完全不掉，平均提速约 1.6 倍。全部代码已经放到 GitHub 的 anthropics/uplifting-biomolecular-modeling 仓库。
这批模型横跨四类：结构预测、蛋白质设计、蛋白质语言模型和基因组学模型。报告点名的有 AlphaFold3、OpenFold3、Boltz-2 和 ColabFold 1.6.3，设计类涵盖幻觉式设计、结构生成和逆折叠，底层是扩散、流匹配、图神经网络等不同架构。其余模型报告没有逐一列出。
两个人加一个模型
项目由两名 Anthropic 技术人员盯着。报告特意交代了他们的背景：熟悉生物分子建模，但此前没做过推理优化，也没写过 GPU 内核。具体的活由 Claude 在 Claude Science 环境里完成，测试过的模型版本有 Mythos 5.1、Mythos 5 和 Opus 5。
提速手段分两层。一层是通用的：Claude 写了一套名为 FlashPairformer 的自定义内核，专门处理这类模型里最吃算力的 Pairformer 模块，其中三角注意力提速 2.7 到 2.9 倍，三角乘法提速 1.7 到 3.2 倍。另一层是按模型逐个处理，比如缓存重复计算、剪掉用不到的分支。
精度怎么算”损失很小”，报告给了口径：界面预测看 DockQ 分数，高于 0.23 算可接受；设计结果看 ipSAE，这是一个与湿实验结合率有相关性的计算打分。
能折叠多大的东西
速度之外，更显眼的是规模。AlphaFold3 此前能预测的上限是 7663 个 token，优化后在单台 NVIDIA B300 节点上跑到了 7 万个 token 以上，对象是整个病毒衣壳和蛋白质区室这类大型组装体。
“These are among the largest structures ever folded accurately using structure prediction models.”
这些是用结构预测模型准确折叠过的最大结构之一。
报告也写了边界：超过 7 万 token 的病毒衣壳预测并不准确。硬件门槛同样摆着，大体系要 B300 节点，常规任务也要 H200 一级的卡。
和上个月那轮设计连起来看
8 月中旬，Anthropic 公布过一轮用 Claude 从头设计蛋白结合体的实验，15 个靶点里 14 个拿到了可用设计，站内当时做过报道。那一轮是多个子代理加大量提示，在 Modal 云上跑，按这次报告的说法，每个靶点成本约 1 万美元。
这次换上优化后的模型栈重做蛋白设计，16 个靶点的测试里，一张 H200、24 小时墙钟时间，GPU 和 token 合计约 150 美元，Anthropic 称成本降了大约两个数量级。两轮的靶点并不完全相同，报告也没有给出这次设计结果的湿实验验证数据，所以两者能直接比的只有成本和耗时，命中率要等后续结果。
从 8 月到 9 月，Anthropic 在生命科学上的动作顺序也清楚：先证明模型能设计出实验室里验证有效的分子，再回头去改造设计用的工具本身。后一件事对学术实验室的影响可能更直接，很多组手里只有几张卡，原先折叠不动的大体系，现在有了一套开源的加速版本可以直接拿来试。
参考来源：Anthropic 研究报告、CocoLoop、anthropics/uplifting-biomolecular-modeling 代码仓库；报告原文核验平均提速倍数、FlashPairformer 各项加速区间、7663 与 7 万 token 上限及单靶点成本口径。