Claude ottimizza oltre 30 modelli biomolecolari open source e Anthropic apre una gara sul design delle proteine

Un modello di intelligenza artificiale che riscrive il codice di altri modelli scientifici, li rende molto più veloci e apre la strada a scoperte che fino a ieri richiedevano risorse enormi. È quello che ha fatto Claude, l’AI di Anthropic, in un lavoro pubblicato il 17 settembre 2026 che tiene insieme ingegneria del software, biologia strutturale e una sfida aperta a tutta la comunità di ricerca.

In meno di quattro settimane Claude ha ottimizzato oltre 30 modelli biomolecolari open source, quelli che gli scienziati usano ogni giorno per prevedere e progettare le molecole della vita, rendendoli in media quattro volte più veloci. Anthropic ha reso pubblico tutto il codice e, insieme ad Adaptyv Bio, ha lanciato una gara mondiale sul design delle proteine sostenuta da un milione di dollari.

Per capire perché conta, conviene partire da un problema molto concreto: la potenza di calcolo.

Cosa ha fatto davvero Claude con i modelli biomolecolari

I modelli che prevedono la struttura tridimensionale delle proteine, come AlphaFold3, OpenFold3 e Boltz-2, sono strumenti straordinari ma affamati di risorse. Girano su schede grafiche costose e, quando il sistema biologico da simulare cresce, il fabbisogno di memoria e di tempo esplode. Molti laboratori, semplicemente, non possono permetterseli.

Anthropic ha affrontato il problema mettendo Claude al lavoro non sulla biologia in sé, ma sul codice che fa girare questi strumenti. Un modello di ricerca interno e generalista, operando all’interno di Claude Science, ha analizzato oltre 30 modelli di deep learning addestrati per compiti diversi, dalla previsione della struttura alla progettazione delle proteine, fino alla genomica e ai cosiddetti modelli linguistici delle proteine, e li ha resi più efficienti.

Il guadagno medio è un’accelerazione di circa quattro volte con una perdita minima di precisione, e di quasi due volte mantenendo risultati identici all’originale. In parallelo Claude ha ridotto il consumo di memoria, aprendo scenari prima impensabili.

C’è un dettaglio che colpisce più dei numeri.

Il lavoro è stato svolto sotto la supervisione di due membri del team tecnico di Anthropic, esperti di modellazione biomolecolare ma senza alcuna esperienza precedente né di ottimizzazione dell’inferenza né di ingegneria dei kernel. Di norma servono team di ingegneri specializzati e settimane di lavoro per ogni singolo modello, e le ottimizzazioni raramente si trasferiscono da un modello all’altro. Qui, invece, un’unica AI ha coperto decine di modelli in meno di un mese. Tutto il codice ottimizzato è stato pubblicato su GitHub, a disposizione di chiunque voglia usarlo.

FlashPairformer e il collo di bottiglia dei modelli di struttura

Il cuore tecnico del lavoro riguarda due operazioni chiamate triangle attention e triangle multiplication. Sono i passaggi che permettono ai modelli di ragionare sulla geometria delle molecole, ma hanno un costo cubico: se raddoppi la dimensione del sistema, il tempo e la memoria richiesti aumentano di otto volte, se la triplichi salgono di ventisette volte. È qui che si concentra gran parte della spesa di calcolo.

Per abbattere questo costo, Claude ha sviluppato FlashPairformer, un insieme di kernel personalizzati, cioè software di basso livello che dialoga direttamente con l’hardware di calcolo. Rispetto allo standard di riferimento del settore, FlashPairformer accelera la triangle attention di 2,7-2,9 volte e la triangle multiplication di 1,7-3,2 volte, a seconda della configurazione, fissando un nuovo primato.

Oltre a questi kernel trasferibili da un modello all’altro, Claude è intervenuto su ciascun modello con ottimizzazioni mirate, come mettere in cache i calcoli ripetuti inutilmente o semplificare i rami di codice mai eseguiti. Per ogni versione accelerata i ricercatori hanno verificato che la qualità del risultato finale, per esempio la previsione della struttura, non peggiorasse.

La modalità Big e le macchine molecolari giganti

La seconda grande novità riguarda la memoria. Molte funzioni fondamentali della cellula sono svolte da enormi macchine molecolari fatte di decine di componenti: il ribosoma che costruisce le proteine, i complessi respiratori che forniscono energia, gli chaperoni che aiutano le altre proteine a ripiegarsi nel modo giusto.

Prevedere la struttura di sistemi così grandi ha sempre richiesto risorse fuori portata per la maggior parte dei biologi, spesso distribuendo il calcolo su più nodi di GPU. Claude ha creato una modalità a basso consumo di memoria, battezzata Big, che permette di modellare con precisione sistemi oltre i 10.000 token, dove per token si intendono amminoacidi, nucleotidi e singoli atomi, usando un solo nodo GPU.

I risultati parlano da soli.

Tra le macchine molecolari ripiegate con successo in modalità Big ci sono il complesso I mitocondriale umano, il complesso chaperone TRiC, un proteasoma e un ribosoma batterico, ciascuno molto vicino alla struttura determinata sperimentalmente. Sono alcune delle strutture più grandi mai predette con accuratezza da questi modelli: il complesso I e il ribosoma 70S superano i 10.000 token ciascuno, contro i 7.663 token del ribosoma 40S che AlphaFold3 era riuscito a prevedere.

Spingendo ancora oltre, con un singolo nodo a 8 GPU Claude ha generato previsioni di interi capsidi virali e compartimenti proteici, da oltre 31.000 fino a più di 70.000 token. A queste dimensioni, quasi due ordini di grandezza oltre il contesto di addestramento, le previsioni non sono corrette, ma la barriera tecnica per provarci si è abbassata in modo netto. Poter anche solo tentare questi calcoli su una sola macchina, invece che su interi cluster, cambia le regole del gioco.

Progettare proteine con cento volte meno risorse

Questo lavoro non nasce dal nulla. Ad agosto Anthropic aveva già mostrato come Claude fosse in grado di progettare da zero proteine capaci di legarsi a bersagli specifici, i cosiddetti binder de novo, poi validati in laboratorio. Era una dimostrazione entusiasmante, ma costosa: fino a 10.000 dollari per bersaglio in risorse di calcolo, con un prompt di circa 16.000 parole e una schiera di sotto-agenti a coordinare il lavoro.

Con i modelli accelerati la storia cambia radicalmente. Questa volta i ricercatori hanno dato a un singolo modello Claude una sola GPU NVIDIA H200, 24 ore di tempo, un prompt di circa 1.100 parole e nessun sotto-agente né alcuna guida umana sui design.

Sono stati messi alla prova tre modelli, Claude Mythos 5.1, Mythos 5 e Opus 5, su 16 bersagli. I design sono stati valutati con un punteggio chiamato ipSAE, che si è dimostrato capace di prevedere il legame reale in laboratorio. Il risultato: prestazioni al computer paragonabili a quelle delle campagne precedenti, ma con circa cento volte meno ore di GPU. Sommando il costo delle schede e quello dei token, sono bastati circa 150 dollari per eguagliare risultati che prima ne richiedevano molti di più.

È esattamente il tipo di salto che rende accessibile una tecnologia prima riservata a pochi. La stessa logica che aveva portato Anthropic a integrare Claude Science con la piattaforma NVIDIA BioNeMo per la ricerca sui farmaci.

La gara sulle proteine da un milione di dollari con Adaptyv Bio

Per dimostrare l’impatto concreto di queste ottimizzazioni, Anthropic ha unito le forze con Adaptyv Bio, l’azienda che ha reso popolari le competizioni aperte di protein design. Insieme hanno scelto cinque problemi alla frontiera delle capacità attuali, tra cui la cross-reattività tra specie, la sensibilità al pH e la specificità peptide-MHC, oltre a bersagli notoriamente difficili come i recettori GPCR.

La comunità è invitata a proporre i propri design, e i migliori verranno testati sul serio.

Anthropic mette sul piatto fino a un milione di dollari in crediti Claude, oltre a fondi per la validazione sperimentale presso Adaptyv, che testerà in laboratorio oltre 5.000 proteine proposte dai partecipanti. A questo si aggiungono fino a 250.000 dollari in crediti di calcolo offerti da Modal e il DNA fornito da Twist Bioscience. Le candidature restano aperte dal 16 al 24 settembre 2026, e i team selezionati saranno avvisati entro il 28 settembre.

In contemporanea Anthropic ha aperto in beta pubblica il suo Life Sciences Verification Program, pensato per portare le capacità dei modelli di frontiera direttamente nelle mani di chi fa ricerca in ambito biologico. Un tassello che si aggiunge alla strategia con cui l’azienda aveva già aperto Claude a diecimila scienziati con posti gratuiti e piani scontati.

Perché conta e cosa cambia per la ricerca

Il messaggio di fondo di questo annuncio va oltre i singoli numeri. Per anni la biologia computazionale di frontiera è stata un privilegio di chi disponeva di grandi budget di calcolo. Rendere quattro volte più veloci gli strumenti che tutti usano, e permettere di modellare macchine molecolari giganti con una sola GPU, sposta l’asticella di ciò che un laboratorio universitario o una piccola startup possono davvero fare.

C’è poi un aspetto che merita attenzione, e riguarda il metodo. Qui l’AI non ha soltanto assistito gli scienziati: ha migliorato gli strumenti scientifici stessi, scrivendo codice specializzato che di solito richiede competenze rare e molto tempo. È un’anticipazione di come i modelli di frontiera potrebbero accelerare interi campi del sapere, non risolvendo direttamente i problemi ma rendendo più efficienti gli strumenti con cui li affrontiamo.

Restano cautele legittime. Le previsioni sui sistemi più estremi, come i capsidi virali, ancora falliscono, e un buon punteggio al computer non equivale a un farmaco funzionante: sarà il laboratorio, con la validazione sperimentale della gara, a dire quanto reggono davvero questi design.

Se ti occupi di ricerca, di bioinformatica o vuoi semplicemente capire dove sta andando l’AI applicata alla scienza, questo è un momento da seguire da vicino. Il codice è già pubblico, la competizione resta aperta per pochi giorni e i suoi esiti diranno molto sul futuro della scoperta di farmaci assistita dall’intelligenza artificiale. Trovi tutti i dettagli tecnici nell’annuncio ufficiale di Anthropic; e se vuoi restare aggiornato, continua a seguire i nostri approfondimenti sull’AI applicata alla biologia e alla medicina.