Claude新模型被曝用大规模蛋白质序列训练,GPT与Gemini未现此特征

一项未同行评审的测试发现,Claude Opus 5.5 和 Fable 5.2 能预测陌生细菌蛋白的下一个氨基酸,且随家族序列数增加而提升,暗示其训练数据包含大规模蛋白质序列;GPT、Gemini 及多个开源模型在同任务上接近零。

一句话看懂:一项未同行评审的测试发现,Claude Opus 5.5 和 Fable 5.2 能预测陌生细菌蛋白的下一个氨基酸,且随家族序列数增加而提升,暗示其训练数据包含大规模蛋白质序列;GPT、Gemini 及多个开源模型在同任务上接近零。

事件核心:发生了什么

2026年11月18日,Hacker News 上发布的一项测试显示,研究者从167个功能未知的Pfam家族中选取668个细菌和古菌蛋白,在每个蛋白的5个切点让模型续写10个氨基酸,仅评估第一个。Claude Fable 5.2 在真实序列上准确率54%,打乱顺序后降至9%;Opus 5.5 表现与最大开源蛋白语言模型 ProtGPT3-10B 相当。GPT、Gemini 及 DeepSeek V4.1 Flash、Qwen 3.8、Kimi K3.1 Pro 等七个开源权重模型准确率接近零。目前信息来自博客测试,并非已同行评审的论文。

为什么重要

前沿大模型的能力边界可能不只在文本和代码。若结论成立,Claude 的训练数据中包含相当规模的蛋白质序列库,这会让它在生物信息学任务上具备类似专用蛋白语言模型的能力。对行业而言,这提出了一个现实问题:通用大模型的训练数据构成是否透明,以及不同厂商在科学数据上的投入差异是否会形成新的能力分层。目前公开信息显示,其他前沿模型没有表现出同等信号。

对用户/开发者/创作者的影响

开发者若用 Claude API 处理蛋白质序列补全、突变体初筛或未知家族探索,可将其视为一个辅助工具,但不应替代 ESM 等专用模型的结构预测或湿实验验证。生物信息团队需要关注模型对训练截止后新蛋白的泛化表现。普通用户暂时没有直接产品变化,但企业采购时可把科学数据能力纳入模型选型维度。内容创作者则应避免把该测试结果描述为 Claude 已具备蛋白质设计能力。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

第一,Anthropic 是否公开回应训练数据构成;第二,同类测试能否在更多独立团队复现,尤其是打乱序列的对照组;第三,GPT 和 Gemini 后续版本是否在科学序列任务上跟进。此外,若蛋白质序列成为大模型训练数据的一部分,数据授权与合规问题也可能进入讨论。

来源:Hacker News (黑客新闻)

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注