Claude ha progettato autonomamente nuove proteine che, una volta prodotte e testate in laboratorio, hanno effettivamente mostrato la capacità prevista di legarsi al proprio bersaglio biologico in 354 casi su 1.320 design valutabili. È il risultato di una sperimentazione pubblicata da Anthropic con Claude Opus 4.8 e Mythos Preview, nella quale il modello ha gestito campagne di protein design della durata massima di 48 ore, coordinando modelli AI specializzati, software scientifici e migliaia di ore di calcolo su GPU Nvidia H100 con un intervento umano limitato alla gestione dell’infrastruttura e delle autorizzazioni.
Il dato va letto correttamente: i 354 design confermati non sono farmaci pronti per l’uso, né proteine già validate sotto ogni profilo biologico. Sono binder, cioè proteine progettate per riconoscere e legarsi a uno specifico target, e il risultato positivo indica che il legame previsto dal processo computazionale è stato effettivamente osservato durante la verifica sperimentale. È proprio questo passaggio dal calcolo alla materia a rendere il test particolarmente significativo dal punto di vista dell’AI, perché Claude non si è limitato a produrre output plausibili, ma ha gestito una lunga catena di decisioni che ha portato a risultati verificabili nel mondo fisico.
L’aspetto più interessante dell’esperimento riguarda infatti meno la biologia delle singole molecole che il ruolo assunto dal foundation model all’interno del processo. Claude non è un modello specializzato nella generazione di proteine e non ha calcolato direttamente le strutture molecolari. Ha operato come agente general-purpose sopra una serie di sistemi scientifici verticali, scegliendo quali utilizzare, predisponendone l’esecuzione, interpretandone gli output, eliminando i candidati meno promettenti e decidendo autonomamente come distribuire tempo e capacità di calcolo fra le iterazioni successive.
Dal prompt a una campagna autonoma di ricerca
Il protein design assistito dal machine learning dispone già di strumenti capaci di generare strutture, proporre sequenze di amminoacidi e prevedere la probabilità che una nuova proteina interagisca con un determinato bersaglio. La difficoltà operativa consiste nel combinare efficacemente questi strumenti, perché una campagna richiede numerose decisioni: quale modello utilizzare in una determinata fase, quali parametri assegnargli, quali risultati approfondire, quali scartare e quando valga la pena spendere ulteriore capacità computazionale su un candidato.
Anthropic ha affidato proprio questo livello decisionale a Claude, seguendo la stessa direzione che sta sviluppando più ampiamente con Claude Science e i sistemi multi-agente destinati alla ricerca scientifica. Al modello è stato fornito un protocollo di circa 30.000 token, sufficientemente dettagliato da descrivere procedure, strumenti disponibili e criteri generali, ma senza trasformare il lavoro in una pipeline rigida nella quale ogni passaggio fosse stabilito in anticipo.
Claude doveva quindi scegliere autonomamente come affrontare ciascun target, adattare la strategia ai risultati intermedi e decidere quali strade meritassero ulteriori risorse. Dopo l’avvio della sessione, Anthropic non ha fornito nuove indicazioni scientifiche o operative; gli interventi umani sono rimasti confinati all’approvazione di richieste di accesso alla rete e alla risoluzione di problemi infrastrutturali esterni alla sessione. La parte cognitiva del workflow – scelta degli strumenti, valutazione dei risultati e decisione sulla fase successiva – è rimasta nelle mani dell’agente.
Claude usa altri modelli AI come componenti del proprio workflow
Il modello disponeva di accesso a Internet, documentazione scientifica e GPU per eseguire sistemi specializzati, ma gli strumenti necessari per il protein design non erano già predisposti nell’ambiente. Claude ha dovuto quindi individuarli, recuperarli dai repository pubblici, configurare gli ambienti di esecuzione e integrarli nelle proprie strategie operative.
Tra i sistemi utilizzati figurano modelli già noti nel settore come RFdiffusion, BindCraft e BoltzGen, insieme ad altri strumenti dedicati alla generazione delle strutture, alla progettazione delle sequenze e alla previsione del comportamento dei candidati. Il foundation model non sostituisce quindi questi sistemi, ma li coordina: Claude svolge il ruolo di livello di reasoning e orchestrazione, mentre i modelli verticali eseguono le elaborazioni specialistiche per le quali sono stati progettati.
Questa divisione del lavoro è uno degli aspetti più rilevanti dell’esperimento, perché mostra come un modello general-purpose possa acquisire capacità operative molto più ampie senza dover incorporare internamente la migliore competenza disponibile per ogni singolo problema. Deve invece essere sufficientemente competente da scegliere lo strumento adatto, interpretarne correttamente l’output e utilizzare quel risultato per decidere che cosa fare dopo.
È una struttura facilmente trasferibile ad altri ambiti nei quali esistono già simulatori, modelli verticali, software di ottimizzazione, API e infrastrutture computazionali complesse. Il possibile salto di produttività deriva allora dalla capacità del foundation model di comporre queste risorse in un processo coerente, riducendo il lavoro umano necessario per collegare manualmente ogni fase alla successiva.
Migliaia di ore GPU sotto il controllo dell’agente
La scala computazionale delle campagne rende ancora più evidente il tipo di autonomia che Anthropic sta cercando di misurare. Nella configurazione multi-target, Claude ha lavorato per 48 ore con la possibilità di utilizzare fino a 12.500 ore di calcolo su GPU Nvidia H100 per eseguire in parallelo i modelli specializzati; nelle campagne dedicate a un singolo target, Mythos Preview disponeva invece di 24 ore e fino a 2.500 ore H100 per obiettivo.
Le campagne sfruttano quindi proprio quelle capacità di gestione di task lunghi e articolati che Anthropic sta sviluppando nei modelli più recenti e che caratterizzano anche Claude Opus 4.8 e i suoi dynamic workflows. In questo scenario, il foundation model non esegue semplicemente qualche chiamata a tool esterni, ma diventa il livello che decide come utilizzare una quantità significativa di capacità computazionale, scegliendo quali candidati generare, quali sottoporre a ulteriori verifiche e quali abbandonare.
Ogni decisione ha quindi un costo misurabile. Dedicare più calcolo a una direzione significa sottrarlo ad altre alternative, e questo trasforma la gestione del budget GPU in parte integrante del problema di reasoning. L’agente deve amministrare contemporaneamente probabilità di successo, tempo disponibile e costo computazionale, decidendo quanto insistere su una strategia prima di passare a un’altra.
Più risorse dedicate, risultati migliori
Anthropic ha confrontato due modalità operative e i risultati mostrano chiaramente quanto l’organizzazione del lavoro incida sulle prestazioni. Quando Claude doveva affrontare simultaneamente diversi target all’interno della stessa sessione di 48 ore, Mythos Preview ha ottenuto un hit rate del 26,7% e Opus 4.8 del 22,6%. L’hit rate misura, in questo caso, la percentuale dei design selezionati dall’AI che, una volta prodotti e testati, hanno effettivamente mostrato il legame previsto con il proprio target.
Quando Mythos Preview ha invece ricevuto una sessione indipendente di 24 ore per ciascun obiettivo, il valore complessivo è salito al 35,1%. Anthropic indica come riferimento per le campagne considerate nello studio un hit rate tipico compreso tra 10% e 15%.
Il confronto non costituisce un benchmark universale tra Claude e i progettisti umani, perché protocolli, target e condizioni sperimentali possono differire sensibilmente. Rimane però molto interessante dal punto di vista dell’architettura agentica, perché mostra una correlazione diretta tra risorse assegnate al singolo problema e qualità del risultato finale. Concentrare contesto, tempo e capacità computazionale su un obiettivo permette al modello di esplorare più alternative, approfondire maggiormente i candidati promettenti e utilizzare più iterazioni per correggere le proprie decisioni.
Lo stesso principio è destinato ad avere implicazioni anche nelle applicazioni aziendali: le prestazioni di un agente dipenderanno sempre meno dal solo modello scelto e sempre più dal modo in cui vengono assegnati token, tempo di esecuzione, sub-agent, memoria e budget computazionale.
354 binder confermati dalla verifica sperimentale
La parte decisiva arriva quando i risultati escono dall’ambiente computazionale. Per ciascun target Claude ha selezionato 30 candidati da inviare alla produzione, e le proteine sono state successivamente sintetizzate e testate da Adaptyv Bio e Twist Bioscience.
Sui 1.320 design per i quali è stato possibile ottenere misurazioni utilizzabili, 354 hanno mostrato sperimentalmente la capacità di legarsi al target previsto. In altre parole, le proteine progettate dall’AI non si limitavano ad apparire promettenti secondo altri modelli computazionali: una volta prodotte fisicamente, una quota significativa ha manifestato proprio l’interazione molecolare per la quale era stata progettata. Claude è riuscito inoltre a ottenere almeno un binder funzionante per 14 dei 15 target valutati.
Questo tipo di verifica distingue nettamente l’esperimento dai benchmark nei quali l’output di un modello viene giudicato da un’altra AI o da una metrica puramente software. Nel protein design, la catena di decisioni deve produrre una specifica digitale che, una volta trasformata in materia, continui a comportarsi come previsto.
Il laboratorio diventa quindi il verificatore esterno dell’intero processo agentico. Se le scelte di Claude sono state inefficaci, il problema emerge nella mancata capacità della proteina di legarsi al target; se invece il binder funziona, significa che una successione molto lunga di decisioni computazionali ha prodotto un risultato valido anche al di fuori dell’ambiente digitale.
Generazione, verifica e nuova iterazione formano un unico ciclo
Le campagne mostrano inoltre come il test-time compute possa essere applicato a problemi molto più articolati di una singola domanda di reasoning. Claude non produce un insieme di candidati e sceglie semplicemente quello che appare migliore al primo tentativo: genera molte alternative, le sottopone a modelli diversi, confronta i risultati, elimina le soluzioni poco promettenti e utilizza gli output ottenuti per avviare nuove generazioni.
Il valore deriva quindi da un ciclo continuo di generazione, verifica, selezione e nuova generazione, nel quale l’inferenza iniziale costituisce soltanto il punto di partenza. Più il sistema riesce a utilizzare efficacemente tempo e strumenti esterni, maggiore diventa lo spazio di ricerca che può esplorare prima di arrivare alla selezione finale.
È una delle direzioni più importanti nello sviluppo dei sistemi frontier. Il modello viene valutato sempre meno per la qualità di una singola risposta e sempre più per la capacità di raggiungere un risultato attraverso una sequenza prolungata di operazioni, adattando il proprio comportamento in funzione di ciò che incontra lungo il percorso.
L’orizzonte temporale diventa una misura delle capacità dell’AI
Una normale interazione con un chatbot si misura in secondi o minuti. Le campagne di Anthropic hanno invece mantenuto Claude operativo per 24 o 48 ore, durante le quali il modello ha dovuto mantenere coerenza fra numerose attività dipendenti l’una dall’altra, controllare risultati intermedi e utilizzare grandi quantità di calcolo.
Questo introduce una metrica diversa per valutare le capacità degli agenti: quanto lavoro riescono a governare prima che errori, perdita di contesto o decisioni incoerenti compromettano il risultato finale.
Più aumenta l’orizzonte temporale, più diventano centrali pianificazione, gestione delle dipendenze, capacità di verifica e recupero dagli errori. In un processo di 48 ore, una scelta sbagliata compiuta nelle prime fasi può infatti propagarsi attraverso molti passaggi e consumare una quantità considerevole di GPU prima di essere riconosciuta.
Il protein design offre un ambiente particolarmente severo per questa valutazione, perché l’output verbalmente plausibile non ha alcun valore se conduce a proteine che falliscono tutte in laboratorio. I 354 binder confermati mostrano quindi che Claude è riuscito, almeno in una parte consistente delle campagne, a mantenere sufficientemente efficace una lunga catena di decisioni da produrre risultati verificabili fisicamente.
Il foundation model come control plane dell’AI specializzata
L’architettura utilizzata da Anthropic suggerisce un modello operativo destinato a diventare sempre più comune. Claude può essere visto come un control plane sopra un execution layer composto da modelli e software specializzati: interpreta l’obiettivo, costruisce il piano, decide quali risorse utilizzare e trasforma l’output di ciascun tool nell’input decisionale per la fase successiva.
La disponibilità del singolo modello verticale più potente diventa così soltanto una parte del problema. Il valore si sposta verso la capacità di combinare modelli differenti all’interno di un processo coerente, scegliere dinamicamente quello più adatto e capire quando un risultato richiede un’ulteriore verifica.
Gran parte degli strumenti utilizzati nelle campagne era già disponibile pubblicamente. La novità dell’esperimento consiste nel dimostrare che un foundation model può utilizzare questa infrastruttura con un grado di autonomia sufficiente a sostituire una quota significativa del lavoro di orchestrazione normalmente affidato a specialisti.
È un’evoluzione coerente con il passaggio di Claude da assistente conversazionale a sistema capace di operare sui workflow. Anthropic aveva già reso evidente questa traiettoria con Cowork, pensato per affidare all’agente attività complete invece di singole richieste, e il protein design mostra lo stesso paradigma applicato a un processo scientifico ad alta intensità di calcolo.
Per le imprese il parallelismo è diretto: molte organizzazioni dispongono già di software verticali, API, database, motori di calcolo e modelli specializzati, ma continuano a richiedere persone che traducano manualmente un obiettivo in una sequenza di operazioni. Un agente general-purpose sufficientemente capace può diventare il livello che governa queste risorse e modifica il workflow in funzione dei risultati.
Claude automatizza anche l’analisi dei dati di laboratorio
Anthropic ha verificato lo stesso principio su un secondo problema, questa volta utilizzando Claude Opus 5 per elaborare dati grezzi provenienti da strumenti di analisi chimica. L’interesse, dal punto di vista dell’AI, riguarda ancora una volta la capacità dell’agente di trasformare un obiettivo generale in una sequenza autonoma di operazioni tecniche.
Claude ha ricevuto i file originali prodotti da un laboratorio e prompt estremamente brevi. Senza utilizzare il software proprietario normalmente impiegato dagli operatori, ha completato due analisi in 23 e 19 minuti, lavorando in parallelo e ottenendo risultati sostanzialmente coincidenti con quelli prodotti dal laboratorio.
Nel caso informaticamente più interessante, il modello si è trovato davanti a un formato binario proprietario non documentato. Claude ne ha ricostruito la struttura, scritto il codice necessario per interpretarlo e verificato il proprio parser riproducendo correttamente i totali registrati dallo strumento per tutte le 2.664 scansioni contenute nel file prima di procedere con l’analisi vera e propria.
La stessa sessione ha quindi combinato reverse engineering, generazione di codice, controllo quantitativo e interpretazione dei risultati. Durante un’altra parte dell’analisi Claude ha inoltre formulato inizialmente una conclusione errata, ma un successivo controllo sui dati gli ha permesso di riconoscere l’errore e correggere il risultato.
Per gli agenti destinati a lavorare per ore o giorni, questa capacità di recupero è fondamentale quanto la precisione iniziale. L’affidabilità nasce dalla possibilità di inserire controlli nel workflow, rilevare incongruenze e rivedere autonomamente una decisione, evitando che un errore locale comprometta tutte le fasi successive.
Dal copilota al sistema che esegue il processo
La differenza rispetto al paradigma del copilota diventa a questo punto netta. Nel modello tradizionale, l’AI assiste una persona durante il lavoro, propone una soluzione e attende la richiesta successiva; nelle campagne di Anthropic, invece, l’operatore definisce l’obiettivo iniziale e Claude continua a lavorare autonomamente per decine di ore, utilizzando software, modelli e infrastruttura per avanzare verso il risultato.
L’essere umano rimane indispensabile per predisporre l’ambiente, concedere autorizzazioni e soprattutto verificare il risultato finale, ma si sposta fuori dalla maggior parte del ciclo operativo. La sequenza di attività che separa il problema iniziale dall’output viene affidata all’agente.
Il protein design diventa quindi un caso concreto della transizione dell’AI generativa verso sistemi capaci di eseguire lavoro complesso end-to-end. Claude non si limita a suggerire quali strumenti utilizzare: li trova, li mette in funzione, interpreta quello che producono e decide autonomamente come procedere.
Il risultato riguarda l’AI almeno quanto le proteine
Le proteine ottenute costituiscono il risultato materiale dell’esperimento, ma il dato più generale riguarda l’architettura che le ha generate. Anthropic ha mostrato un foundation model general-purpose capace di coordinare modelli scientifici specializzati, software open source e grandi risorse computazionali per un periodo prolungato, trasformando un obiettivo iniziale in 1.320 design valutabili e 354 binder confermati in laboratorio.
Restano limiti importanti. Claude non ha avuto successo su tutti i target, le prestazioni variano sensibilmente da un problema all’altro e la capacità di ottenere un binder rappresenta soltanto una prima forma di validazione, alla quale devono seguire molte altre verifiche prima che una proteina possa avere applicazioni concrete. Anthropic tratta inoltre le capacità biologiche più avanzate come dual use, perché la stessa autonomia che può accelerare la ricerca può ridurre le barriere tecniche anche per utilizzi pericolosi.
Il segnale per l’evoluzione dell’AI rimane però netto. La frontiera si sta spostando verso sistemi capaci di governare quantità crescenti di lavoro, calcolo e strumenti per periodi sempre più lunghi, mantenendo abbastanza coerenza da produrre risultati verificabili. Nel caso di Claude, quella catena operativa è arrivata fino alla produzione fisica di proteine che, in 354 casi, hanno mostrato in laboratorio il comportamento per il quale erano state progettate.
È questo passaggio, dalla risposta generata al processo autonomamente eseguito e verificato, a rendere l’esperimento di Anthropic rilevante ben oltre il campo della biologia.
