Anthropic подтвердила, что управляет «мокрой» биолабораторией в районе залива Сан-Франциско и ставит там физические эксперименты. По заявлению компании, её модели, в основном Claude, обнаружили ранее неизвестную ферментную систему в ДНК бактериофагов. Система выполняет операции с ДНК: режет, копирует и вставляет фрагменты, а её поведение Anthropic описывает формулировкой «properties reminiscent of CRISPR», то есть свойства, напоминающие CRISPR. Об этом сообщил TechCrunch.
Короткий контекст для тех, кто не работает с молекулярной биологией каждый день. CRISPR это природный механизм бактериального иммунитета: бактерия хранит фрагменты ДНК вирусов-фагов, узнаёт по ним чужую ДНК при повторном заражении и разрезает её. Учёные приспособили этот механизм под редактирование генома. Бактериофаги, в ДНК которых нашли новую систему, это вирусы, заражающие бактерии, а не человека.
Оговорка, без которой новость читается неправильно: научную ценность открытия ещё должно подтвердить независимое исследовательское сообщество. CEO Anthropic Дарио Амодеи признал, что работа опиралась на предыдущие исследования, и что команда из Стэнфорда ранее нашла систему, «в некоторых отношениях похожую» на обнаруженную Claude (TechCrunch). «Прорывом» и «революцией» это называть рано: пока есть пресс-релиз и заявление компании.
Что именно нашёл Claude: суть открытия без хайпа
Заявление состоит из двух частей, и их легко перепутать. Первая: у Anthropic есть настоящая лаборатория с людьми, протоколами биобезопасности и физическими экспериментами. Вторая: модели компании помогли найти в генетических данных ферментную систему, которая умеет работать с ДНК. Весной 2026 года лаборатория открылась, точное число месяцев работы Anthropic не уточняет.
Что заявляют о находке: система ранее не была описана в литературе, найдена в ДНК бактериофагов и по набору операций напоминает CRISPR. Что не заявляют: что это CRISPR, что это его улучшенная версия или что система уже применяется на практике.
Почему систему называют «похожей на CRISPR»
Аналогия строится на одном признаке: набор операций с ДНК. CRISPR-системы узнают конкретную последовательность и разрезают её в заданном месте. Найденная система, по описанию Anthropic, выполняет операции разрезания, копирования и вставки. Формулировка «properties reminiscent of CRISPR» принадлежит самой компании и звучит осторожно.
Границы аналогии важнее сходства. Это не CRISPR и не модификация известного белка Cas9, а другая ферментная система, найденная в природе. Насколько её механизм отличается от Cas9 и родственных белков, из заявления не следует. Сравнивать эффективность, точность и спектр применимости пока не с чем: нет ни рецензируемой публикации, ни независимых измерений.
Что значит «ранее неизвестная» и где она была спрятана
«Ранее неизвестная» означает конкретную вещь: до этого заявления систему не описывали в научной литературе. Источник данных это ДНК бактериофагов, то есть генетический материал вирусов бактерий. Патогенов человека в этой работе нет, что снимает часть вопросов о рисках, но не все.
Нюанс, который снижает градус новизны: по словам Амодеи, команда Стэнфорда ранее обнаружила систему, «в некоторых отношениях похожую» на находку Claude, и опубликовала работу об использовании больших языковых моделей вместе с CRISPR. Отсюда следует практичный вывод для оценки новости: новизна может лежать в деталях конкретной системы и в способе её поиска, а не в самом факте существования подобных механизмов в природе.
Как Claude искал фермент: 950 агентов, 210 млн токенов и 21 час
Цифры из заявления: около 21 часа согласованной работы, примерно 950 агентов, 210 миллионов токенов. Открытие сделано «в основном, хотя и не полностью, с помощью Claude», то есть люди и другие инструменты в цепочке участвовали (TechCrunch).
Что такое агентный поиск применительно к биологическим данным. Агенты проходили по последовательностям ДНК бактериофагов, искали паттерны, похожие на известные ферментные механизмы, и отбирали кандидатов на проверку. Архитектуру этой связки Anthropic детально не описывает, поэтому роли отдельных агентов, критерии отбора и число отброшенных гипотез остаются за кадром. Любые схемы, нарисованные по этому абзацу, будут реконструкцией, а не фактом.
Что стоит за цифрой 210 млн токенов
Это суммарный объём данных, который агенты обработали за 21 час. Обычный запрос к языковой модели измеряется тысячами токенов, так что разница в порядках величин. Поправка, которую легко упустить: 210 млн токенов не означают 210 млн уникальных фрагментов данных. Агенты могли многократно проходить по одним и тем же последовательностям, переформулировать запросы и перепроверять гипотезы.
Стоимость прогона Anthropic не раскрывает. Считать её по публичным тарифам API некорректно: внутренняя инфраструктура и конфигурация отличаются от клиентских. Что цифра показывает точно: 950 параллельных агентов реальны для компании с собственным кластером и запасом вычислений. Для команды на одной домашней GPU такой режим не воспроизводится напрямую, разница в ресурсах на порядки.
Роль человека в поиске: что осталось за Claude
Все физические эксперименты выполняют люди-учёные. Лаборатория не допускает автономного управления оборудованием со стороны ИИ, то есть модели работают с данными, а не с пробирками и автоматизированными станциями.
Граница проходит по линии «вычисления против эксперимента». Поиск по последовательностям это вычислительная задача, её распараллеливают между агентами. Проверка свойств фермента в лаборатории требует человеческих рук, соблюдения протоколов биобезопасности и остаётся вне ИИ. Anthropic не раскрывает, сколько гипотез отсеяли вручную, по каким критериям выбирали кандидатов на проверку и видели ли люди промежуточные результаты агентов. Это ограничение прозрачности, и оно влияет на то, насколько легко результат повторить.
Границы безопасности: BSL-1/BSL-2, патогены и запрет на автономию
Лаборатория работает только с уровнями биобезопасности BSL-1 и BSL-2 и не обращается с патогенами, способными заражать человека. Все физические эксперименты выполняют люди. Автономное управление оборудованием со стороны ИИ не допускается.
Почему BSL-1/BSL-2 - это важно
Уровни биобезопасности описывают, с чем работает лаборатория и какие меры защиты нужны. BSL-1: непатогенные организмы, базовые правила гигиены и ограниченный доступ. BSL-2: умеренно опасные агенты, которые передаются контактным путём или через жидкости, работа в биобезопасном боксе, отдельные помещения и обученный персонал. BSL-3 и BSL-4: возбудители опасных и особо опасных инфекций, включая воздушно-капельные, с контролем воздушных потоков, шлюзами, спецодеждой и надзором.
Anthropic выбрала нижние ступени. Это снижает риск аварий и утечек, но не отвечает на вопрос о масштабировании: те же методы агентного поиска применимы к данным о патогенах, и тогда требования к контролю меняются. Разговор о «поиске по базам последовательностей» и разговор о «работе с опасными агентами» стоит держать раздельно, потому что риски у них разные.
Что Амодеи говорил о биотерроризме и будущем автоматизации
Позиция руководства выглядит противоречиво, и это стоит фиксировать как факт, а не сглаживать. Амодеи называл биотерроризм одним из главных своих страхов, связанных с ИИ. Одновременно он говорил, что ИИ «вылечит большинство болезней за 5-10 лет». Полностью автоматизированную биолабораторию в будущем он не исключил: по его словам, со временем Claude, возможно, сможет безопасно выполнять часть лабораторной работы.
Разрыв между текущими ограничениями и этими ожиданиями заметен: люди в лаборатории сегодня это осознанный тормоз, а не техническая невозможность. Насколько такой тормоз выдержит давление гонки фронтир-моделей, зависит от решений компании. О том, как Anthropic обсуждает темпы разработки и допуск внешних оценщиков, подробно в разборах внутренних дебатов по AI-безопасности и плана замедления фронтира.
Контекст: AI в биологии, AlphaFold, Стэнфорд и UCSF
История с ферментной системой вписывается в линию работ, начатых не вчера. Google запустила AlphaFold, свой первый ИИ-инструмент для биологических исследований, в 2020 году; он предсказывает структуру белков. Исследователи из Калифорнийского университета в Сан-Франциско применяли ИИ, чтобы создавать ферменты с нуля. Стэнфордская команда опубликовала работу об использовании больших языковых моделей вместе с CRISPR.
Общий вектор: языковые модели и специализированные архитектуры берут на себя часть анализа биологических данных, а люди проверяют гипотезы в лаборатории. Границы между вычислительным поиском и экспериментом при этом не размываются, а проговариваются отдельно, как это сделала Anthropic.
Чем работа Anthropic отличается от предыдущих
Масштабом агентного поиска внутри одной компании: 950 агентов и 210 млн токенов на одну задачу. Это пример того, как фронтир-лаборатория прогоняет поиск по генетическим базам, а не только по текстовым корпусам. Преемственность здесь важнее уникальности: Амодеи прямо ссылается на работу Стэнфорда, а параллельные вычислительные прогоны использовали и другие группы.
Научная новизна результата пока не подтверждена, поэтому ставить находку в один ряд с AlphaFold или дизайном ферментов в UCSF рано. Корректная формулировка на сегодня: заявлена новая ферментная система и продемонстрирован способ её поиска с помощью множества AI-агентов.
Что дальше: независимая проверка и практические последствия
Главный тезис заявления Anthropic: научную ценность открытия должно подтвердить более широкое исследовательское сообщество. Пока этого не произошло, статус новости это пресс-релиз компании, а не рецензируемая публикация.
Как проверяют такие открытия
Стандартный путь проверки: независимые группы получают данные и методы, повторяют поиск на тех же последовательностях, затем проверяют свойства ферментной системы физическими экспериментами. Дальше идёт публикация с рецензированием. Цикл занимает месяцы, иногда годы, и нередко заканчивается уточнением исходных формулировок, а не их подтверждением в прежнем виде.
Что именно предстоит проверить: воспроизводимость находки на других наборах данных о бактериофагах, поведение системы в пробирке, отличия от известных ферментных механизмов, практическую применимость операций с ДНК. До ответов на эти вопросы сопоставлять систему с CRISPR по эффективности нельзя, а именно такое сопоставление чаще всего и подразумевают в новостных заголовках.
Что это значит для разработчиков AI-агентов
Паттерн «много агентов, длинный прогон, поиск по большому корпусу» переносится на другие домены: геномику, материаловедение, анализ патентов, разбор научной литературы. Ограничения переносятся вместе с ним.
- Доступ к данным: без корпуса последовательностей и аннотаций искать нечего, а лицензии на биологические базы часто ограничивают коммерческое использование.
- Вычислительные ресурсы: 950 параллельных агентов и 210 млн токенов требуют кластера, домашняя GPU такой прогон не вытянет.
- Экспертная валидация: результаты поиска кто-то должен проверять, а в биологии финальная проверка это физический эксперимент.
- Прозрачность: без описания архитектуры агентов и критериев отбора результат сложно воспроизвести и оценить со стороны.
Для небольших команд реалистичный сценарий выглядит иначе: узкая задача, открытые данные, десятки агентов вместо сотен и обязательная проверка гипотез человеком. Ориентир для оценки собственного бюджета простой, масштаб подбирается под ресурсы, а не наоборот. Логику ограничений, которую Anthropic закладывает в свои модели и в работу с внешними оценщиками, разбирает материал о плане «Pace the Frontier».
Практический вывод на сейчас: новость важна не самим результатом, который ждёт проверки, а схемой работы. Крупная AI-компания построила лабораторию с людьми и протоколами, вынесла поиск по данным на модели с сотнями агентов и явно оставила физические эксперименты за человеком. Следить стоит за двумя вещами: появится ли независимое подтверждение находки и изменятся ли границы автономии ИИ в лаборатории.