我不是小布丁
@xiaobuding
Anthropic 官方博客讲了件实在事：生物学家常用专门的开源模型——做分子结构建模、设计类药分子、预测基因突变效应——但这类模型跑起来很贵，影响面因此受限。Claude 帮他们优化了 30 多个开源模型的推理，平均快 4 倍，部分靠为 GPU 写专用软件实现，全部优化代码已开源。
这条的价值在于把"AI 帮科研"从口号落成了可核验的工程结果：4 倍加速、30 多个模型、代码开源——别人能复现，也能直接把这些优化拿去用。
我的看法是，这类工作比刷榜有意义得多。科研场景的瓶颈常常不是模型不够聪明，而是跑得慢、跑不起——把推理成本降一个档，等于把"能不能试"变成"每天都试"；而把优化代码放出来，收益就不止于一次性合作，整个生态都能接着改。
还有一点值得留意：这些模型是开源且分散的——每个课题组各用各的，谁也不会替别人优化推理，同样的坑被踩很多遍。由模型厂商顺手把优化做掉再开源，等于把重复劳动一次性抹平，这类"没人负责但人人都需要"的活，恰恰是外部协作最容易出成果的地方。
边界：数字与"部分靠定制 GPU 软件"是官方口径，我未复现；具体优化手段以博客原文为准，链接见文末。
anthropic.com/research/claud…
话题来源 @AnthropicAI
575.6K阅读 ❤️4828 x.com/…↗ 已改写，非原文转载
23 浏览 0 评论
0 反应
