Claude设计蝎毒蛋白结合剂，OpenAI收购药物研发平台

2026-10-21 12:50 0 阅读

Claude设计蝎毒蛋白结合剂并公开全部实验数据

Anthropic本周公布了一项蛋白质工程实验的完整结果。研究团队让Claude针对两种蝎毒蛋白设计结合剂，系统最终生成了超过30万个候选设计，其中211个被送交湿实验验证，17个达到了结合活性标准。

实验针对的是两种蝎毒成分：α-蝎毒蛋白和β-蝎毒蛋白。这类毒素通过干扰钠离子通道发挥作用，目前尚无通用抗毒血清。Claude的设计任务是在给定毒素结构的情况下，生成能够与之结合的蛋白序列。

17个成功的设计中，部分结合亲和力达到了纳摩尔级别。Anthropic强调这属于探索性研究，距离实际抗毒血清还有相当距离——结合剂需要经过稳定性改造、人体安全性验证等后续步骤。但团队认为，AI生成设计的高成功率（约8%）表明大语言模型在蛋白质工程领域已具备实用价值。

更值得注意的是数据开放程度。Anthropic公开了全部211个送测设计的序列、实验测量数据以及筛选标准。这种透明度在AI辅助科研领域并不常见，为后续研究者提供了可复现的基础。

OpenAI同期宣布收购Orchestra Bio，后者是一个面向生物制药的协作研发平台。收购完成后，OpenAI计划将其Rosalind模型与Orchestra的工具链整合，目标简化药物从发现到临床的流转流程。

Orchestra Bio的核心能力在于协调药物研发中的多方协作——包括生物标记物验证、患者分层和监管申报等环节。OpenAI此前在生物领域的布局相对克制，此次收购标志着其开始系统性进入药物研发基础设施层。

Rosalind是OpenAI面向科学应用的模型系列，命名源自DNA晶体学先驱Rosalind Franklin。与通用对话模型不同，Rosalind针对分子序列、化学结构和文献推理等任务进行了专门训练。整合Orchestra的平台后，其输出有望直接对接实验设计和临床运营系统。

NVIDIA推出了面向临床场景的生成式世界模拟模型Cosmos3-H-Dreams，首个应用场景为腹腔镜胆囊切除术。该系统基于真实手术录像训练，支持实时运动学控制，允许用户在模拟环境中调整器械位置和操作视角。

手术模拟是医疗AI的高价值场景。传统方法依赖物理假人或动物实验，成本高昂且难以覆盖并发症等边缘情况。生成式模拟理论上可以无限生成变异病例，包括罕见解剖结构或术中出血等突发状况。

Cosmos3-H-Dreams的技术细节显示，其采用了视频扩散架构，输入为手术视频序列和器械运动参数，输出为对应的视觉帧。NVIDIA强调模型在NVIDIA GPU上的实时推理能力，这对手术培训的交互体验至关重要。目前模型已在Hugging Face开放下载。

OpenAI API的12小时提示缓存

OpenAI在API层面新增12小时提示缓存选项。此前缓存窗口最长为1小时，对于需要跨会话保持上下文的持久智能体而言往往不够。新选项允许开发者在12小时内以缓存输入价格复用提示前缀，显著降低长上下文场景的成本。

这一改动直接回应了智能体开发者的反馈。典型用例如代码审查智能体：首次加载代码库上下文后，后续12小时内的多次查询无需重复传输完整代码树。缓存按token计费，价格为标准输入的50%。

Databricks的Agent Memory

Databricks在Agent Bricks框架中推出Agent Memory功能，并配套发布了MemCurrent技术方案。后者覆盖记忆写入、检索、更新和长期维护的全生命周期，目标解决生产环境中智能体"失忆"的痛点。

MemCurrent的设计文档提到几个关键取舍：向量检索适用于语义匹配但缺乏精确性，键值存储支持精确查询但难以处理模糊意图，图数据库能表达关系但延迟较高。实际部署往往需要混合策略，根据查询类型动态路由。

Claude 5.5接入Google Antigravity

Claude Opus 5.5和Sonnet 5.5已全面接入Google的Antigravity平台，覆盖桌面端、命令行界面及主流IDE。Antigravity是Google面向企业开发的AI开发环境，此前主要支持Gemini系列模型。

此次接入意味着开发者可以在Google云基础设施上直接调用Claude的最新版本，包括长上下文（200万token）和扩展思考模式。对于同时使用Google Cloud和Anthropic服务的企业，这减少了模型路由的复杂度。

图像编辑竞技场Arena.ai的最新榜单显示，Krea 3 Ultra在多图编辑任务中以1435分位列第4，单图编辑以1411分排名第8。该模型由Krea AI开发，实验室版本在两项榜单中均进入前五。

Krea 3 Ultra的核心能力在于实时图像生成与编辑的融合。用户可以通过画笔、提示词和参考图的组合进行迭代修改，系统保持生成结果与输入约束的一致性。这在产品原型、游戏资产等需要反复调整的场景中有明确价值。

Agent Arena的帕累托前沿分析则显示，OpenAI的GPT-6 Luna和GPT-6.1 Sol占据了11个前沿点中的6个。帕累托前沿指在成本-性能二维空间中无法同时优化两者的模型集合，占据前沿点意味着在特定成本约束下性能最优。

这一结果说明推理强度可调性已成为模型竞争力的关键维度。GPT-6系列允许开发者在API调用时指定思考深度，从而在延迟敏感和复杂推理场景间灵活切换。固定推理成本的模型难以覆盖这种多样性需求。