Claude 四周优化逾30个生物分子模型，平均提速4倍并开源全部代码

此前，Anthropic 曾展示 Claude 通过专家级编排开源蛋白质设计与结构预测模型，从头设计蛋白质结合子的能力。然而，该流程每个靶点最多需消耗约10,000美元的 GPU 算力（约合2,500个 NVIDIA H100 GPU 小时），远超大多数蛋白质设计研究者的可用资源。为降低这一门槛，Anthropic 开始探索推理优化路径，以更低成本运行相关模型。

在本次研究中，Claude 开发了名为 FlashPairformer 的自定义计算核心集，专门针对现代结构预测模型（如 AlphaFold3、OpenFold3 和 Boltz-2）中计算开销最大的三角注意力与三角乘法操作进行加速。这两类操作在运行时间和显存占用上均呈立方级增长，是制约大规模生物分子系统预测的主要瓶颈。FlashPairformer 在三角注意力上平均超越现有行业标准2.7至2.9倍，在三角乘法上超越1.7至3.2倍，达到新的最优水平。

除通用计算核心外，Claude 还针对每个模型进行了定制化优化，包括缓存冗余重复计算结果、将无效分支简化为常量输出等。综合多项改进后，结构预测模型平均加速约4倍，且经验证，加速版本对下游任务（如结构预测）的精度影响极小。整个优化过程由两名具备生物分子建模背景、但无推理优化或核心工程经验的 Anthropic 技术人员监督完成，历时不到四周。

在显存优化方面，Claude 新增的低显存模式使单个 NVIDIA GPU 节点能够准确预测超过10,000个 token（涵盖氨基酸、核苷酸及小分子和离子的原子）的生物分子系统，突破了此前的规模限制。结合对此前智能体蛋白质设计流程的简化，Claude 现可用比原方案少两个数量级的 GPU 小时，实现相当的计算机模拟性能。

为推动社区共同受益，Anthropic 已将全部优化代码开源，并联合 Adaptyv Bio 发起蛋白质设计竞赛。竞赛聚焦当前能力前沿的五个挑战性问题，由 Modal 和 Twist Bioscience 提供支持，奖励包括最高100万美元 Claude 算力积分、25万美元 Modal 算力积分，以及超过5,000个设计方案的湿实验室验证。Anthropic 表示，此次成果表明前沿 AI 模型将帮助科学界以更快速度、更低成本构建科研工具。

要点

• Claude 在不到四周内优化超过30个生物分子深度学习模型，平均推理速度提升约4倍，保持相同输出时也实现近2倍加速。
• 自研 FlashPairformer 计算核心在三角注意力和三角乘法两项关键操作上超越现有行业标准，达到新的最优水平。
• 新增低显存模式支持单 GPU 节点处理超过10,000个 token 的大型生物分子系统，显著扩展可预测规模上限。
• 全部优化代码已开源，联合 Adaptyv Bio 发起的蛋白质设计竞赛提供最高100万美元算力奖励及湿实验室验证支持。
• 与此前方案相比，优化后的流程可减少约100倍 GPU 算力消耗，大幅降低蛋白质设计研究的资源门槛。