Anthropic 研究部落格〈How Claude is accelerating protein design and analytical chemistry〉與技術報告寫：Mythos Preview 與 Opus 4.8 在 Claude Science 裡跑 24 到 48 小時全自動戰役，對 16 個靶點各交 30 條全新小蛋白結合體（minibinder，約 50 到 120 個氨基酸）。Adaptyv Bio 與 Twist Bioscience 兩家合約實驗室按交件原樣合成、測量。成熟 GDF-8 因聚集與非特異黏附讀不出數，剩下 15 個靶、1320 條設計。Claude 在其中 14 個靶點做出結合體，354 條確認結合，整體命中率約 27%；它自己排第一的設計有 49% 真的結合。人類只選靶點、給 GPU 額度、下單合成、最後讀數據。表位、骨架生成器、過濾與排序，中間沒有人插手。公司沒有再訓練一顆蛋白質專用模型——Claude 當的是專案經理，把領域裡已有的開源工具自己裝起來跑完。The Decoder、Adaptyv Bio 案例文與 Hugging Face 數據集同步公開。獨立複核仍待做。公司自己也寫：這還不是藥。
結合體設計過去常要計算生物學家花數週排工具。深度學習讓「試幾千到幾萬條才撞上結合」縮成幾十到幾百條，但選哪塊表面、哪套方法、算力怎麼花，仍是專家活。Anthropic 把這份工作知識寫進一條約 1.6 萬字的協議提示詞：戰役分哪些階段、每階段有哪些開源工具、什麼樣的候選才配送測——不指定任何靶點的表位、骨架或序列。啟動後，Claude 自己查每個靶點的生物學與結構、決定要對哪塊表面下手、從公開倉庫把工具裝進容器並在第一小時驗證、用固定 GPU 預算跑多輪電腦優化，最後交 30 條排序。多靶點模式一次盯 14 個靶、48 小時、雲端 GPU 預算約 5 萬美元；單靶點模式 24 小時、約 1 萬美元。運算側另有上限：多靶點最高約 1.25 萬 NVIDIA H100 小時，單靶點每個靶最高約 2500 H100 小時。提示詞約三分之一是科學，三分之二是怎麼把 24–48 小時跑完、怎麼把工作派給子代理、時鐘與預算不夠時先砍什麼。
濕實驗數字比提示詞好看，也比「AI代理 會做科研」這句空話具體。多靶點 48 小時戰役裡，Mythos Preview 命中率 26.7%，Opus 4.8 為 22.6%。單靶點 24 小時、更接近真人工程師一次盯一個靶的做法，Mythos Preview 升到 35.1%。公司拿 ProteinBase 上公開戰役粗算，現今典型命中率約 10–15%。靶點之間差距很大：有的高到約 90%，麥芽糖結合蛋白（MBP）90 條裡沒有一條確認結合，只留下一條弱而可重複的訊號。RBX1 這顆剛辦過公開設計賽的靶，賽事 245 條裡 9 條結合（約 3.7%）；Claude 的 90 條裡 28 條結合，最緊的 KD 3.9 nM，同盤複測的賽事冠軍是 45 nM。TNF-α 這種多聚體、溝槽表位、多個專家團隊都覺得難的發炎訊號蛋白，成功的是 Opus 4.8 而不是較新的 Mythos Preview，部分結合體還能同時抓人、食蟹猴與小鼠——動物實驗需要這種跨種反應。公司說不知道為什麼較舊的模型反而過關，評估能力時他們看整體，而不是每一靶都由最新檔位贏。
Claude 真正寫進序列的，幾乎都是別人的開源權重。骨架生成數量前段是 PXDesign（358）、RFdiffusion3（267）、Genie 3（185）、FreeBindCraft（135）、BoltzGen（134）、RFdiffusion（118）、Proteina-Complexa（100）；序列大多由 SolubleMPNN（ProteinMPNN 的可溶變體）填。排序用的是 ESMFold2、ESMFold2-Fast 與 Protenix v2 的共折疊信心，而不是再訓練一顆 Anthropic 蛋白質模型。The Decoder 把這層寫清楚：AlphaFold、RFdiffusion、BindCraft 早就在做結構與序列；新的是上面那層 大型語言模型——查文獻、選對接位、自己裝程式、把約 24 套工作流拼起來、交一份沒有人類改過的排名。因為用到的模型都開源，報告主張這種戰役理論上任何實驗室都跑得動。提示詞、1440 條設計的計算模型、以及 1320 條可讀測量，已放到 Hugging Face 的 Anthropic/claude-protein-binder-design。Adaptyv Bio 寫 95% 的設計能表達，這個數字三年前足以當標題；他們也提醒 GDF-8 成熟體因靶點自己黏成一團，不應算進失敗。
同一篇文章的第二場實驗尺度小得多，卻說明「一般可買到的模型」能做什麼。給 Claude Opus 5 一份合約實驗室的原始 NMR 與 LC-MS 檔、兩句人話提示、不准開廠商軟體。它平行處理，23 分鐘交出核磁譜與 18 個峰的氫計數，19 分鐘交出色譜與純度。氫計數與實驗室相差約 0.08 個氫；純度 96.4% 對上實驗室的 96.33%。LC-MS 是未公開的廠商二進位格式，Claude 先反推編碼，用儀器自己記下的 2664 次掃描總量核對讀檔沒讀錯，再做分析，並寫出可重用的讀檔程式與一串保留意見（例如這類儀器質量只準到整數）。實驗室完整報告晚了四天才到；人手處理一張核磁大約兩分鐘，LC-MS 報告則在上機後約兩小時。這不是發現新藥，是把品管裡最煩的那截交給一般可取用的 Opus 5。
Dual-use 被寫在同一頁。加速療法與基礎發現的能力，也可以讓惡意方做危險研究，包括生物武器。生命科學研究任務在公司「最能幹」的模型裡目前被擋住，Fable 5 對一般使用者不開放蛋白質設計等雙用途能力；公司說科學家授信計畫是最高優先之一，細節未宣布。公開檔裡能跑這套戰役的是 Mythos Preview 與 Opus 4.8，一般可買的旗艦仍是 Opus 5。這和稍早那份生物武器分類器關掉十一個月的風險報告不是互相取消：一邊證明代理已經能把開源工具鏈跑完並在濕實驗裡交出高於常規的命中率，一邊承認最強檔位還不能對所有人打開。結合體也還不是藥物——單株抗體與小分子要走的路更長；公司把這場戰役稱作把整條開發流程交給 Claude 的地基。
The Decoder 寫獨立審查仍待進行。公司自己也說還要做更完整的表徵，才能把命中率與親和力釘死。能複現的東西已經在網上：提示詞、設計、兩家 CRO 的原始感測圖。下一步不是再聽一則「AI 會做藥」的口號，而是看其他實驗室用同一份協議能不能打出相近的 27%，以及授信計畫何時真的讓生命科學任務從封鎖名單上挪開。