研究與評測
獨立評測指 Claude 納入大規模蛋白質序列訓練:Fable 5.2 預測準確率達 54%,超越開源專用蛋白質模型
Hacker News單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

一項尚未獲官方證實的獨立評測指出,Anthropic 的 Claude 前沿模型在預訓練階段納入了龐大的蛋白質序列資料,展現出類似專用蛋白質語言模型的泛化能力。該測試選取 167 個未知功能 Pfam 家族中的 668 個細菌與古菌蛋白質,在缺乏結構解析與相關文獻的條件下測試下一個胺基酸預測;Claude Fable 5.2 在真實序列上的預測準確率達 54%,若將序列字母順序打亂(shuffled),準確率則降至 9%。該能力在 Opus 4.7 首度出現,Opus 5.5 追平開源模型 ProtGPT3-10B,Fable 5.2 則進一步超越了開源蛋白質模型 ProGen3-3B。相較之下,GPT-6.2 Sol、Astra、Gemini 4 Carbon,以及包含 DeepSeek V4.1 Flash、Qwen 3.8、Kimi K3.1 Pro 在內的七款開源權重模型,在罕見序列預測上準確率均接近零。測試亦指出,在 128 個毫無論文發表的蛋白質家族中 Claude 準確率未見衰退,且 Fable 5.2 僅 9%、Opus 5.5 僅 36% 的答案調用思考 token,未思考的回答準確度相同;面對 2026 年 8 月釋出且序列相似度低於 50% 的 56 個全新蛋白質仍具預測力。但在核酸層面,Opus 5.5 僅能預測人類與小鼠編碼序列,無法外推至細菌基因體,顯示其資料吸收偏向蛋白質而非完整基因體。
讀原始報導社群討論
留言多數關注 Claude 能從蛋白質片段預測功能性殘基,被視為相當驚人的能力,但也有人質疑實用價值:pcrh 認為可直接用 tblastn 比對基因庫,且 shuffled 序列控制組有作弊之嫌;tstactplsignore 則反駁 shuffle 控制組能排除單純猜測稀有胺基酸的因素,並說明其用於蛋白設計的推理目的。另有人討論蛋白質資料能否提升通用 LLM 訓練品質,以及生物安全與過度審查(如 DNA 相關請求被誤擋)的爭議。