Claudes internes Modell half Wissenschaftlern, ein Protein gegen Skorpiongift zu entwerfen
Anthropic und Citrini Research nutzten Claude, um Kandidatenproteine zu generieren und zu filtern, die an Skorpiongift binden; eine laborvalidierte Shortlist entstand in etwa drei Tagen.
Jedes Jahr werden mehr als eine Million Menschen von Skorpionen gestochen, und Tausende sterben, vor allem Kinder in armen Regionen. Bestehende Antivenene werden aus Pferdblut hergestellt, was langsam und teuer ist und nicht gegen alle Giftvarianten wirkt.
Skorpiongift wirkt, indem die Toxine an Nervenzellen binden und die Nerven zu fehlerhaften Signalen zwingen. Forscherinnen und Forscher schlagen vor, kleine Proteine zu entwickeln, die an der richtigen Stelle an das Toxin binden und es daran hindern, die Zellen zu erreichen.
Anthropic und Citrini Research entschlossen zu testen, ob Claude helfen kann, solche Köderproteine zu generieren. Der Agent erhielt einen Prompt und eine Umgebung und arbeitete fast drei Tage autonom. Er schlug mehr als 300.000 Proteinvarianten vor, filterte schwache Kandidaten aus und wählte die 180 besten aus. Dafür wurden etwa 10.000 GPU-Stunden benötigt.
17 der ausgewählten Proteine bestanden eine strenge Laborvalidierung, und die beiden besten banden das Toxin sehr fest. Allerdings unterscheiden sich Skorpiontoxine je nach Region, und Claude konnte bisher noch kein universelles Protein erzeugen.
Selbst für einzelne Toxine sind dies noch keine Antidote: Die Tests laufen weiter, und der Erfolg ist nicht garantiert. Dennoch ist die Erstellung einer solchen Shortlist in drei Tagen bereits ein großer Erfolg, der früher Menschen Monate kostete.
Alle Proteine wurden als Open Source veröffentlicht: Datensatz auf Hugging Face.
Warum das wichtig ist
AnalyseEs zeigt, dass ein KI-Agent Monate der frühen Proteinentwicklung auf wenige Tage verkürzen kann, aber klinische Antidote weiterhin umfangreiche Validierung und regionale Anpassung erfordern.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Steuerung des Computers durch KI (Computer Use)
Eine Technologie von Anthropic (vorgestellt in den Modellen Claude 3.5 Sonnet), die es neuronalen Netzen ermöglicht, das Betriebssystem wie ein Mensch zu steuern: Bildschirm-Screenshots erstellen, Fensterkoordinaten analysieren, den Mauszeiger bewegen, auf Schaltflächen klicken und Text eingeben – ohne Verwendung spezieller APIs.
Constitutional AI (RLAIF)
Ein von Anthropic (den Entwicklern von Claude) konzipiertes Verfahren zur Ausrichtung des Modellverhaltens. Anstatt Millionen von Stunden menschlicher Arbeit zu nutzen, kritisiert und korrigiert das Modell seine eigenen Antworten auf der Grundlage eines klar definierten Kodex ethischer Grundsätze (der „Verfassung“).
Anthropic zeigt, wie KI-generierter Code überprüft wird
Anthropic gibt an, dass Claude rund 90 % des Codes für Claude Code schreibt; der Review-Prozess nutzt mehrere KI-Agenten, risikobasierte Freigaben und Feature Flags, um Produktionsfehler zu begrenzen.
Anthropic-Ingenieur zeigt, wie man KI anspruchsvollere Aufgaben stellt, und veröffentlicht Prompt
Felix Rieseberg, leitender Ingenieur bei Anthropic und an Claude beteiligt, beschreibt drei Ansätze, um KI wie einen Top-Spezialisten arbeiten zu lassen, statt sie nur als schnelleren Assistenten zu nutzen.
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: Modellvergleich 2026
Alle paar Wochen erscheint ein neues Modell, und jedes Mal stellen sich dieselben Fragen: Lohnt sich der Wechsel? Was hat sich geändert? Wofür lohnt sich die Investition?
Claude Fable 5: Wann das leistungsstarke Modell eingesetzt wird und welcher effort-Level gewählt werden sollte
Eine vollständige Analyse des Modells Claude Fable 5 und des Parameters effort: Funktionsweise des Verhaltenssignals für Reasoning, Verfügbarkeitsmatrix der Level (low/xhigh), Kostenberechnung pro Durchlauf sowie Konfiguration in API und Claude Code.