Claude在单台8-GPU B300节点上预测超3.1万至超7万token的病毒衣壳与蛋白区室，但预测结果不正确

Anthropic 报告称，Claude 在不到四周内优化了 30 余个用于生物分子预测与设计的开源模型，平均提速约 4 倍，并开源了全部优化代码。据其描述，Claude 还创建了低内存模式，使超过 10,000 token 的生物分子系统可在单台 NVIDIA GPU 节点上准确预测；优化手段包括编写可迁移内核，以及针对单个模型缓存重复计算、简化死分支等，结构预测模型平均加速 4 倍，且经确认加速版本未影响下游任务表现。Anthropic 称，这类优化通常需有经验的工程师团队为每个模型耗费数周，且工作往往无法跨模型迁移；此次由两名具备生物分子建模经验但无推理优化或内核工程经验的技术人员监督 Claude 完成。

在极限测试中，Anthropic 让 Claude 在单台 8-GPU B300 节点上预测整个病毒衣壳和蛋白区室，规模从超过 31,000 到超过 70,000 token，比这些结构预测模型的训练上下文大近两个数量级；Anthropic 表示这些预测并不正确，结构出现坍缩，提示在远超训练上下文时缺乏泛化。但其同时称，这一规模的推理门槛已显著降低，只需一台 NVIDIA B300 节点。

Anthropic 在 X 上再次说明，生物学家使用的专用开源模型运行成本高昂，可能限制其影响；Claude 通过部分编写 GPU 定制软件，为 30 多个开源模型优化推理，平均提速 4 倍，并开源全部优化代码。