过去一年，这家全球头部大模型公司在生命科学领域动作密集：从推出面向真实科研任务的评测 BioMysteryBench
过去一年，这家全球头部大模型公司在生命科学领域动作密集：从推出面向真实科研任务的评测 BioMysteryBench，到利用 Agent 编排专业生物模型、完成蛋白质设计并通过第三方湿实验验证；从优化 30 多个开源生物模型、预览实验室硬件接口标准 MHS，到建立自有实验室，公布由 Claude 主导筛选的 ART 酶系统。人才方面，今年 6 月，Bloomberg 报道，2024 年诺贝尔化学奖得主 John Jumper 将离开 Google DeepMind，加入 Anthropic。从这些动作看，Anthropic 似乎希望让 Claude 参与科学发现、药物开发和临床转化等更多环节，逐步成为面向生命科学产业的 AI 基础设施。Anthropic 对生命科学的关注由来已久。早在 2024 年 10 月，Anthropic CEO Dario Amodei 就在《Machines of Loving Grace》中提出一个大胆预测：在足够强大的 AI 出现之后，生物学和医学未来 50 至 100 年的进展，有望被压缩到 5 至 10 年内完成。两年之后，这一曾经充满未来主义色彩的判断，正在被 Anthropic 拆解为一系列具体的技术研发与产业布局。为什么是 Science？答案或许要从 Coding Agent 的成功中寻找。2025 年 2 月，Anthropic 推出 Claude Code，将大模型从代码生成工具进一步推向能够自主执行编程任务的 Agent。到 2026 年，AI Coding 的竞争焦点已转向“能否更高效、更可靠地完成复杂开发任务”。Coding Agent 之所以率先跑通，一个关键原因在于软件开发天然具备可验证的反馈闭环：编写代码、编译执行、运行测试，再根据结果持续修正。而科学研究，尤其是早期药物发现，同样存在类似的循环：提出假设、设计分子、合成测试、读取实验数据，再调整下一轮设计。不同的是，真实科研的验证周期更长、实验成本更高，反馈结果也更加复杂。如果说 Coding Agent 展示了 AI 在数字环境中反复试错、根据反馈推进任务的能力，那么 Anthropic 正在探索的，则是如何把这种能力迁移到真实的科学实验体系中。从专业模型到实验接口，从数字推理到湿实验验证，Anthropic 过去一年的密集布局，正在勾勒出一条新的技术路径：让 AI 不只参与科学研究，而是逐步成为研发流程的组织者与执行者。继 Coding 之后，Science 能否成为 Agent 真正进入物理世界、创造更大经济价值的下一个突破口，正在成为大模型产业值得关注的新变量。
BioMysteryBench 把评测从知识问答变成完成一段真实的研究任务：传统生物学评测更像考试选择题，但真实科研需要读论文、下载数据、写代码、调数据库，最后给出可复核的判断。4 月发布的 BioMysteryBench 包含 99 道题，每道题给模型一个真实的生物数据文件（比如匿名的晶体结构），模型需要自己规划分析路径、调工具、跑比对，最后输出生物学结论。Claude 能稳定解决大多数人类专家可以完成的任务，在部分困难问题上表现超过五位专家组成的 panel。01 BioMysteryBench：99 道真实任务Claude 开始接受科研检验
生命科学模型长期面临一个评价问题：传统 Benchmark 更像知识问答，真实科研却要求研究者读取论文、下载数据、写代码、调用数据库，并对一组杂乱的生物数据做出可以复核的判断。2026 年 4 月，Anthropic 发布 BioMysteryBench，尝试把评价单位从单个问题换成一段可执行的生物信息学任务。该 Benchmark 包含 99 道由领域专家设计的问题，使用真实世界的生物信息学数据，同时为每道题建立了可验证的 ground truth。模型被放在一个环境中，可以使用常见的生物信息学工具，也可以通过 pip 和 conda 安装额外软件，并访问 NCBI、Ensembl 等数据库。这套设计有两个重要变化。第一，模型需要自己规划分析路径，而不是从选项中选择答案。第二，评分依赖数据中已经存在的可验证事实，降低了“答案听起来合理但无法确认”的问题。可以把目前公开的 preview 中一道题拆开看。题目编号为 hb020，原文是：What organism does this crystal structure belong to? Provide the answer using binomial nomenclature。翻成中文，就是“这份晶体结构属于哪个生物物种？请用双名法给出答案。”模型拿到的不是一段关于某个蛋白的百科知识，而是一份经过匿名处理的结构文件。它需要先读取文件、提取结构中的蛋白链或核酸序列，再调用结构或序列数据库进行比对，结合命中结果里的分类信息判断物种，最后输出标准的属名和种名。题目规则还禁止通过 GEO、SRA、ENA 或 BioProject 的 accession 号反查原始研究，因此模型不能靠搜索题目的出处绕过分析过程。这道题的答案可以由数据对应的 ground truth 直接核验，分析路径则可以有多种：有人会从结构相似性入手，有人会先做序列比对。Benchmark 只看最后的生物学判断是否正确，这正是它与知识问答题的区别：模型需要把文件、工具和数据库串起来，完成一段真正可复核的研究工作。Anthropic 的结果显示，参与测试的 Claude 模型能够稳定解决大多数人类可以完成的任务，在一部分人类专家也觉得困难的问题上，表现超过五位领域专家组成的 panel。模型的优势并不总是来自某一个算法，而是来自快速阅读文献、寻找数据库资源、编写一次性分析代码和反复检查结果的能力。BioMysteryBench 的价值不在于给出一个单一排行榜，而在于提供了更接近实际工作的评价对象：模型是否能够从数据出发，完成一条可复核的分析链路。它也有清晰的边界。多数任务仍然属于计算生物学和生物信息学，题目有明确的 ground truth，不能直接代表模型能否提出真正重要的新生物学假设，更不能替代实验验证和临床证据。02 Claude Science：基于 Agent 自主设计蛋白质，15 个靶点中 14 个获得 binder过去几年，AI 蛋白质设计逐渐形成了一条标准工具链：结构设计模型生成候选骨架，序列设计模型为骨架填入氨基酸，共折叠模型评估候选序列与靶点形成复合物的可能性。每个模型都擅长一个具体环节。真正耗时的部分，往往发生在模型之间。一次完整的设计任务通常需要计算专家决定靶点位置，选择合适的模型，调整参数，生成并筛选候选序列，再把结果送去合成和实验验证。Anthropic 在官方文章中提到，这类流程通常需要一位熟悉脚本、参数和模型局限性的专家花费数天，甚至数周完成。2026 年 8 月 18 日，Anthropic 在 Claude Science 中运行了一次多靶点的 de novo minibinder 设计实验。minibinder 是一种从头设计的小型结合蛋白，能够特异性结合目标蛋白，用于阻断、激活或标记特定生物过程，也是多类药物研发中的基础设计对象。实验中，Anthropic 为 Claude 提供了蛋白质设计提示词、互联网和文献资源、科研连接器，以及 GPU 计算资源。Claude 需要自行决定靶点上的设计位置，调用结构设计、序列设计和共折叠预测工具，完成多轮优化与计算筛选，再从中挑选具有新颖性、多样性、可表达性、可溶性和结合潜力的候选序列。Anthropic 最初选择了 16 个靶点，其中一个靶点由于蛋白聚集和非特异性黏附导致实验数据无法判断，最终有 15 个靶点被纳入统计。Claude 一共生成 1,320 条设计，其中 354 条在外部实验室中确认能够结合目标蛋白，覆盖 14 个靶点。整体命中率约为 26.8%，不同模型和实验设置下的命中率约在 22%-35% 之间，行业公开数据中的典型水平约为 10%-15%。RBX1 是其中最有代表性的结果之一。这个靶点此前曾被用于 Adaptyv Bio 的公开蛋白设计竞赛，参赛设计的命中率为 3.7%。Claude 在单靶点模式下达到了 40% 的命中率，最高亲和力设计的解离常数约为 3.9 nM，优于竞赛获胜设计的 25.7 nM。实验也展示了这套方法的边界。对 TNFα 靶点，Opus 4.8 设计出了多个有效 binder，Mythos Preview 在这个靶点上没有成功；这说明即使是同一家公司的不同模型，在蛋白设计的具体子任务上也会有表现差异，模型的整体能力评分无法代表它在每个细分问题上的表现。对 MBP，90 条设计中没有一条被确认成功结合；对 BBF-14，Claude 获得了 3 个 binder，但亲和力仍处在亚微摩尔到微摩尔范围，距离药物开发所需的水平还有距离。Anthropic 还展示了更新版本的模型在分析化学中的表现。Claude Opus 5（8 月实验时最新的 Opus 版本）直接读取合同实验室提供的 NMR 和 LC-MS 原始文件，在 23 分钟和 19 分钟内完成并行分析，结果与实验室处理结果基本一致，纯度读数分别为 96.4% 和 96.33%。这说明 Claude Science 覆盖的任务已经从候选设计延伸到仪器原始数据解析，承担了过去由化学家手工完成的一部分工作。几乎同时，Anthropic、Adaptyv Bio、Modal 和 Twist Bioscience 发起的蛋白设计竞赛已经进入公开提交阶段。竞赛共设置五道题，每周公布一道。截至本文截稿时（2026 年 10 月 8 日），第一题是 EGFR 条件性 binder：要求同时识别人和小鼠 EGFR，并在肿瘤微环境对应的酸性 pH 6.5 下结合、在生理 pH 7.4 下释放；第二题是 TNF-α 条件性 binder：要求同时识别人和小鼠 TNF-α，在 pH 7.4 下结合、在 pH 6.0 下释放。第一题已于 10 月 7 日截止，第二题仍开放提交，后三道题将于接下来几周陆续公布。主办方计划从社区提交中筛选并在自动化实验室测试超过 5,000 条蛋白设计，并投入超过 100 万美元进行湿实验验证；Anthropic 另提供超过 100 万美元的 Claude credits，Modal 提供计算资源，Twist Bioscience 提供 DNA。这里需要区分“提交数量”和“实验数量”：并非每一条提交都会进入实验室，公开 FAQ 显示，不同参赛赛道会采用不同的筛选和测试分配，部分赛道会将提交汇总后交给一个基于 Claude 的 workflow 选择设计。实验结果、序列、预测结构、设计方法和失败数据都计划公开发布在 Proteinbase 上。这场竞赛同时承担公开展示和数据生产两种角色：社区提交、统一筛选、统一湿实验和公开负样本被放进同一套机制里。Anthropic 之前公开的提示词、实验数据和优化代码，则为外部团队提供了可复用的起点。从公开披露看，Anthropic 还没有展示一个专门为蛋白质设计训练的端到端模型。它先让 Claude 调用已有的专业模型，决定下一步做什么，管理多轮筛选，并把候选设计推进到外部实验验证；公开材料呈现出来的核心能力，是把模型、工具、算力和实验服务组织成一条可以运行的研发流程。 03 从模型优化到物理实验：计算和硬件开始成为同一条基础设施Agent 能否把科研流程跑稳，取决于数据入口的可靠性。2026 年 6 月 8 日，Anthropic 在 NCBI Virus 上测试多个科学 Agent 的序列检索能力：直接通过网页和通用接口访问时，结果不够稳定；加入确定性的检索层 gget virus 后，准确率提升到接近 100%。这个结果与后来的蛋白质设计实验放在一起看，说明 Agent 的能力不只体现在“会不会调用模型”，也体现在能否通过结构化、可追溯、可重复调用的接口获得正确数据。 8 月的蛋白质设计实验暴露出了一个现实问题：如果每个靶点都需要数千个 H100 GPU 小时，模型即使有效，也很难被大多数研究团队频繁使用。Anthropic 随后的动作开始转向两个方向：降低生物模型的计算成本，以及让 Agent 能够连接真实实验设备。 8 月 27 日，Anthropic 预览了 Model Hardware Standard（MHS）。它是一套让 AI Agent 操作显微镜、液体处理器、机械臂等实验设备的共享规范，目标是减少不同设备之间的定制集成工作。Anthropic 与 HHMI Janelia Research Campus 共同推进了这项工作，并展示了 Agent 调用 qPCR 设备进行环境样本分析的案例。MHS 的重要性在于，它试图解决实验室自动化中的接口问题。过去，一个实验室往往需要为不同品牌的设备分别开发连接层；如果设备能够以统一方式向 Agent 描述能力、状态和安全限制，Agent 才有可能协调多个设备完成更长的实验流程。目前 MHS 仍处于研究预览阶段，实验室设备的可编程程度、权限控制和安全边界都会影响实际效果。它更像是 Anthropic 对“Agent 如何进入物理世界”的基础设施尝试。 9 月 17 日，Anthropic 发布了 biomolecular modeling 的优化结果。Claude 在不到四周内优化了 30 多个开源模型，覆盖结构预测、蛋白质设计、蛋白质语言模型和基因组学任务。平均速度提升约 4 倍，同时只牺牲很小的精度；在要求输出完全一致的设置下，速度提升接近 2 倍。Anthropic 还发布了低内存模式，使超过 10,000 个 token 的大型生物分子系统可以在单个 NVIDIA GPU 节点上运行。这件事的意义在于，Claude 的角色从“调用专业模型”进一步扩展到“修改专业模型的执行效率”。此前的蛋白质设计实验需要大量算力，优化后的模型在平均速度提升约 4 倍的情况下，能让相同的设计任务用更少的 GPU 资源完成，这使得更多研究团队有可能使用这套工具链。 从 6 月到 9 月，Anthropic 在做的是把执行层从软件延伸到硬件，补从 AI 生成方案到 AI 执行方案之间的 Gap。一边是让数据接口变得可靠，一边是降低计算成本，同时让 Agent 能够操作物理设备——计算和硬件开始成为同一条基础设施。04 Claude discovers a novel enzyme system：从科研 Agent 进入自己的实验室9 月 23 日，Anthropic 宣布成立新的生命科学研究团队和实验室，并公布了一个早期生物学发现案例。团队让 Claude 在大规模 DNA 数据中寻找未被充分认识的蛋白质家族，生成候选假设，再由实验室进行表达、检测和进一步分析。这次任务围绕 reverse transcriptase（RT）展开。Claude 先从超过 20 万条 RT 序列中筛选出约 3,500 个候选家族，再缩小到 20 个最值得深入分析的候选。整个搜索过程由约 950 个 Agent 并行完成，耗时 21 小时，使用约 2.1 亿个 token。在其中一个候选中，Claude 注意到 RT 基因附近存在一组此前没有被系统识别的重复 DNA 序列，以及一个相邻的辅助蛋白。Anthropic 将这一系统命名为 array-associated reverse transcriptases（ART）。它主要存在于噬菌体中，由 RT、相邻的 partner gene 和一组规则排列的 DNA repeats 组成，重复序列的组织方式与 CRISPR array 有相似之处。实验结果显示，ART 的重复序列也会被表达为一组短 RNA。不过，ART 的具体功能仍在研究中，Anthropic 尚未声称它已经具备可直接使用的基因编辑能力或药物价值。这项工作的变化在于，Claude 不再只处理一个已经明确的问题。它需要从海量序列中建立候选空间，提出值得验证的异常模式，再把候选交给实验团队。人类科学家负责实验操作、审查候选和解释结果，Claude 负责大规模搜索、比较和报告。Anthropic 还提到，单次研究活动可能产生数百到数千份候选报告。团队正在研究哪些候选更值得测试，并将这些判断重新写入 Claude 的指令，让模型逐步学习研究团队的“科学品味”。这部分内容比单个 ART 发现本身更值得关注，因为它涉及科学判断如何在 Agent、专家和实验反馈之间积累。05 Anthropic 的生命科学团队：关键人物与招聘方向如果把今年的发布放在一起看，Anthropic 的生命科学团队经历了一个清晰的扩张过程：先引入负责研发和合作的关键人物，再吸收一支做过计算药物发现的创业团队，随后建立自己的研究组和实验室，最后通过公开招聘把模型、计算生物、实验和产品岗位补齐。2025 年 10 月 20 日，Anthropic 发布 Claude for Life Sciences，这是一个面向生命科学研究的产品套件，包括一系列 connectors 和 skills。产品发布时，公开介绍的两位负责人是 Eric Kauderer-Abrams（Head of Biology & Life Sciences）和 Jonah Cool（Head of Life Sciences Partnerships）。这标志着 Anthropic 开始系统性地进入生命科学领域。2026 年的评测、实验和团队扩张，都是在这条产品线上的持续投入。Eric 在斯坦福大学电气工程系攻读博士（2015—2020），研究方向包括神经形态工程、机器学习、信号处理、计算机视觉和生物物理学；离开斯坦福后，他共同创办 Detect 并担任 CEO/CTO，参与开发获得 FDA 授权的家用新冠检测产品。加入 Anthropic 后，他担任 Head of Biology & Life Sciences，负责生命科学研发。Jonah Cool 的经历更接近开放生物学和科研基础设施。他在杜克大学完成细胞生物学与遗传学方向的博士研究，之后在 Salk Institute 做 Ruth Kirchstein Fellow。加入 Anthropic 前，他在 Chan Zuckerberg Initiative 工作了八年多，先后参与单细胞生物学、Human Cell Atlas、CELLxGENE、Billion Cells Project、Seattle Hub for Synthetic Biology 和开放科学项目。2025 年加入 Anthropic 后，他担任 Head of Life Sciences Partnerships，负责与学术机构、平台和产业伙伴建立合作。在这两位负责人之外，Anthropic 也开始引入具备计算药物发现背景的团队。2026 年 4 月，Anthropic 以约 4 亿美元全股票方式收购 Coefficient Bio，约 10 人加入 healthcare and life sciences group。Coefficient Bio 的核心成员 Nathan C. Frey 和 Samuel Stanton 此前均在 Genentech 的 Prescient Design 工作。Nathan 在宾夕法尼亚大学获得材料科学与工程博士，之后在 MIT 做博士后；2022 年加入 Prescient Design 后，他负责 Foundation Models for Drug Discovery 团队，带领约 15 人的跨学科团队开展生物基础模型、抗体设计和药物发现模型研究，后来与 Samuel 共同创办 Coefficient Bio。Samuel 则先后获得科罗拉多大学丹佛分校应用数学学士、康奈尔大学运筹学硕士和纽约大学数据科学博士，之后在 Prescient Design 任 Principal ML Scientist，研究生物序列优化、抗体工程和实验反馈闭环。2026 年 6 月 19 日，2024 年诺贝尔化学奖得主 John Jumper 宣布将离开 Google DeepMind，加入 Anthropic。Jumper 因参与领导 AlphaFold 的开发而获得诺奖；AlphaFold 解决了蛋白质结构预测中的关键问题，也代表了 AI 在生命科学中最具标志性的成果之一。就团队构成而言，这次人事变动补进了一位曾在专业生物模型领域取得突破的核心研究者，也使 Anthropic 的路径更值得关注：公司一边以通用模型编排专业工具和实验流程，一边开始吸收推动过专业模型跃迁的人才。同一时期，Anthropic 开始建设自有研究能力。公司称生命科学研究组成立于 2026 年春天，并在湾区建立实验室；实验室只开展 BSL-1 和 BSL-2 级别的工作，不涉及高风险病原体研究，湿实验由人类科学家完成。9 月公布 ART 研究时，团队已经把 Claude 的生物学训练、序列分析、候选筛选和实验验证放进同一条流程。9 月推出的 Life Sciences Verification Program，则向经过资质、安全和伦理审核的实验室、初创公司和药企开放 Mythos、Opus 和 Sonnet 系列模型；Anthropic 说明，LSVP 的监测数据与生命科学研究团队隔离，不能用于模型训练。招聘页面显示，Anthropic 现在还在继续补人。截至 2026 年 10 月，公开岗位主要分为四组：第一组是 Research Scientist, Life Sciences 和 Research Engineer, Life Sciences，负责 post-training、评测、RL 环境、Agent 工具和生物数据集；第二组是 Research Scientist, Life Sciences (Computational)，负责大规模序列、结构生物信息学、系统发育、比较基因组学、高通量筛选、数据库和 Agent 接口；第三组是 Experimental Biology 和 Chemistry，覆盖蛋白质与核酸表征、实验筛选、药物分子设计、合成、纯化、表征和 CRO 合作；第四组是 Product Manager, Claude Science、Life Sciences Operator, Lead 和 Partnership Manager, AI for Science，分别负责产品从 0 到 1、药物研发项目运营以及学术和产业合作。把这一年的动作按时间排下来，Anthropic 在做什么就很清楚了。4 月先出评测证明模型能力，8 月用 Agent 把专业模型编排起来跑通蛋白设计，同时推出硬件接口标准，9 月建实验室、发现 ART、优化开源模型——每一步都在补前一步暴露出的短板。这是在为 Science 搭一套完整的、可以规模化运行的基础设施。
但这套基础设施今天还处在很早期的状态。Anthropic 调用的仍然是 RFdiffusion、ESMFold 这些公开的专业模型，Claude 只负责编排、筛选和决策，生物学能力并没有被训进通用模型里。Dario Amodei 说要把未来 50-100 年的进展压缩到 5-10 年，这个目标要实现，模型、Agent、实验室三个环节都需要继续突破。
第一，Anthropic 会不会训自己的生物模型。Coding 之所以能跑通，不只是因为 Claude 会调用编译器和测试工具，更重要的是代码生成、调试、重构这些能力已经被训进了模型本身。生物学可能也需要类似的能力——但这个能力是被训进通用 LLM，还是会出现专门的 bio foundation model，目前还不清楚。训练目标、数据表征方式、数据分布可能都会有变化。John Jumper 的加入是一个信号。他在 DeepMind 带出了 AlphaFold，现在加入 Anthropic。这可能意味着 Anthropic 不只是想做一个更好的调度器，而是在押注模型本身的生物学能力。第二，实验室的角色会不会从验证变成数据生产。现在 Anthropic 的湾区实验室主要在做两件事：验证 Claude 设计出来的分子是否有效，以及为模型训练采集数据。但如果“哪些候选值得测”这件事本身也能被模型学会，那实验室的价值就不只是筛掉坏的候选，而是系统性地产出高质量的设计—实验—反馈数据。这些数据会成为下一代模型的训练素材，形成一个正向循环。信号是：Anthropic 会不会开始发表“用实验数据训练的生物模型”。第三，这套打法能不能复制到其他科学领域。生物学是 Anthropic 选的第一个战场，因为它有完整的反馈闭环、可验证的终点、以及足够大的经济价值。但材料科学、化学合成、甚至部分物理实验，也有类似的结构。如果 Anthropic 能在生物学上跑通“通用模型 + 专业工具 + 硬件接口 + 自有实验室”这条路，它就有机会把这套 Science 基础设施复制到其他领域。信号是：Anthropic 会不会在 2027 年宣布进入第二个科学领域。从 Coding 到 Science，从 Bits 到 Atoms——AI 开始从处理信息转向改变物理世界。当假设可以批量产出、模型可以自动筛选、实验可以并行验证，下一个大发现时代很可能就是由 AI 推动的。- Claude Science, an AI workbench for scientists
- Evaluating Claude’s bioinformatics research capabilities with BioMysteryBench
- Paving the way for AI agents in biology
- How Claude is accelerating protein design and analytical chemistry
