Fyra veckor, drygt trettio modeller
Anthropic publicerade på torsdagen ett arbete där Claude, inuti bolagets Claude Science-uppsättning, skrev om mer än 30 öppna djupinlärningsmodeller som används i biologi så att de kör snabbare. Bolaget säger att den genomsnittliga uppsnabbningen i modeller för strukturprediktion och design var omkring fyra gånger, och att två anställda utan tidigare erfarenhet av inferensoptimering ledde arbetet under knappt fyra veckor.
Resultatet är 36 optimerade paket i sex familjer: 14 för samveckning och strukturprediktion, sju för genomik, sex för strukturgenerering och tre vardera för omvänd veckning, hallucination och proteinspråkmodeller.
Vad som blev snabbare, och hur mycket
Anthropic beskriver tre lägen. Ett exakt läge som ger identiska utdata går omkring 1,6 gånger snabbare. Ett snabbt läge över 13 modeller går omkring 4,1 gånger snabbare. Ett minnessnålt läge går omkring 3,4 gånger snabbare. Under det ligger en egen uppsättning GPU-kärnor som bolaget kallar FlashPairformer och som enligt bolaget slår Nvidias egna cuEquivariance-implementationer: 2,7 till 2,9 gånger snabbare på triangelattention och 1,7 till 3,2 gånger snabbare på triangelmultiplikation.
Varje siffra är Anthropics egen mätning, gjord på Nvidias H100-grafikprocessorer. Ingen utomstående grupp har upprepat dem.
Större molekyler på en enda nod
Den praktiska förändringen är minnet. Det minnessnåla läget låter en enda Nvidia-GPU-nod förutsäga biomolekylära system på mer än 10 000 tokens — aminosyror, nukleotider och atomerna i små molekyler och joner — och Anthropic säger sig ha kört inferens på system över 70 000. Bolaget uppger att det veckat mänskligt mitokondriellt komplex I, chaperonkomplexet TRiC, proteasomer och bakteriella ribosomer.
Det beskriver också en proteindesignkampanj som nådde jämförbara bindningspoäng med tidigare arbete på ungefär två tiopotenser färre GPU-timmar, till omkring 150 dollar i sammanlagd GPU- och tokenkostnad. Anthropic säger rakt ut att designerna aldrig testades i något laboratorium och att poängen är beräknade.
Det som inte fungerade
Genomgången redovisar också misslyckandena. Prediktioner av stora viruskapsider kollapsade till en kompakt boll med mycket låga träffsäkerhetspoäng, noterade Unite.AI. Kodarkivet publiceras som en referensutgåva som bolaget säger att det inte kommer att underhålla.
En tävling som ska avgöra saken vid en labbänk
Anthropic har öppnat den optimerade koden och håller tillsammans med Adaptyv Bio en tävling i proteindesign på fem problem vid gränsen för dagens förmåga, bland dem korsreaktivitet mellan arter, pH-känslighet, peptid-MHC-specificitet och mål bland G-proteinkopplade receptorer. Potten är upp till en miljon dollar i Claude-krediter och 250 000 dollar i beräkningskrediter från Modal, med DNA-syntes från Twist Bioscience och laboratorievalidering av mer än 5 000 designer. Unite.AI uppger tak per lag på 50 000 dollar för akademiska bidrag och 25 000 för industrin.
Vad man ska följa
Ansökningarna stänger den 24 september och resultaten väntas den 15 december. Det är det andra datumet som betyder något. Tills designerna kommer tillbaka från en labbänk vilar hela påståendet på poäng som en dator gav sig själv.
