핵심 내용
Anthropic은 9월 17일 내부 범용 연구모델이 구조예측·단백질 설계·유전체학·protein language model 등 30개 이상의 오픈소스 생명과학 모델을 4주 안에 최적화했다고 발표했다. 회사에 따르면 평균 실행속도는 약 4배 빨라졌고, 출력이 완전히 동일한 조건에서도 거의 2배의 가속을 얻었다. 또 low-memory mode를 만들어 amino acid, nucleotide, small molecule·ion 원자를 합쳐 10,000 token이 넘는 biomolecular system도 단일 Nvidia GPU node에서 예측할 수 있게 했다고 설명했다. 최적화 코드는 공개된다.
이 최적화는 Anthropic이 이전에 공개한 Agent 기반 protein design의 비용도 크게 낮췄다. 이전 실험은 target 하나당 최대 1만 달러, 약 2,500 H100 GPU-hours를 사용할 수 있게 했지만, 새 실험에서는 Claude 하나가 H200 한 장과 24시간만 사용했다. Anthropic은 16개 target 평균에서 이전 캠페인과 비슷한 in-silico binding score를 내면서 GPU 사용량을 약 100분의 1 수준으로 낮췄고, GPU와 token 비용을 합쳐 약 150달러로 비슷한 in-silico 성능에 도달했다고 주장했다. 이 결과는 계산상 지표이며 실제 약효나 임상 성과를 의미하지 않는다.
배경
같은 날 Anthropic은 Life Sciences Verification Program(LSVP)도 beta로 공개했다. 일반 사용자 모델에서 차단되는 일부 생명과학 작업을 연구자·기업에게 더 폭넓게 허용하되, 연구 credentials, 보안수준, 윤리감독을 검증한 조직만 참여시킨다. Standard Use는 대부분의 R&D를 허용하고, 더 위험한 dual-use 연구는 프로젝트 단위 High-risk Use로 6개월마다 갱신한다. High-risk grant는 생명과학 요청 차단 safeguard를 제거하지만 cyber classifier 등 다른 안전장치는 유지한다.
산업·시장 영향
프런티어 AI가 생명과학에서 단순 논문 요약을 넘어 기존 과학 모델 자체의 kernel·메모리·pipeline 최적화를 자동화하기 시작했다는 점이 중요하다. 동시에 강한 생물학 capability는 일반 사용자에게 일괄 차단하기보다, 검증된 연구조직에 더 높은 권한을 부여하고 사용범위를 지속 모니터링하는 방식으로 제품화되고 있다. 고성능 AI 접근권이 앞으로 API key 하나가 아니라 신원·기관·프로젝트 리스크에 따라 계층화될 가능성을 보여준다.
실무에서 바로 활용할 시사점
과학·엔지니어링 Agent를 만들 때 모델에게 문제 자체만 풀게 하기보다 기존 계산코드의 profiling, kernel 최적화, memory reduction까지 함께 맡기면 ROI가 더 클 수 있다. 민감한 분야에서는 단순 prompt moderation 대신 verified organization → approved project scope → offline behavioral monitoring → admin escalation 같은 권한 구조를 검토할 가치가 있다.
출처: Anthropic — How Claude is uplifting biomolecular modeling, Anthropic — Introducing the Life Sciences Verification Program