Anthropic 用 Claude 四周优化 30 余个生物分子模型，ScienceIDE 提出把科学代码库变成可学习环境
AI 已经能自己改写科学计算代码并提速数倍，但跑通不等于算对；这套开源环境试图把科学代码库变成可验证、可训练智能体的学习场地。
Anthropic 报告称，Claude 在两名技术人员监督下，用不到四周优化了 AlphaFold3、Boltz-2、RFdiffusion 等 30 多个开源生物分子模型；允许少量数值精度变化时平均加速约 4 倍，要求输出完全一致时约 2 倍，代码已开源。同期开源的 ScienceIDE 则想解决下一步：如何让这类优化能力被复用和学习。
正文摘录
.jpg) 就在刚刚，Anthropic 发布了一项引发关注的研究：在不到四周时间里，Claude 优化了 30 多个开源生物分子模型。 其中包括 AlphaFold3、Boltz-2、Chai-1、ESMFold2、RFdiffusion 等已经广泛使用的科学模型。 结果显示，在允许少量数值精度变化的情况下，任务平均加速约 4 倍；在要求输出完全一致时，平均加速接近 2 倍。相关代码也同步开源。  更值得关注的是完成这项工作的方式。 代码优化主要由 Claude 自己完成，背后监督它的是两名 Anthropic 技术人员。他们理解生物建模，但并不具备传统意义上的推理优化或 GPU kernel 工程背景。 这件事的意义不难理解。科学家每天使用的计算工具变快、变省，同样的时间和预算就能支撑更多数字实验。让 AI 加速已有的科学软件，是加速科学研究最直接的一条路径。 不过，这份报告回答了 “AI 能不能做到”，却留下了另一个问题： AI 写出的科学代码，距离充分发挥硬件性能，还有多远？