Claude acelera 4x más de 30 modelos de biología; llega el reto

Anthropic publicó el 17 de septiembre de 2026 una investigación en la que un modelo interno de Claude, de propósito general, reescribió el software que los biólogos estructurales usan a diario. En poco menos de cuatro semanas, según la compañía, Claude generó paquetes optimizados para 36 implementaciones que cubren más de 30 modelos biomoleculares de aprendizaje profundo de código abierto: predicción de estructuras, diseño de proteínas, genómica y modelos de lenguaje de proteínas.

Las cifras proceden del propio informe técnico de Anthropic. Un modo "Fast", que sacrifica algo de precisión numérica a cambio de velocidad, ejecutó el paso hacia adelante de 13 modelos de predicción de estructuras 4,1 veces más rápido de media en GPU NVIDIA H100. Un modo "Exact", que reproduce bit a bit la salida del modelo original, promedió 1,6 veces en 14 modelos. Las ganancias por modelo van de 2,3 veces en OpenDDE a 6,4 veces en Chai-1. El código optimizado salió ese mismo día en GitHub como 36 kits listos para usar con licencia Apache 2.0, presentados como una versión de referencia que no recibirá mantenimiento.

El núcleo del trabajo es FlashPairformer, un conjunto de kernels de GPU propios para las operaciones triangle attention y triangle multiplication, que consumen la mayor parte del tiempo de ejecución en los modelos del tipo AlphaFold3 y cuyo coste crece de forma cúbica con el tamaño del sistema. Medido en una sola H100, Anthropic asegura que FlashPairformer supera a los kernels estándar del sector en 2,7 y 2,9 veces en triangle attention y en 1,7 y 3,2 veces en triangle multiplication. La empresa afirma que el trabajo fue supervisado sobre todo por dos miembros de su equipo técnico con experiencia en modelado biomolecular, pero ninguna previa en optimización de inferencia ni en ingeniería de kernels.

El resultado más práctico es un modo "Big" de bajo consumo de memoria que permite plegar sistemas de más de 10.000 tokens en un único nodo de GPU NVIDIA: el complejo I mitocondrial humano, un ribosoma bacteriano 70S, el complejo chaperón TRiC y un proteasoma, cada uno muy cercano a su estructura determinada experimentalmente. Como referencia, el ribosoma 40S que AlphaFold3 predijo con precisión tenía 7.663 tokens. Anthropic también dice haber igualado las puntuaciones de unión in silico de su campaña anterior de diseño de aglutinantes con un solo modelo de Claude en una H200 durante 24 horas y unos 150 dólares de gasto combinado en GPU y tokens, frente a hasta 10.000 dólares por diana antes.

La publicación expone sus propios límites: al forzarla con cápsides virales y compartimentos proteicos de entre 31.000 y 70.000 tokens en un nodo B300 de ocho GPU, las predicciones se desmoronan. Y una puntuación in silico no es prueba de laboratorio: eso es justo lo que busca aportar el concurso copatrocinado con Adaptyv Bio. Ambas financian conjuntamente 1 millón de dólares en validación experimental para sintetizar y probar más de 5.000 diseños enviados por la comunidad en el laboratorio automatizado de Adaptyv, sin coste para los participantes; Anthropic añade hasta 1 millón de dólares en créditos de Claude, Modal hasta 250.000 dólares en créditos de cómputo y Twist Bioscience aporta el ADN. No hay premio en metálico. Cinco retos -entre ellos reactividad cruzada entre especies, sensibilidad al pH, especificidad péptido-MHC y dianas GPCR- se abrirán uno por semana del 28 de septiembre al 31 de octubre; las solicitudes cierran el 24 de septiembre, la validación debe completarse antes del 30 de noviembre y los resultados, incluidos los diseños fallidos, se publicarán abiertamente en Proteinbase el 15 de diciembre. El calendario se describe como previsto y sujeto a cambios.

Divulgación: el proceso editorial de NewUJ utiliza los modelos Claude de Anthropic.