不发新模型，却想「重写」整个科研流程：Anthropic 掏出 Claude Science，还砸了 10 万美金办黑客松

当所有人都盯着「下一个更大的模型」时，Anthropic 却在生命科学这条赛道上，做了一件看起来不那么「性感」、但可能更要命的事——它没有再发一个新模型，而是把科学家每天要在几十个数据库、终端、脚本和绘图工具之间反复横跳的那套「体力活」，一口气塞进了同一个工作台里。

近日，Anthropic 正式推出了 Claude Science——一个面向科研人员的 AI 工作台（AI workbench），目前处于 beta 阶段，率先聚焦生命科学领域。几乎同一时间，它还联合社区平台 Cerebral Valley 与旧金山知名生物医学研究机构 Gladstone Institutes，甩出了一场名为 Built with Claude: Life Sciences 的全球线上黑客松，奖池高达 10 万美元的 API 与使用额度。

一边是产品，一边是活动，这套「组合拳」背后的野心其实很清楚：Anthropic 不只想当那个卖模型的公司，它想直接占住科研工作流本身。

---

先说清楚：Claude Science 到底是什么，又不是什么

值得先泼一盆冷水的是——Claude Science 不是一个新模型，也不是一个「更懂生物学」的模型。

按 Anthropic 官方的说法，它跑的还是大家今天已经能用到的那批 Claude 模型（包括 Claude Opus 4.8），没有特殊权限，也没有额外门槛。它建立在 2025 年 10 月推出的 Claude for Life Sciences 之上，只不过那时是让聊天机器人「更会做生命科学的活儿」，而这一次，是给了这些活儿一个专门的「工作台」。

那科学家平时的痛点到底有多碎？

一个真实的科研日常大概是这样的：数据散落在 UniProt、PDB、Ensembl、Reactome、ClinVar、ChEMBL、GEO 等一堆资源里，每一个都有自己的 schema 和查询语言；文献要去 PubMed 翻；分析要在 Jupyter、R 里跑；大任务还得连到集群终端上排队；中间各种文件格式还要写一堆定制化的数据管线才能读进来……光是「工具切换」这件事，就足以吃掉科研人员大量的时间。

Claude Science 想干的，就是把这一整条链路折叠进一个环境里。换句话说，它更像是「科研版的 Claude Cowork」——你用大白话描述一个研究任务，剩下的编排、查询、跑分析、出图，交给背后的一群 agent。

---

三层 Agent 架构：一个「项目经理」，一群「专家」，外加一个「杠精」

Claude Science 的内部结构，值得单独拎出来说。

当你抛出一个问题时，最先接手的是一个通用协调 agent，它更像是一个项目经理，手里握着 60 多个科学数据库和一整套技能（skills），负责把任务拆解、分派给下面的领域专家子 agent去执行——基因组学、单细胞、蛋白质组、结构生物学、化学信息学，各管一摊。

而真正让人眼前一亮的，是它还额外配了一个审阅 agent（reviewer agent），专门干一件事：挑刺。

众所周知，大模型有个老毛病——会一本正经地编造引用、编造数字。随着越来越多论文里混进 AI 写的内容，这种「幻觉出来的参考文献」正在成为科研诚信的隐患。Claude Science 的审阅 agent 会去检查那些无法溯源的图表数据、以及和代码对不上的引用，试图在人类发现之前，先把自己的错误抓出来。

当然，Anthropic 自己也承认：「说到底，还是同一个底层模型在自我检查」，它并不是一个独立的「真相来源」。这一点，值得任何想用它写论文的人保持清醒。

---

把「可复现」焊死在每一张图上

如果说 Agent 架构是它的「肌肉」，那「可复现性」就是 Anthropic 这次真正想立的招牌。

科研圈最头疼的复现难题，Claude Science 给出的方案相当硬核：它生成的每一张图（比如 3D 蛋白质结构、化学分子式），都会连带着附上生成它的那段精确代码、运行环境、一段大白话说明，以及完整的对话历史。

这意味着什么？几个月后你再回头看这张图，可以一路溯源到它是怎么来的。更妙的是，你还能用自然语言直接改图——比如让它「去掉网格线」或者「把某个坐标轴换成对数刻度」，agent 会回头去重写自己那段代码。

另一个容易被忽略但很关键的设计是：**它跑在你自己实验室的基础设施上，而不是把数据一股脑传到 Anthropic 的服务器。**它可以本地跑在 macOS 或 Linux 上，也可以通过 SSH、HPC 登录节点或 Modal 账户去调远端算力。折蛋白、跑基因组管线这种重活，交给 agent 去提交、盯梢、报错。

至于底层的「专业科学能力」，Anthropic 走了一条「不重复造轮子」的路线：它接入了 英伟达 BioNeMo Agent Toolkit，把 Evo 2、Boltz-2、OpenFold3 这些生命科学模型当作可调用的技能。用官方一句话来说——「专业的科学，交给造出它的伙伴」。

---

已经有人跑通了：从两年到十分之一的时间

产品好不好用，还得看真实用户。Anthropic 点名了几个早期使用者：

Allen Institute 的神经科学家 Jérôme Lecoq，搭了一个由约 20 个自定义技能组成的多 agent 模板，用来写长篇综述——子 agent 读了成千上万篇论文、抽取关键发现、存进数据库，再一段段把综述写出来。过去他的团队写一篇这样的综述可能要花上两年，现在他手里已经攒了大约 10 篇，很多都超过 100 页。

UCSF 的流行病学家 Stephen Francis，把它用在了脑胶质瘤的分子流行病学研究上。虽然这项工作早于 Claude Science，但他表示，这个应用把分析速度加快到了原来的十分之一左右。

还有专注于组织靶向药物的 Manifold Bio，用它来为最新实验筛选和提名靶点——权衡表面表达、运输和安全性等因素，而且能把过往项目的上下文一并带进来，端到端跑完整个任务。

---

退一步看：这是一场「工作流之战」，不是「模型之战」

把镜头拉远，你会发现 Claude Science 其实是 Anthropic 一盘更大的棋。

它想复制 Claude Code 的成功路径——**当年 Claude Code 成了软件团队的「操作层」，现在它想让 Claude Science 成为科研的「操作层」。**这背后押注的，是「工作流」而非「原始模型能力」。

而这条赛道，早已不止它一家：OpenAI 在 4 月推出了面向生物推理、且对企业客户设了门槛的 GPT-Rosalind；Google DeepMind 玩的则是另一套——它手里握着 AlphaFold、AlphaGenome 这些别人只能「调用」的基础科学模型，并把它们打包进 Gemini for Science。

换句话说，三家用三种完全不同的分发策略，在争夺同一批科研用户：Anthropic 走「广撒网 + 订阅普及」，OpenAI 走「窄门 + 企业封闭」，Google 则靠「独家自研模型」。这场博弈怎么收场，很可能会成为 AI 厂商未来在法律、金融、工程等垂直领域如何竞争的一个早期信号。

Claude Science 目前已在 macOS 和 Linux 上向 Pro、Max、Team、Enterprise 用户开放 beta，学术与非营利实验室还能拿到折扣席位。此外，Anthropic 还将资助最多 50 个研究项目、每个最高 3 万美元额度，Modal 另外为部分项目提供最高 2000 美元算力。申请截止到 7 月 15 日，项目将于 9 月 1 日至 12 月 1 日进行。

---

10 万美金、500 个名额：这场黑客松，值得你冲

聊完产品，回到那场黑客松。

Built with Claude: Life Sciences 是一场全球线上黑客松，时间为 7 月 7 日至 13 日，由 Anthropic、Cerebral Valley 和 Gladstone Institutes 联合举办。它不是一场泛泛的「随便建点什么」的比赛，而是一次明确指向「AI × 生物医学」交叉地带的定向出击。

这次一共设了两条赛道：

• Research 赛道（「从实验台出发」）：从你一直在琢磨的某个生物学问题起步，用 Claude Science 去给出一个具体的答案——一个发现、一个训练好的模型，或者一份别人能复现的分析。
• Build 赛道（「走出实验台」）：从一个你能叫得出名字的生命科学用户（一位科学家、一家诊所、一家生物科技公司）出发，用 Claude Code 造出他们缺的那个工具——一款能撑过这一周、真正能用的软件。

Research 赛道尤其诱人的地方在于，Anthropic 联合 Gladstone 旗下多个实验室，开放了一批独特的数据集供参赛者用 Claude Science 探索，比如：Alex Marson 实验室（联合 Stanford 的 Jonathan Pritchard）的 T 细胞 Perturb-seq 数据集、Katie Pollard 实验室用于预测调控活性的大规模并行报告基因实验、以及 Nevan Krogan 的蛋白质互作网络。

福利也很实在：主办方将从两条赛道中选出 500 名参与者，每人获得一个月的 Claude Max 20x 和 200 美元 API 额度，用一周时间去建造。最终，大家将角逐 10 万美元的 Claude API 与使用额度奖池。评委阵容来自 Anthropic 和 Gladstone Institutes。

需要注意的是：活动全程线上，名额限 500 人，每队最多 2 人，所有参与者都需提交申请并通过审核。作为参考，此前同系列活动曾从 2 万多份申请中选出 500 名建造者。想上车的，记得去 Cerebral Valley 报名页提交申请。

---

那么问题来了——**当一个 AI 工作台能把「找数据、跑分析、出图、查引用」全链路折叠进一句自然语言时，科研这件事的门槛，究竟会被拉低到什么程度？**它是真的在加速发现，还是只会制造更多「看起来像发现」的东西？

你怎么看？欢迎在评论区留言、交流！