Anthropic 推出了 Claude Science public beta app。

这句话里最容易被误读的是 “Claude Science”。它不是新一代 Claude 模型，也不是基础模型升级。它用的是用户计划内已有的 Claude 模型，只是外面包了一层科研工作流环境。

目前它支持 macOS 和 Linux，面向 Pro、Max、Team、Enterprise 用户。Team 和 Enterprise 版本需要管理员启用。

我更在意的不是它能不能把论文解释得更顺，而是 Anthropic 把 Claude 放到了哪里：数据库、代码、计算集群、图表、环境记录和对话记录之间。

这才是这次发布的主线。

变化不在模型，而在科研工具链

Claude Science 的核心变化，是把聊天助手往科研工作台推了一步。

它可以连接科研数据库，运行持久 Python 和 R 内核。也可以通过 SSH 管理本地机器、Linux 服务器或 HPC 登录节点上的作业，并通过 Modal 调度计算。

Anthropic 称，它预配置了基因组学、单细胞、蛋白质组学、结构生物学、化学信息学等生命科学场景，并可连接 60 多个科学数据库。它还支持查看蛋白质、结构、分子、基因组轨道和 PDF 等科学对象。

放在一起看，它不是把 Claude 训练成“更懂科学”的新模型，而是给 Claude 接上科研现场常用的工具和数据入口。

维度Claude Science 的做法该怎么理解
模型使用用户计划内已有 Claude 模型不应按“新模型发布”评估
平台支持 macOS、Linux更贴近科研和计算环境
用户Pro、Max、Team、Enterprise企业版需管理员启用
数据库可连接 60+ 科学数据库重点瞄准生命科学场景
计算支持 Python/R、HPC/SSH、Modal试图接入真实计算流程
溯源绑定图表、代码、环境、对话方便复跑、修改和审阅

这也是它和通用聊天助手的分界。

很多 AI 工具可以帮科研人员读文献、写代码、整理思路。Claude Science 想多做一步：把“问完以后去哪跑、跑完以后怎么查、查完以后怎么改”也放进同一个环境。

这一步不花哨，但很关键。科研工作里最烦人的，往往不是某一个问题不会答，而是工具之间断了线。

它瞄准的是生命科学里最累的缝隙

生命科学研究不缺软件。

文献有文献工具，测序数据有数据平台，分析有 notebook，计算在集群，图表散在脚本和文件夹里。等到要复查某张图时，问题才冒出来：它来自哪版数据？哪段代码？哪个环境？当时和模型聊过什么？

Claude Science 把 provenance，也就是结果溯源，放到了比较核心的位置。每个产出的图、表、notebook，都可以关联生成代码、运行环境、自然语言说明和对话记录。

它还提供 reviewer 类功能，用来标记无法追溯的数字、错误引用，或图表与底层代码不一致的地方。

但这件事要看准边界。

溯源解决的是“可查、可改、可复跑”。它不等于实验设计正确，也不等于统计方法合适，更不等于生物学解释成立。按图索骥有用，但马是不是好马，还得人判断。

对计算生物学家来说，它可能减少一部分重复接库、写脚本、整理输出的时间。对 PI 和项目负责人来说，它更像一个能让团队审阅过程更清楚的协作界面。

对药企研发和 CRO，吸引力会更现实，也更苛刻：能不能接内部 ELN、LIMS、专有管线，权限怎么分，审计怎么留，才决定它能不能进正式流程。

最相关的两类人，可以这样看：

读者类型现在该怎么做不该急着做什么
生命科学 / 生物医药科研人员用它试文献梳理、初步分析、图表迭代和可复跑记录不要把它当成结论审核系统
关注 AI 科研工具落地的技术 / 产业读者观察它能否接入真实数据库、集群和实验室系统不要只按聊天能力或模型榜单判断价值

这也是我对它的基本判断：Claude Science 真正要竞争的，不是“谁更会聊天”，而是谁能更少打断科研流程。

公测期要盯住三件事：数据、替代边界、真实使用成本

Claude Science 还在 public beta。这个状态很重要。

公测意味着产品方向已经亮出来，但稳定性、连接器覆盖、企业适配和团队迁移成本，都还不能按成熟商业产品来估。

隐私边界也要看清。

Anthropic 的公开说法是，Claude Science 的数据和计算主要运行在用户基础设施上，比如本地、实验室 Linux 机器、HPC 或云 VM。可是，写进提示词的内容和模型响应，仍按 Anthropic 标准保留政策处理。

这对生物医药团队不是小字条。

如果涉及未公开靶点、患者相关数据、专有管线或合作项目，团队不能只看“数据留在本地”这半句话。哪些内容会进提示词，哪些响应会被保留，哪些场景需要脱敏或禁用，都要在试用前定规则。

替代边界也不能被营销语言带跑。

Anthropic 的表述并不是让 Claude Science 替代专业工具，而是把专业工具、开放模型和内部系统作为 skills 或 connectors 接进来。这个定位比“一个 AI 包打科研全流程”更可信，也更难做。

接下来我会看三件事：

  • 连接器能不能覆盖主流实验室系统，而不只是开放数据库。
  • HPC、SSH、Modal 和本地环境的作业管理，在真实团队里是否稳定。
  • 它到底是在减轻计算人员负担，还是把更多调试、权限和审核压力转给他们。

如果这些问题过不了，Claude Science 就会停在“高级科研助手”。

如果这些问题能跑通，它才更接近 Anthropic 想要的位置：连接模型、数据、计算集群和专业工具的 AI 科研工作台。

回到开头那个误读点。Claude Science 不该被当成新模型新闻看。它更像 Anthropic 在问一个更具体的问题：AI 能不能不只给答案，而是进入科研产生答案的那条链路。

现在只能说，它把门推开了。门后面是不是实验室日常，还要看公测期的硬活。