2026 年 9 月 17 日，Anthropic 公布了一项研究：Claude 在不到 4 周里，优化了 30 多个开源生物分子计算模型，平均提速约 4 倍；在「输出完全一致」的严格模式下也有约 1.6 倍。团队还做了一个低显存模式，让以往吃资源的超大规模生物分子体系（>10,000 tokens，含氨基酸/核苷酸/小分子与离子原子）能在单张 NVIDIA GPU 节点上完成预测。
最扎眼的是「谁来指挥」：Claude 由两名 Anthropic 技术员工监督——他们熟悉生物分子建模，但从没做过推理优化、也没写过 GPU kernel。
蛋白质设计大赛（与 Adaptyv Bio 合办）
同期开放的还有 Life Sciences Verification Program（LSVP）：面向生命科学从业者的定向访问计划（含首次放开的 Mythos），配一套「对生物相关工作更宽松」的定制防护栏。
一个亮眼基准：在 Adaptyv 过往办过的靶点 RBX1 上，Claude（Mythos Preview）单靶点模式打出 40% 的命中率，而参赛者的命中率是 3.7%；其排名第一的设计在强亲和力上超过了那届 245 个设计里的冠军。
Anthropic 表示将所有优化代码开源，并把完整结果写进技术报告。「模型加速」这件事本身，被当成了可以复用的公共品。
追光点评：这是今天三条里「含金量」最容易被低估的一条。
① 加速 ≠ 只是快。4 倍提速 + 低显存模式，改变的是「什么规模的问题能在一张卡上跑」——原来算不起、跑不动的生物分子体系，现在能算了。科研里「能算」和「算不起」之间，隔着的常常是整条研究路线。
② 真正的信号是「指挥者不懂细节」。做优化的人没有 kernel 经验、却能调度 Claude 完成几十个模型的底层改写——这说明前沿模型开始把「跨领域专家级工程」变成「可委托的活」。这对小团队、科研组尤其关键：不再需要凑齐一队专家才能碰到前沿工具。
③ 用「比赛 + 湿实验验证」来收口，是好做法。加速代码开源只是起点；合成 5000+ 设计、用真实实验结果去检验「算得快是否等于设计得好」，才把「AI 提效」从口号拉回到可证伪的地面。模型自评不稀奇，湿实验室的读数才算数。