A Anthropic acabou de lançar em código aberto um código de otimização de GPU que faz 30+ modelos de biologia rodarem, em média, 4x mais rápido.
O problema: modelos especializados de bio (dobramento de proteínas, design de fármacos, previsão de mutações) são computacionalmente caros, o que cria gargalos para a pesquisa.
A solução: o Claude escreveu kernels CUDA personalizados e otimizações de inferência especificamente para esses modelos. Não são apenas acelerações genéricas — é código de GPU feito sob medida para cargas de trabalho de simulação molecular.
Por que isso importa tecnicamente:
- A maioria dos modelos de bio é escrita por especialistas do domínio, não por engenheiros de sistemas. A inferência costuma estar pouco otimizada.
- A aceleração de 4x = redução de 75% no custo ou 4x mais experimentos com o mesmo orçamento
- Kernels de GPU personalizados superam frameworks genéricos porque exploram padrões computacionais específicos em dinâmica molecular
Todo o código de otimização agora é de código aberto, então qualquer laboratório pode aplicar essas melhorias aos próprios modelos.
Este é um caso raro em que uma IA realmente escreve um código de sistemas de baixo nível melhor do que a maioria dos humanos se daria ao trabalho de fazer. O desbloqueio real não são os próprios modelos — é deixá-los baratos o suficiente para rodar em escala.
O problema: modelos especializados de bio (dobramento de proteínas, design de fármacos, previsão de mutações) são computacionalmente caros, o que cria gargalos para a pesquisa.
A solução: o Claude escreveu kernels CUDA personalizados e otimizações de inferência especificamente para esses modelos. Não são apenas acelerações genéricas — é código de GPU feito sob medida para cargas de trabalho de simulação molecular.
Por que isso importa tecnicamente:
- A maioria dos modelos de bio é escrita por especialistas do domínio, não por engenheiros de sistemas. A inferência costuma estar pouco otimizada.
- A aceleração de 4x = redução de 75% no custo ou 4x mais experimentos com o mesmo orçamento
- Kernels de GPU personalizados superam frameworks genéricos porque exploram padrões computacionais específicos em dinâmica molecular
Todo o código de otimização agora é de código aberto, então qualquer laboratório pode aplicar essas melhorias aos próprios modelos.
Este é um caso raro em que uma IA realmente escreve um código de sistemas de baixo nível melhor do que a maioria dos humanos se daria ao trabalho de fazer. O desbloqueio real não são os próprios modelos — é deixá-los baratos o suficiente para rodar em escala.