智东西

作者 | 陈骏达

编辑 | 云鹏

智东西 10 月 21 日报道，今天，Anthropic 宣布了一系列针对其 AI 模型 Claude 的改进措施，核心目标是提升 Claude 在生命科学领域的应用能力，从而加速科学进步。最终，Anthropic 希望将生命科学的研发速度加快一个数量级，实现 "100 年的科学进展，在 10 年内完成 " 的目标。

与此同时，Anthropic 生命科学研究部门的两位高管 Jonah Cool 和 Eric Kauderer-Abrams 在今日发布的播客中，详解了 Anthropic 对 AI 应用于生命科学研究的愿景。未来，该公司希望将 Claude 提升至 " 超人研究助手 " 的水平，协助科学家完成科研各个阶段的任务。

今天，Anthropic 还宣布推出 AI 编程工具 Claude Code 的网页版，用户可通过浏览器直接委托编程任务，无需依赖本地终端环境，支持云端并行开发、实时进度追踪及安全沙盒运行。这也进一步降低了 Claude Code 的使用门槛，或许能造福更多非编程用户。

值得一提的是，爆火的 Claude Code 已突破编程范畴，作为一个 " 通用智能体 " 在生命科学领域获得广泛采用。

Anthropic 称，Claude Code 可被直接用于起草论文、高效完成文献综述、以及智能管理研究项目，让原本耗时且繁琐的流程，变得更为轻松。

此前，科学家及制药公司等机构多将 Claude 用于代码编写、论文总结或销售支持等单一任务。Anthropic 希望让 Claude 能够支持生命科学领域从早期研究、转化到商业化的全流程，成为研究人员、临床协调员和法规事务经理等专业人员的得力助手。

为达成这一目标，Anthropic 首先提升了其核心模型的底层能力。据其公布的数据，最新一代模型 Claude Sonnet 4.5 在多项生命科学基准测试中表现突出，这也是其首款经过系统科学训练的模型。

在评估实验室方案理解与应用能力的 Protocol QA 测试中，Claude Sonnet 4.5 得分为 0.83，超越了 0.79 的人类基线分数，也优于前代 Claude Sonnet 4 的 0.74。在生物信息学任务评估 BixBench 上，新模型相比前代亦有显著提升。

在功能层面，Anthropic 正通过三大方向增强 Claude 的科学实用性：新增科学平台连接器、引入 " 智能体技能 " 以及提供生命科学专用的提示词库和专业支持。

集成科学工具生态

Anthropic 新推出的一系列连接器旨在让 Claude 能够直接访问并操作专业科学工具与数据库，从而更深入地融入科研工作流。这些连接器种类多样，基本覆盖了当前主流的科学工具和数据库（见下表）。

有了这些连接器后，Claude 可以提供有据可查的科学问答，绘制合规的科研图表，并进行数据分析类任务。

这些科学专用连接器将与现有的通用工具（如 Google Workspace、Microsoft 系列产品）以及数据分析平台（如 Databricks、Snowflake）形成互补。

引入 " 技能 " 以实现标准化操作

Anthropic 近期发布的 " 智能体技能 " 功能也被定位为科学应用的关键。技能是包含指令、脚本和资源的预设包，能使 Claude 在执行特定任务时遵循既定方案，保证操作的一致性和可预测性。

该公司正在开发首批科学技能，例如基于 scverse 最佳实践的 "single-cell-rna-qc" 技能，用于对单细胞 RNA 测序数据进行自动化质量控制和过滤。同时，Anthropic 也鼓励科学家根据自身需求构建自定义技能。

Claude 对单细胞 RNA 序列数据进行质量控制

提供专用提示词库

据 Anthropic 介绍，增强后的 Claude 现可支持多种生命科学任务。包括进行文献综述、提出可检验的假设等基础研究工作，也可借助 Benchling 连接器，起草研究方案、标准操作程序等文件，生成研究方案。

Claude 还可完成更为复杂的任务，例如在 Claude Code 中处理分析基因组数据，并以多种格式呈现结果，或是协助起草、审阅监管提交文件，并汇编合规数据。

为帮助用户快速上手，Anthropic 正在创建针对上述任务的专用提示词库。

Anthropic 透露，已有众多现有客户和合作伙伴将 Claude 应用于现实世界的科学任务中。此外，该公司通过 "AI for Science" 计划为从事高影响力科研项目的领先实验室提供免费的 API 积分支持，旨在促进前沿探索并识别 Claude 的新应用场景。

结语：继编程之后，Claude 入局生命科学赛道

继编程之后，Anthropic 又进入了生命科学这一垂直领域。Claude 正通过专业化、工具化的升级，展现出 AI 在垂直领域深度融合的巨大潜力。

此前，生命科学已经成为科学智能（AI for Science）的重要研究方向，但此前的 AI 工具更多关注于某一具体的环节。当大模型能够理解实验协议、操作专业平台、遵循科研规范，它就有望超越纯粹的辅助工具，成为真正意义上的科研 " 同事 "。