十年突破百年科研进展！Claude要做超人研究助手，宣布多项升级

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”。