← Главная новостей | Торговый зал

950 агентов за 21 час: Claude самостоятельно открыл новую ферментную систему — счёт за вычисления AI for Science впервые представлен публично

2026-11-03 · Источник:[zh] 华尔街见闻全球·中继

950 агентов за 21 час: Claude самостоятельно открыл новую ферментную систему — счёт за вычисления AI for Science впервые представлен публично

Новая лаборатория молекулярной биологии Anthropic представила первый результат: большая модель самостоятельно обнаружила в ДНК бактериофагов новую ферментную систему, ранее не описанную людьми и структурно схожую с CRISPR; учёные затем провели проверку и экспериментальное подтверждение.

Anthropic только что опубликовала первый результат своей новой лаборатории молекулярной биологии: большая модель Claude самостоятельно обнаружила в ДНК бактериофагов совершенно новую ферментную систему, ранее никогда не описанную человеком. По данным источника, структура этой системы сильно напоминает CRISPR — «хирургический скальпель Бога», — обладая теми же характеристиками разрезания, копирования и вставки ДНК. Иными словами, ИИ не просто искал и обобщал существующую литературу, а на основе первичных последовательностных данных выдвинул гипотезу о ранее неизвестной функциональной системе — именно в этом и заключается главная значимость данного результата.

У этой цепочки открытий чёткие количественные контуры: Anthropic задействовала 950 агентов ИИ, которые непрерывно работали 21 час, суммарно потребив около 210 миллионов токенов; ИИ самостоятельно выполнил распознавание неизвестной ферментной системы, и лишь после этого учёные взяли на себя проверку результатов и их экспериментальное подтверждение. Разделение труда — самостоятельное открытие ИИ и верификация людьми — и составляет полный процесс этого «первого результата». Сама организация процесса заслуживает внимательного прочтения: большая модель использовалась не как машина ответов, а как высокопроизводительный генератор гипотез, где масштаб обеспечивает широту охвата, а экспертное суждение человека служит последним фильтром.

С точки зрения технической архитектуры, работа 950 параллельных агентов в течение 21 часа означает, что это была не разовая диалоговая задача рассуждения, а организованная мног агентовая система с распределением ролей. Можно обоснованно предположить, что агенты выполняли разные функции: сканирование последовательностей, сопоставление паттернов, генерацию гипотез и перекрёстную проверку, а расход в 210 миллионов токенов говорит о многочисленных повторных вызовах и переключениях контекста в огромных массивах данных геномов бактериофагов. Для наблюдателей индустрии вычислений ценность этого примера в том, что он задаёт реальный ориентир стоимости «научного открытия уровня ИИ»: один проект, один запуск — и потребление токенов уже на уровне сотен миллионов.

CRISPR называют «хирургическим скальпелем Бога» потому, что он дал человечеству возможность точного редактирования генома и напрямую породил взрывной рост целых отраслей — генной терапии, сельскохозяйственной селекции и других. Новая ферментная система, обнаруженная Claude, ещё ждёт дальнейших исследований для определения границ практического применения, но сам факт её высокой структурной схожести с CRISPR и наличия тех же функций разрезания, копирования и вставки ДНК уже гарантирует пристальное внимание биологического сообщества. Если последующая верификация пройдёт успешно, подобные новые ферментные системы могут стать основой для инструментов генного редактирования следующего поколения, и их индустриальный потенциал не стоит недооценивать.

Wallstreetcn трактует этот прогресс как сигнал о полном пересмотре научной парадигмы в науках о жизни и полагает, что фармацевтическая отрасль приближается к ускоряющему рубежу AI4S; в том же материале это направление описывается как постоянно разогревающееся и привлекающее крупных игроков. С точки зрения отраслевой структуры, AI for Science переходит от стадии доказательства концепции к стадии реальных результатов: в последние годы соревновались масштабом моделей и баллами на бенчмарках, а Anthropic теперь представила реальный научный результат, самостоятельно открытый ИИ и подтверждённый экспериментами — и именно такой «проверяемый результат» является водоразделом между историями и реальными достижениями в этой сфере.

Для корпоративных покупателей, следящих за расходами на ИИ-вычисления, «950 агентов, 21 час, около 210 миллионов токенов» — самая конкретная часть этого раскрытия: она выносит на стол реальное потребление одного автономного научного открытия ИИ и даёт сопоставимый образец для оценки масштаба вложений в рабочие нагрузки типа AI for Science. Грубо ориентируясь на этот порядок величин, при планировании собственных ИИ-научных платформ организациям нужно учитывать уже не только стоимость разового вывода, но и постоянное потребление токенов при длительной работе множества агентов, возможности параллельных вызовов и стабильность инфраструктуры оркестрации задач. Отказоустойчивость и возможность возобновления с контрольной точки при длительных мног агентовых задачах зачастую определяют реальный успех проекта больше, чем пиковая производительность.

С точки зрения закупок, такие рабочие нагрузки AI for Science предъявляют несколько чётких требований к вычислительным решениям. Первое — высокая параллельность и доступность на стороне инференса: 950 агентов одновременно в сети в течение 21 часа означают, что кластер вывода должен сохранять стабильную пропускную способность на всём протяжении работы, а любая единичная точка отказа может обнулить десятки часов прогресса. Второе — контекст и пропускная способность хранилищ: за 210 миллионами токенов стоят колоссальные объёмы промежуточных результатов и последовательностных данных, и эффективность дискового ввода-вывода и каналов данных напрямую влияет на общее время выполнения. Третье — управляемость затрат: для научных институтов и биофармацевтических компаний с ограниченным бюджетом обычным путём оптимизации является сочетание вычислительных ресурсов разных ценовых уровней — дешёвые тарифы на этапе исследования и переход на высокопроизводительные на этапе верификации. При выборе поставщика стоит особо проверять стабильность при длительных задачах, прозрачность тарификации токенов, а также поддержку пакетного планирования задач и мониторинга расхода. Примечательно, что подобные возможности передовых моделей в данном случае сконцентрированы в собственных системах ведущих производителей, и соответствующие специализированные конфигурации не образуют ликвидного рынка в открытом доступе — на текущую момент для этой модели нет данных о продажных ценах, и компаниям при планировании аналогичных нагрузок следует рассчитывать бюджет скорее по облачным моделям оплаты по факту потребления и собственным кривым расхода токенов, а не по готовым прейскурантам на оборудование.

В более широком плане влияние этого результата на фармацевтическую отрасль может проявиться в сокращении циклов исследований и разработок. Традиционное обнаружение ферментных систем опирается на масштабный скрининг библиотек и долгие пробы и ошибки, тогда как управляемое ИИ автономное открытие способно резко сузить круг кандидатов и сосредоточить ресурсы «мокрых» экспериментов на самых перспективных гипотезах. Для организаций, располагающих огромными неразобранными массивами омиксных данных, пример Anthropic указывает ясный путь: активы данных в сочетании с мног агентовыми системами могут высвободить научную ценность, значительно превышающую ожидания. Разумеется, сохранять трезвость необходимо: единичный успех не означает полной зрелости парадигмы, и этап проверки учёными и экспериментального подтверждения остаётся незаменимым — результаты ИИ пока должны проходить строгую эмпирическую проверку, прежде чем превратиться в пригодные научные выводы.

В: Сколько вычислительных ресурсов потребовало открытие новой ферментной системы Claude?

О: Anthropic задействовала 950 агентов ИИ, непрерывно работавших 21 час, с суммарным потреблением около 210 миллионов токенов; ИИ самостоятельно выполнил распознавание неизвестной ферментной системы, после чего учёные взяли на себя проверку и экспериментальное подтверждение.

В: Каковы особенности обнаруженной новой ферментной системы?

О: Система была самостоятельно обнаружена в ДНК бактериофагов и ранее никогда не описывалась человеком; её структура высоко схожа с CRISPR — «хирургическим скальпелем Бога» — и обладает теми же функциями разрезания, копирования и вставки ДНК.

В: Сколько вычислительных ресурсов потребовало открытие новой ферментной системы Claude?

О: Anthropic задействовала 950 агентов ИИ, непрерывно работавших 21 час, с суммарным потреблением около 210 миллионов токенов; ИИ самостоятельно выполнил распознавание неизвестной ферментной системы, после чего учёные взяли на себя проверку и экспериментальное подтверждение.

В: Каковы особенности обнаруженной новой ферментной системы?

О: Система была самостоятельно обнаружена в ДНК бактериофагов и ранее никогда не описывалась человеком; её структура высоко схожа с CRISPR — «хирургическим скальпелем Бога» — и обладает теми же функциями разрезания, копирования и вставки ДНК.

Теги: Anthropic · Claude · AI for Science · CRISPR · AI Agents


Читайте также


萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал