Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic17. September 2026 · Q004324

How Claude is uplifting biomolecular modeling

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic zufolge beschleunigte Claude in knapp vier Wochen mehr als 30 quelloffene Biomolekülmodelle und ermöglichte speichersparendere Vorhersagen großer Systeme. Die rechnerischen Erfolge gelten nicht für alle Größen: Systeme über 70.000 Einheiten ließen sich zwar ausführen, wurden in den Tests aber nicht korrekt vorhergesagt; die Binder-Ergebnisse sind ebenfalls rechnerisch und kein Labornachweis.

Mittel

Anthropic berichtet, Claude habe in knapp vier Wochen mehr als 30 quelloffene Modelle für Biomolekülvorhersage und -design optimiert. Die Modelle für Strukturvorhersage, Proteindesign, Genomik und Protein-Sprachverarbeitung seien im Schnitt etwa viermal schneller geworden, bei minimalen Präzisionseinbußen. Bei identischen Ausgaben nennt der Bericht je nach Auswertung ungefähr 1,6- bis 2-mal mehr Geschwindigkeit. Für besonders rechenintensive Modellschritte entwickelte Claude laut Anthropic neue GPU-Kernels, die bestehende Vergleichswerte teils deutlich übertreffen.

Ein speichersparender „Big“-Modus soll genaue Vorhersagen von Biomolekülsystemen mit über 10.000 Einheiten auf einem einzelnen GPU-Knoten ermöglichen. Noch größere Systeme mit bis zu über 70.000 Einheiten ließen sich zwar ausführen, wurden in den beschriebenen Tests aber nicht korrekt vorhergesagt. Auch beim Entwurf neuer Proteinbinder meldet Anthropic vergleichbare rechnerische Bindungswerte zu früheren Kampagnen bei rund hundertmal weniger GPU-Stunden; das sind keine experimentellen Nachweise. Der Bericht kündigt außerdem die Veröffentlichung des optimierten Codes und einen Wettbewerb mit Adaptyv Bio an, bei dem über 5.000 Entwürfe im Labor geprüft werden sollen. Die Angaben sind Anthropic zufolge erzielte Ergebnisse; einzelne Vergleiche haben ausdrücklich genannte Grenzen.

Ausführlich lesen

Der Bericht beschreibt, wie Anthropic Claude eingesetzt hat, um mehr als 30 quelloffene Modelle für Biomolekülvorhersage und -design zu optimieren. Nach Darstellung des Unternehmens gelang dies in knapp vier Wochen. Die Modelle betreffen unter anderem Proteinstrukturvorhersage, Proteindesign, Genomik und Protein-Sprachmodelle. Anthropic berichtet von durchschnittlich etwa vierfach schnelleren Abläufen bei minimalen Präzisionseinbußen; bei identischen Ausgaben seien die Modelle je nach Abschnitt des Berichts ungefähr 1,6- bis 2-mal schneller. Die optimierten Codes sollen öffentlich verfügbar gemacht werden.

Ein Schwerpunkt liegt auf den rechenintensiven Operationen Triangle Attention und Triangle Multiplication, die in Strukturvorhersagemodellen wie AlphaFold3, OpenFold3 und Boltz-2 vorkommen. Claude half laut Bericht bei der Entwicklung von FlashPairformer, einem Satz spezieller GPU-Kernels. Anthropic gibt an, dass diese je nach Modellkonfiguration bei Triangle Attention im Mittel 2,7- bis 2,9-mal und bei Triangle Multiplication 1,7- bis 3,2-mal schneller als der herangezogene Feldstandard seien. Weitere modellbezogene Anpassungen hätten im Mittel etwa vierfache Beschleunigungen ermöglicht. Für die Strukturvorhersage erklärt das Unternehmen, dass sich die nachgelagerte Leistung bei den optimierten Versionen nicht verschlechtert habe. Bei schnellen Einstellungen seien die Ergebnisse laut den beschriebenen Auswertungen über eine zusammengefasste Menge biomolekularer Schnittstellen statistisch nicht vom Standardmodus zu unterscheiden. Eine Einschränkung der Vergleiche: Die parallel veröffentlichte optionale Beschleunigung von ColabFold 1.6.3 sei in der genannten Auswertung noch nicht berücksichtigt.

Zudem entwickelte Claude nach Anthropic-Angaben einen speichersparenden „Big“-Modus. Damit seien Systeme mit mehr als 10.000 Einheiten auf einem einzelnen NVIDIA-GPU-Knoten genau vorhersagbar und Systeme mit mehr als 70.000 Einheiten dort ausführbar. Als Beispiele für erfolgreich modellierte große Komplexe nennt der Bericht den menschlichen mitochondrialen Komplex I, den TRiC-Chaperonkomplex, ein Proteasom und ein bakterielles Ribosom. Bei noch größeren Testläufen mit viralen Kapsiden und Proteinkompartimenten von über 31.000 bis über 70.000 Einheiten seien zwar Vorhersagen berechnet worden, die Strukturen jedoch nicht korrekt gewesen. Anthropic führt dies auf die starke Überschreitung des Trainingskontexts zurück; die Läufe seien als Machbarkeitsnachweis mit nur einem Durchlauf und ohne Wiederholungen („recycles“) erfolgt. Die Größe der Systeme allein belegt also keine korrekte Vorhersage.

Für das Design neuer Proteinbinder vergleicht der Bericht frühere, rechenintensive Kampagnen mit einem begrenzteren Versuch: Ein einzelnes Claude-Modell erhielt eine H200-GPU und 24 Stunden, ohne Unteragenten oder menschliche Steuerung der Designs. Drei Modellvarianten wurden an 16 Zielstrukturen erprobt. Laut den angegebenen ipSAE-Werten erreichten die Designs im Durchschnitt ungefähr vergleichbare rechnerische Bindungswerte wie frühere Mythos-5.1-Kampagnen, obwohl etwa hundertmal weniger GPU-Stunden eingesetzt wurden. Anthropic schätzt die kombinierten GPU- und Tokenkosten auf etwa 150 US-Dollar. Diese Ergebnisse beruhen auf rechnerischen Bewertungen; sie belegen für sich genommen keine experimentell bestätigte Bindung.

Abschließend kündigt Anthropic mit Adaptyv Bio einen Protein-Design-Wettbewerb zu fünf anspruchsvollen Problemen an. Über 5.000 Einsendungen sollen im Labor geprüft werden. Vorgesehen sind bis zu eine Million US-Dollar an Claude-Gutschriften, bis zu 250.000 US-Dollar an Rechengutschriften von Modal und DNA von Twist Bioscience. Insgesamt präsentiert der Text unternehmenseigene Resultate und geplante Fördermaßnahmen; die Aussagen zu Leistung und Genauigkeit sind daher als berichtete Ergebnisse mit den jeweils genannten Bewertungsgrenzen zu verstehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Prüfung umfasst beide von Luna gelieferten Zusammenfassungen (kurz und mittel). Beide geben den Bericht sachlich treu wieder; die mittlere Fassung deckt mehr Kernaussagen ab, die Kurzfassung hat die Größenangabe zu den nicht korrekt vorhergesagten Systemen ungenau formuliert. Die Einordnung stützt sich nur auf den Bericht, nicht auf Lunas Stufen oder Anteile. Der Bericht ist ein Unternehmensbericht über Biomodell-Optimierung und ersetzt keine Bewertung der übergeordneten KI-Governance-Fragen.

Im Bericht, aber nicht in der Zusammenfassung

  • Kostenvergleich: Der Bericht nennt rund 150 US-Dollar für GPUs und Tokens gegenüber bis zu 10.000 US-Dollar pro Ziel in früheren Kampagnen
  • Finanzierung des Wettbewerbs mit Adaptyv Bio (bis 1 Mio. US-Dollar Claude-Credits, 250.000 US-Dollar Modal-Credits, Twist Bioscience als DNA-Lieferant) fehlt in der Kurzfassung
  • Die Kurzfassung nennt die Veröffentlichung des optimierten Codes und den Wettbewerb nicht
  • Die Größenangabe ist ungenau: Der Bericht nennt für die nicht korrekt vorhergesagten Kapsid- und Kompartiment-Systeme einen Bereich von über 31.000 bis über 70.000 Einheiten, nicht pauschal 'über 70.000'

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 28 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %einzelne zitierbare Belege
    • JEV 49 %umfangreiche Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 27 %nur am Rande erwähnt
    • JEV 53 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 46 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 28 %nur am Rande erwähnt
    • d3-ultra offen

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 80 %einzelne zitierbare Belege
    • JEV 37 %umfangreiche Belege
    • amos 27 %einzelne zitierbare Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 1 · 42 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →